[发明专利]屏幕显示的控制方法、系统和电子设备

权利要求书

1.一种屏幕显示的控制方法，其特征在于，包括：

训练阶段，包括：

获取训练数据，所述训练数据包括由显示屏的各个像素的色温值组成的色温图像和所述显示屏的亮度值；

使用卷积神经网络从所述色温图像获得色温特征图；

计算所述色温特征图中各个位置的热功率谱密度以获得功率谱密度特征图，其中，所述热功率谱密度基于所述色温图中各个位置的特征值、普朗克常数、各个像素对应的色波长和玻尔兹曼热力学常数计算而得；

对所述色温特征图进行全局池化处理以获得全局色温值；

计算所述全局色温值与所述功率谱密度特征图之间的第一交叉熵损失函数值；

计算所述亮度值与所述功率谱密度特征图之间的第二交叉熵损失函数值；

将所述功率谱密度特征图通过分类器以获得分类损失函数值；以及

基于所述第一交叉熵损失函数值、所述第二交叉熵损失函数值和所述分类损失函数值的加权和来训练所述卷积神经网络；以及

推断阶段，包括：

获取待检测数据，所述待检测数据为由显示屏的各个像素的色温值组成的色温图像；

将所述色温图像输入经训练阶段训练完成的所述卷积神经网络以获得检测用色温特征图；

计算所述检测用色温特征图中各个位置的热功率谱密度以获得检测用功率谱密度特征图；

将所述检测用功率谱密度特征图输入分类器以获得分类结果，所述分类结果用于表示显示屏的亮度值应增大还是应减小；以及

基于所述分类结果，控制所述显示屏的亮度值。

2.根据权利要求1所述的屏幕显示的控制方法，其中，使用卷积神经网络从所述色温图像获得色温特征图，包括：

所述卷积神经网络以如下公式对所述色温图像进行处理以获得所述色温特征图；

所述公式为：

f_i＝tanh(N_i×f_i-1+B_i)

其中，f_i-1为第i层卷积神经网络的输入，f_i为第i层卷积神经网络的输出，N_i为第i层卷积神经网络的卷积核，且B_i为第i层卷积神经网络的偏置向量，tanh(.)表示tanh非线性激活函数。

3.根据权利要求2所述的屏幕显示的控制方法，其中，计算所述色温特征图中各个位置的热功率谱密度以获得功率谱密度特征图，包括：

以如下公式计算所述色温特征图中各个位置的热功率谱密度以获得功率谱密度特征图；

所述公式为：

其中x_i,j是所述色温特征图中的每个位置的特征值，h是普朗克常数，λ是显示屏上的各个像素对应的色波长，k为玻尔兹曼热力学常数，T_i,j为各个像素的色温值，且α和β为修正系数，用于分别将αλhx_i,j和βhx_i,j/kT_i,j修正为概率值的表现形式。

4.根据权利要求3所述的屏幕显示的控制方法，其中，λ与所述显示屏的各个像素的颜色值对应，α和β作为超参数参与到所述卷积神经网络的训练过程中。

5.根据权利要求4所述的屏幕显示的控制方法，其中，对所述色温特征图进行全局池化处理以获得全局色温值，包括：

对所述色温特征图进行全局平均值池化处理或全局最大值池化处理以获得所述全局色温值。

6.根据权利要求5所述的屏幕显示的控制方法，其中，将所述功率谱密度特征图通过分类器以获得分类损失函数值，包括：

使用所述分类器的至少一个全连接层对所述功率谱密度特征图进行全连接编码以获得分类特征向量；

将所述分类特征向量输入所述分类器的Softmax分类函数以获得分类结果；以及

计算所述分类结果与真实值之间的交叉熵损失函数值作为所述分类损失函数值。