-
公开(公告)号：CN118038388A
公开(公告)日：2024-05-14
申请号：CN202211369068.8
申请日：2022-11-03
IPC: G06V20/56 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种深度神经网络训练方法、装置及电子设备，该方法包括：分别对待训练神经网络和相对应的特征提取器进行预处理操作，其中，所述待训练神经网络对应有用于训练的训练数据集合，所述特征提取器用于提取所述训练数据集合中的样本的特征；基于预处理操作后的所述待训练神经网络和所述特征提取器，初始化包含所述训练数据集合中样本的特征的特征集合；基于所述样本以及所述特征集合，利用梯度下降法，逐批次更新所述待训练神经网络的网络参数，以对所述待训练神经网络进行训练。该方法能够对深度神经网络进行训练使其能够克服会存在过分自信的问题。即使对于训练数据集中的未出现的物体，深度神经网络亦会给出准确置信度的预测结果。
-
公开(公告)号：CN116932708A
公开(公告)日：2023-10-24
申请号：CN202310414399.7
申请日：2023-04-18
Applicant: 清华大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/34 , G06N5/04
Abstract: 本发明提供一种大语言模型驱动的开放域自然语言推理问答系统及方法，问题改写模块将用户问题改写为改写问题；中心计算和管理模块管理大语言模型的计算和知识资源，根据改写问题的类型将改写问题和问题核心引擎模块所需的大语言模型的计算和知识资源输出至问答核心引擎模块中的一个或多个子问答模块；问答核心引擎模块根据改写问题和大语言模型的计算和知识资源推理得到一个或多个改写问题的候选答案和候选答案的可解释性说明信息；聚合推理模块根据一个或多个改写问题的候选答案和候选答案的可解释性说明信息聚合推理得到改写问题的最终答案和最终答案的可解释性说明信息，采用大语言模型支撑，支持问题类型全面、易扩展、可解释且通用性强。
-
公开(公告)号：CN112906870A
公开(公告)日：2021-06-04
申请号：CN202110287729.1
申请日：2021-03-17
Applicant: 清华大学
Abstract: 本申请提出了一种基于小样本的网络模型压缩云端服务方法，涉及车载压缩模型技术领域，其中，该方法包括：获取用户上传的数据信息，包括待压缩模型的信息、第一样本集合和压缩要求；根据所述待压缩模型的信息和所述压缩要求确定压缩方案，并根据所述第一样本集合生成第二样本集合，并计算所述第二样本集合中各个样本的初始置信度，根据所述压缩方案和所述各个样本的初始置信度对待压缩模型进行迭代式压缩优化，以获得初步压缩模型；根据所述第一样本集合对所述初步压缩模型进行微调，以得到目标压缩模型。采用上述方案本发明在保证模型准确率的前提下，降低模型的计算量，通过云端和互联网搜索，避免对人为设定的依赖和上传大数据集所造成的消耗和不便利。
-
公开(公告)号：CN102930289B
公开(公告)日：2015-05-06
申请号：CN201210371348.2
申请日：2012-09-28
Applicant: 清华大学
Abstract: 本发明公开了一种马赛克图片生成方法，为解决现有的图片生成方法中不对原始鳞片进行分类或者仅以一定的阈值分类导致的马赛克图片的表现力不够强等问题而设计。所述马赛克图片生成方法包括以下步骤：1.将原图划分成若干个原始鳞片；2.采用聚类算法以及分类器对原始鳞片进行分类；3.分别计算每一个原始鳞片和各替换鳞片之间的图片距离；4.选取与原始鳞片图片距离最小或图片距离小于阈值的替换鳞片替换原始鳞片以生成马赛克图片；其中，所述图片距离为原始鳞片与替换鳞片之间特征参数按照预设算法得到的计算结果；且不同类别的原始鳞片与替换鳞片之间用以计算图片距离的特征参数不同。上述马赛克图片生成方法生成的马赛克图片表现效果好，表现力强。
-
公开(公告)号：CN104063703A
公开(公告)日：2014-09-24
申请号：CN201410350194.8
申请日：2014-07-22
Applicant: 清华大学
Abstract: 本发明公开一种基于倒排索引方式的手势识别方法，包括以下步骤：获取输入图像中待识别的静态手势的手势区域信息；获取所述手势区域信息的手势特征信息；将获取的手势特征信息与预设数据集中存储的手势特征信息进行分类匹配；根据分类匹配结果获取待识别的静态手势的姿势信息并输出。本发明属于利用数据进行手势识别，避免了使用模型方法识别手势所带来的大量计算，并且相对于模型方法可以识别更大量的姿势。而本发明利用线段方向加强形状上下文特征，并利用倒排索引方法进行检索操作，相比现有数据识别手势方法更快速准确。
-
Patent Agency Ranking
公开(公告)号：CN118443719A
公开(公告)日：2024-08-06
申请号：CN202410419387.8
申请日：2024-04-09
Applicant: 清华大学
Abstract: 本申请涉及结晶自动实验技术领域，特别涉及一种结晶自动实验装置、方法、电子设备及存储介质，其中，装置包括：加热组件，包括加热台和装载结晶溶液的容器，容器设置于加热台上；成像组件，用于采集结晶溶液的结晶过程图像；控制组件，用于根据结晶过程图像识别结晶溶液的实际结晶状态，并根据实际结晶状态得到加热台的目标温度，以根据目标温度控制加热台进行加热或者降温。由此，解决了相关技术中，依赖人工参与操作，温度无法动态、精准、自动调控，无法精准调控结晶形态等问题。
-
公开(公告)号：CN112818036A
公开(公告)日：2021-05-18
申请号：CN202110126871.8
申请日：2021-01-29
Applicant: 清华大学
Abstract: 本申请提出一种基于云端大数据的电动车剩余里程预估方法和装置，涉及数据处理技术领域，其中，方法包括：接收预估请求，分别对车端和网络端进行数据采集，获取云端数据；对云端数据进行特征提取，获取特征信息；将特征信息输入已训练的剩余里程预估模型，获取剩余里程预估结果。由此，获取了更加多元化的行驶数据，结合天气、路况等环境信息，提取出更丰富的特征，利用更复杂高效云端模型来进行计算，提高预估结果的准确性和实时性。
-
公开(公告)号：CN112545515A
公开(公告)日：2021-03-26
申请号：CN202011412776.6
申请日：2020-12-04
Applicant: 清华大学
Abstract: 本发明公开了一种竞争压力下射击表现检测及评估方法及装置，其中，方法包括竞争压力下实验设计和生理信息数据采集方法与评估方法。为了充分体现竞争压力下射击表现和一般状态下区别，设计了两组实验：一般状态射击实验和竞争状态下射击实验。两组实验射击手在射击过程中同时采集射击手脑电信号和心电信号，通过射击报靶系统记录射击成绩及瞄准轨迹。通过生理信号特征，评估两种状态下射击成绩差异以及射击过程中大脑神经效率变化，评估压力条件下射击表现好和差脑神经调控机制。
-
公开(公告)号：CN103745228B
公开(公告)日：2017-01-11
申请号：CN201310752309.1
申请日：2013-12-31
Applicant: 清华大学
Abstract: 本发明公开一种基于Fréchet距离的动态手势识别方法，至少包括以下步骤：获取输入视频中待识别的动态手势片段的手势位置信息；将获取的手势状态变化特征序列与预设模型中的特征序列依据Fréchet距离进行匹配；根据Fréchet距离匹配信息获取相似性结果并输出。本发明通过将提取的特征序列同预先得到的模型进行某种形式的相似性度量，依据相似程度确定待识别手势对应的分类，而利用Fréchet距离具有对时间序列曲线沿时间维度伸缩变换保持不变的特性，能够很好地适应动态手势变化速度沿时间维度分布不均匀的情况。
-
公开(公告)号：CN112581483B
公开(公告)日：2022-10-04
申请号：CN202011528023.1
申请日：2020-12-22
Applicant: 清华大学
IPC: G06T7/12
Abstract: 本申请提出一种基于自学习的植物叶片叶脉分割方法和装置，涉及数据处理技术领域，方法包括：通过深度神经网络模型对已标注的植物叶片样本进行训练，获取特征提取模块、粗糙叶脉提取模块和精细叶脉提取模块对无标注的植物叶片图片进行处理，获取粗糙叶脉图和精细叶脉图；将粗糙叶脉图和精细叶脉图进行融合，获取叶脉分割图作为无标注的植物叶片图片的标注信息并根据预设损失函数对深度神经网络模型进行训练，以使已训练的深度神经网络模型对待处理植物叶片图片进行处理获取植物叶片分割结果。由此，使用极少量的标注图片让模型自动地去学习大量未标注图片中的信息，从而提高泛化性，提高植物叶片叶脉分割的效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.02 seconds)
