基于改进MaskR-CNN的多背景下显示屏缺陷的实时分割方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于改进MaskR‑CNN的多背景下显示屏缺陷的实时分割方法。本发明将传统MaskR‑CNN模型特征提取网络与注意力机制模块相结合，在对不同背景下显示屏缺陷图像的特征进行提取过程中，通过加入注意力模块自适应调整输出特征的权重占比，减少不同背景对于缺陷检测的干扰，使得深度学习网络模型在像素级分割中所学习的特征更加集中，能更针对性的学习缺陷特征；在传统MaskR‑CNN模型多尺度特征融合网络中与注意力机制模块相结合，在获取特征信息中更加关注于显示屏缺陷特征信息；在整个框架的基础上，配合训练参数的调整，使得整个模型可用于对不同背景下的多目标检测人物的优化，并且检测精度与特征分割都优于传统模型。

《基于改进MaskR-CNN的多背景下显示屏缺陷的实时分割方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022110623380，当前法律状态为已下证，由昆明理工大学提出申请，发明人为陈松林;陈明方;王森;陈平;张永霞;黄良恩;何朝银;肖方坤;孔祥飞，申请日期为2022-09-01，公开（公告）日期为2026-04-24，国际专利分类号（IPC）为 G06T 7/00 (2017.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于改进MaskR‑CNN的多背景下显示屏缺陷的实时分割方法。本发明将传统MaskR‑CNN模型特征提取网络与注意力机制模块相结合，在对不同背景下显示屏缺陷图像的特征进行提取过程中，通过加入注意力模块自适应调整输出特征的权重占比，减少不同背景对于缺陷检测的干扰，使得深度学习网络模型在像素级分割中所学习的特征更加集中，能更针对性的学习缺陷特征；在传统MaskR‑CNN模型多尺度特征融合网络中与注意力机制模块相结合，在获取特征信息中更加关注于显示屏缺陷特征信息；在整个框架的基础上，配合训练参数的调整，使得整个模型可用于对不同背景下的多目标检测人物的优化，并且检测精度与特征分割都优于传统模型。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！