-
公开(公告)号：CN112818036B
公开(公告)日：2022-12-30
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：CN112906870B
公开(公告)日：2022-10-18
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：CN112581483A
公开(公告)日：2021-03-30
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。
-
公开(公告)号：CN105929372A
公开(公告)日：2016-09-07
申请号：CN201610232719.7
申请日：2016-04-14
Applicant: 清华大学
IPC: G01S7/282
CPC classification number: G01S7/282
Abstract: 本发明公开了一种MIMO雷达多窄波束的赋形方法及装置，其中，该方法包括：根据多窄波束的指向角的个数K确定正交基带波形的个数为K,其中K为正整数；根据发射天线个数M和正交基带波形的个数K确定M×K维波形系数矩阵，其中M为正整数；利用最小化积分旁瓣水平的准则对M×K维波形系数矩阵的第1至K列向量进行优化设计得到每个子窄波束对应的最优化波形系数；将每个子窄波束对应的最优化波形系数合并成最优化波形系数矩阵。该方法实现了多窄波束赋形，从而降低了发射方向图的旁瓣水平。
-
公开(公告)号：CN102930569B
公开(公告)日：2015-06-17
申请号：CN201210371332.1
申请日：2012-09-28
Applicant: 清华大学
IPC: G06T11/00
Abstract: 本发明公开了一种不规则鳞片马赛克图片生成方法，为解决现有的马赛图片生成的过程中首先将原图划分成固定大小的鳞片，再通过匹配方法得到适合的替换鳞片，造成替换鳞片的大小、长宽比的改变形成的替换鳞片所需展现的图片信息的丢失以及图片效果的弱化而设计。所述不规则鳞片马赛克图片生成方法包括以下步骤：步骤1：根据预设搜索方法确定原图中尚未替换区域中的当前替换区域；步骤2：在替换图库中按照预设匹配方法查找最佳替换鳞片并将查找到的最佳鳞片更新到当前替换区域；重复步骤1-步骤2直至原图全部替换完成。本发明不规则鳞片马赛克图片生成方法，实现简单，提供了一种全新的不改变替换鳞片大小以及长宽比的马赛克图片生成方法。
-
Patent Agency Ranking
公开(公告)号：CN103745228A
公开(公告)日：2014-04-23
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：CN102930569A
公开(公告)日：2013-02-13
申请号：CN201210371332.1
申请日：2012-09-28
Applicant: 清华大学
IPC: G06T11/00
Abstract: 本发明公开了一种不规则鳞片马赛克图片生成方法，为解决现有的马赛图片生成的过程中首先将原图划分成固定大小的鳞片，再通过匹配方法得到适合的替换鳞片，造成替换鳞片的大小、长宽比的改变形成的替换鳞片所需展现的图片信息的丢失以及图片效果的弱化而设计。所述不规则鳞片马赛克图片生成方法包括以下步骤：步骤1：根据预设搜索方法确定原图中尚未替换区域中的当前替换区域；步骤2：在替换图库中按照预设匹配方法查找最佳替换鳞片并将查找到的最佳鳞片更新到当前替换区域；重复步骤1-步骤2直至原图全部替换完成。本发明不规则鳞片马赛克图片生成方法，实现简单，提供了一种全新的不改变替换鳞片大小以及长宽比的马赛克图片生成方法。
-
公开(公告)号：CN102930289A
公开(公告)日：2013-02-13
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：CN112545515B
公开(公告)日：2022-07-08
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：CN102930571A
公开(公告)日：2013-02-13
申请号：CN201210379797.1
申请日：2012-10-09
Applicant: 清华大学
Abstract: 本发明公开一种字符马赛克图片的生成方法，至少包括以下步骤：提取字符集中每个字符鳞片的灰度特征；对原图进行划分为多个图像鳞片，并提取每个图像鳞片的灰度特征；将每个图像鳞片与字符鳞片灰度特征匹配，最终选取一个字符匹配；将原图中的所有图像鳞片以相匹配字符鳞片替换，得到字符马赛克图片。本发明利用字符本身的信息提取出与原图灰度可比较的特征，进而用该特征寻找到与原图鳞片最为相似的字符对原图进行替换来生成字符马赛克图片，能够收到令人满意的视觉效果。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
