公开(公告)号：CN119166861B

公开(公告)日：2025-05-16

申请号：CN202411179279.4

申请日：2024-08-26

Applicant: 清华大学

Inventor： 王寰东 ,  李勇 ,  李瑞堃 ,  廖庆敏

IPC: G06F16/903 ,  G06N3/042 ,  G06F18/23 ,  G06F16/901

Abstract: 本公开涉及人工智能技术领域，尤其涉及一种基于图神经网络的网络预测方法及装置、电子设备和介质，方法包括获取状态预测任务，基于目标网络中各目标节点与各超节点之间的映射关系确定出分配矩阵，利用分配矩阵对目标网络进行重整化群得到网络主干，利用图神经网络对网络主干进行处理得到各超节点的动力学序列，基于动力学序列进行状态预测得到各超节点在预测时间段的节点状态，基于历史观测序列和各超节点在预测时间段的节点状态进行超分辨率处理得到各目标节点在预测时间段的节点状态。根据本公开的网络预测方法及装置、电子设备和介质能够在对待预测的目标网络这一复杂网络进行有效降维后，实现对复杂网络的长时准确预测。

公开(公告)号：CN115690536A

公开(公告)日：2023-02-03

申请号：CN202211328320.0

申请日：2022-10-26

Applicant: 清华大学深圳国际研究生院

Inventor： 杨文睿 ,  杨文明 ,  廖庆敏

IPC: G06V10/774 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种单帧红外小目标检测方法，包括以下步骤：获取单帧红外小目标图像的数据集，并对数据集进行预处理，获得训练集；构建基于多尺度局部对比增强模块和金字塔最大池化模块的深度学习网络模型；基于单帧红外小目标的训练集，对深度学习模型进行训练，得到单帧红外小目标检测模型；获取待检测的单帧红外小目标图像；将图像输入单帧红外小目标检测模型中，并输出检测结果图。本发明利用深度学习方法有着良好的泛化性和鲁棒性的特性，将深度学习网络模型用于单帧红外小目标检测，并使用多尺度局部对比增强模块和金字塔最大池化模块以增强深度学习网络对单帧红外小目标的特征提取能力，从而实现单帧红外小目标的检测的高准确率及高鲁棒性。

公开(公告)号：CN106933103A

公开(公告)日：2017-07-07

申请号：CN201710262726.6

申请日：2017-04-20

Applicant: 清华大学深圳研究生院

Inventor： 陈章 ,  王子威 ,  梁斌 ,  王学谦 ,  李成 ,  廖庆敏

IPC: G05B13/04

Abstract: 本发明提供一种有限时间收敛的遥操作双边控制器的控制方法。所述控制方法包括如下步骤：S01、建立不考虑重力项的动力学模型；S02、根据S01中的动力学模型建立主从双边控制系统的误差模型；S03、计算S02中的误差模型的不确定部分的界；S04、定义S02中的误差模型的外界干扰项关于系统状态量的界；S05、根据S02确定滑模变量；S06、根据S03至S05，针对S02的误差模型，确定双边控制律；S07、S06中的确定与控制器参数、系统初始状态相关的收敛时间并根据收敛时间调整控制律。本发明能保证在给定的有限时间内，主从双边机器人的跟踪误差快速收敛到零，在保证系统在时延下稳定性的同时，提高了系统双边同步跟踪的快速性。

公开(公告)号：CN101629966B

公开(公告)日：2011-09-28

申请号：CN200910109430.6

申请日：2009-08-18

Applicant: 清华大学深圳研究生院

Inventor： 卢宗庆 ,  廖庆敏

IPC: G06F17/11 ,  G01P5/20

Abstract: 本发明公开了一种粒子图像测速处理方法，包括以下步骤：A、对于N×M像素范围Ω构建水平集函数φ，水平集函数φ为定义在N×M像素范围内的连续函数，用水平集函数φ将区域Ω划分为第一子区域Ω1和第二子区域Ω2，运动场、散度场和旋度场在两个子区域内光滑连续，但在交界处不连续，其中，φ≥0的区域对应第一子区域Ω1，φ＜0的区域对应第二子区域Ω2；B、构造区域Ω的能量函数E＝E1+λE2，其中E为全局能量泛函，E1为数据约束能量，E2光滑约束能量；C、最小化全局能量泛函，实现运动场、散度场和旋度场的最佳逼近。本发明提供了一种精度高可靠性好的PIV处理方法。

公开(公告)号：CN101634551B

公开(公告)日：2011-04-13

申请号：CN200910109431.0

申请日：2009-08-18

Applicant: 清华大学深圳研究生院

Inventor： 杨文明 ,  杨帆 ,  廖庆敏

IPC: G01B11/30 ,  G06N3/08

Abstract: 本发明提供一种检测表面粗糙度的方法及其系统。检测表面粗糙度的方法，包括如下步骤：获取灰度图像步骤：获得待测物体表面的灰度图像；区域处理步骤：将所述灰度图像根据像素的灰度值划分为若干个同质区域，并获取同质区域相应的区域和边界参数；粗糙度计算步骤：根据所述区域和边界参数，采用特定的神经网络模型获得所述待测物体表面的粗糙度。

公开(公告)号：CN113989861B

公开(公告)日：2025-03-21

申请号：CN202111162648.5

申请日：2021-09-30

Applicant: 清华大学深圳国际研究生院

Inventor： 宋艺卓 ,  杨文明 ,  廖庆敏 ,  赵鹏阳

IPC: G06V40/13 ,  G06V10/141 ,  H04N23/56 ,  H04N23/695

Abstract: 一种多视角手指静脉图像采集设备，包括摄像模块、照明模块、驱动模块和支撑模块，支撑模块上设置有旋转轨道，驱动模块包括电机和转柄，电机安装在支撑模块上，转柄安装在电机上，摄像模块和照明模块相对设置并分别与转柄相连，摄像模块和照明模块还分别通过滑轮安装在旋转轨道上，摄像模块和照明模块之间设置有供手指放入的空间，电机驱动转柄转动，转柄带动摄像模块和照明模块沿旋转轨道同步旋转，摄像模块对手指进行多视角摄像，照明模块在多视角摄像时对手指提供对应视角的照明。本发明只使用单个相机实现对手指静脉多视角全方位的灵活采集，大大减少了投入成本，简化了设备结构和控制程序，以低成本实现了高质量易操作的多视角指静脉采集。

公开(公告)号：CN119152577A

公开(公告)日：2024-12-17

申请号：CN202411311321.3

申请日：2024-09-19

Applicant: 清华大学

Inventor： 谷源涛 ,  张雪辉 ,  廖庆敏

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/22 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 本公开涉及人工智能技术领域，尤其涉及一种基于计算机视觉的体育运动实时评测方法、装置、设备及存储介质。所述方法包括：获取目标视频帧，所述目标视频帧包括在体育运动过程中的测试者；对所述目标视频帧进行人体姿态估计，得到姿态估计信息，所述姿态估计信息包括所述测试者的多个人体关键点的位置信息和所述多个人体关键点之间的夹角信息；根据所述姿态估计信息，调用训练完成的运动分析模型进行运动分析，输出得到所述测试者的运动分析结果，所述运动分析结果用于指示所述测试者当前动作所处的阶段。本公开实施例通过引入人体关键点的位置信息和夹角信息作为模型输入，模型可以更加精确地捕捉到动作的细节，从而提高运动分析的精确度。

公开(公告)号：CN118097383A

公开(公告)日：2024-05-28

申请号：CN202410304746.5

申请日：2024-03-18

Applicant: 清华大学深圳国际研究生院

Inventor： 杨文明 ,  陈惠琳 ,  廖庆敏

IPC: G06V10/98 ,  G06V10/80 ,  G06V10/46 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/44

Abstract: 本发明公开了一种外部参考图像质量评价系统，包括：多尺度特征提取模块，用于提取外部参考图像和待评测失真图像的浅层特征；特征转换与对齐模块，连接于所述多尺度特征提取模块，用于将待评测失真图像浅层特征转换为待评测失真图像特征向量，以及，将待评测失真图像浅层特征与外部参考图像浅层特征对齐后的特征转换为差分特征向量；MLP‑Mixer编码模块，连接于所述特征转换与对齐模块，用于对所述待评测失真图像特征向量和所述差分特征向量分别进行编码，获得待评测失真图像编码后特征和差分特征向量的编码后特征；以及质量回归模块，连接于所述MLP‑Mixer编码模块，用于以所述待评测失真图像编码后特征和所述差分特征向量的编码后特征的融合特征作为输入，输出评测分数。

公开(公告)号：CN117726770A

公开(公告)日：2024-03-19

申请号：CN202311737029.3

申请日：2023-12-18

Applicant: 清华大学深圳国际研究生院

Inventor： 杨文明 ,  杜耀耀 ,  廖庆敏

IPC: G06T17/20 ,  G06V40/10 ,  G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/09

Abstract: 一种基于人体网格恢复的三维人体重建方法，包括：将包含一系列帧的视频序列作为输入，在视频帧中检测和提取人体特征，根据提取的人体特征，使用三维重建算法预测重建人体的形状和姿态，恢复出人体三维网格模型；其中，将所述视频序列以中间帧为界分为过去帧和未来帧两部分，分别提取过去帧和未来帧的信息，将未来帧进行时域翻转，使用过去帧和时域翻转的未来帧为中间帧的参数预测提供过去和未来的信息；从而引入对比学习来增强特征提取。本发明引入对比学习来增强特征提取器的性能，提高模型对视频中人体姿态和形状的精确估计能力。

公开(公告)号：CN117649436A

公开(公告)日：2024-03-05

申请号：CN202311701827.0

申请日：2023-12-12

Applicant: 清华大学深圳国际研究生院

Inventor： 杨文明 ,  张祎頔 ,  廖庆敏

IPC: G06T7/593 ,  G06V10/44 ,  G06V10/80 ,  G06T3/4092 ,  G06V10/42 ,  G06V10/54 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464

Abstract: 一种快速双目立体匹配方法，包括：S1、将左右视图输入基于ResNet的特征提取网络，提取左右视图特征，下采样获得不同分辨率的上下文特征金字塔；S2、利用左右视图特征计算相关性特征，对相关量的候选匹配维度进行下采样，得到相关量金字塔；S3、根据视差估计和预设的偏移值，在相关性金字塔的各个层级中查找各像素的相关性区域内的特征向量；将各层级查找到的向量沿着特征通道维度拼接起来；拼接后的特征与当前视差估计通过卷积进行聚合，然后沿着特征通道维度连接，形成相关性特征；S4、将相关性特征、上下文特征金字塔输入多尺度高效GRU模块进行视差优化和更新，迭代获得最终的估计视差。由此，提高了对精细结构的还原效果并提高了视差估计精确度。