公开(公告)号：CN111430025B

公开(公告)日：2023-07-25

申请号：CN202010161921.1

申请日：2020-03-10

Applicant: 清华大学

Inventor： 黄高 ,  王语霖 ,  潘旭冉 ,  宋士吉

IPC: G16H50/20 ,  G06N3/0464 ,  G06N3/08 ,  G16H30/00

Abstract: 本发明涉及一种基于医疗影像数据扩增的疾病诊断方法，属于疾病诊断方法技术领域。本方法首先在将原始影像数据映射到深度特征空间中，提取具有高度线性化的语义信息的特征；根据医疗影像中对应不同类别的数据在特征空间中的分布，获得用于数据扩增的特征协方差矩阵；计算数据扩增损失函数，通过不断优化该损失，获得特征提取能力更强的模型。该数据扩增方法仅在训练模型时使用，在使用模型对医疗影像数据预测时不会引入更多的计算量与计算时间。本方法对固定的医疗影像数据进行有效的扩充，显著地降低了深度神经网络的训练对于标注患者数据的数量要求，有效缓解了医疗影像数据获取困难、标注成本高的问题，而且提高了疾病诊断的准确率。

公开(公告)号：CN108364484B

公开(公告)日：2021-03-30

申请号：CN201810153796.2

申请日：2018-02-22

Applicant: 清华大学

Inventor： 胡坚明 ,  裴欣 ,  潘旭冉 ,  张毅 ,  张佐

IPC: G08G1/08

Abstract: 本发明涉及一种基于序贯博弈的单交叉口信号配时方法，其特征在于包括以下步骤：1)建立表征单交叉口各相位信号配时时间的无穷期序贯博弈模型，并确定该模型的收益函数和贴现因子；2)通过车路协同系统获取单交叉口当前周期各相位的收益函数计算参数以及上一周期各个相位的排队长度，用于序贯模型博弈计算；3)将单交叉口各相位作为无穷期序贯博弈模型的参与者进行序贯博弈，根据得到的序贯博弈均衡解以及单交叉口的周期时长，计算得到单交叉口各个相位在当前周期下分配得到的通行时间。本发明可以广泛应用于单交叉口信号配时领域中。

公开(公告)号：CN117980917A

公开(公告)日：2024-05-03

申请号：CN202180100579.7

申请日：2021-07-21

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： 潘旭冉 ,  葛春江 ,  卢睿 ,  宋士吉 ,  黄高 ,  杨昊

IPC: G06N3/0464

Abstract: 本发明提供了一种用于计算机视觉处理的方法。该方法包括通过执行多个1×1卷积操作来将输入视觉数据投影到多个中间特征图；通过对所述多个中间特征图执行注意力和聚合操作来生成注意力加权图；通过对所述多个中间特征图执行移位和求和操作来生成卷积特征图；以及基于至少一个标量将所述注意力加权图和所述卷积特征图相加。

公开(公告)号：CN108364484A

公开(公告)日：2018-08-03

申请号：CN201810153796.2

申请日：2018-02-22

Applicant: 清华大学

Inventor： 胡坚明 ,  裴欣 ,  潘旭冉 ,  张毅 ,  张佐

IPC: G08G1/08

Abstract: 本发明涉及一种基于序贯博弈的单交叉口信号配时方法，其特征在于包括以下步骤：1)建立表征单交叉口各相位信号配时时间的无穷期序贯博弈模型，并确定该模型的收益函数和贴现因子；2)通过车路协同系统获取单交叉口当前周期各相位的收益函数计算参数以及上一周期各个相位的排队长度，用于序贯模型博弈计算；3)将单交叉口各相位作为无穷期序贯博弈模型的参与者进行序贯博弈，根据得到的序贯博弈均衡解以及单交叉口的周期时长，计算得到单交叉口各个相位在当前周期下分配得到的通行时间。本发明可以广泛应用于单交叉口信号配时领域中。

公开(公告)号：CN116403061A

公开(公告)日：2023-07-07

申请号：CN202310340521.0

申请日：2023-03-31

Applicant: 清华大学

Inventor： 黄高 ,  宋士吉 ,  潘旭冉 ,  叶天竺 ,  夏卓凡 ,  谢之峰

IPC: G06V10/77 ,  G06V10/82 ,  G06V10/764 ,  G06V10/26 ,  G06N3/0464

Abstract: 本公开提供了一种图像处理方法、装置、电子设备及存储介质，涉及计算机视觉技术领域。所述方法包括：获取输入图像的图像向量；从所述图像向量中，获取多个查询矩阵；对所述图像向量进行移动处理，得到按行展开的键值矩阵；根据所述多个查询矩阵和所述键值矩阵，得到每个所述查询矩阵对应的输出矩阵，每个所述查询矩阵对应的输出矩阵包含：所述图像向量对所述查询矩阵的注意力；根据所述多个输出矩阵，输出所述输入图像的图像处理结果。

公开(公告)号：CN111430025A

公开(公告)日：2020-07-17

申请号：CN202010161921.1

申请日：2020-03-10

Applicant: 清华大学

Inventor： 黄高 ,  王语霖 ,  潘旭冉 ,  宋士吉

IPC: G16H50/20 ,  G06N3/04 ,  G06N3/08 ,  G16H30/00

Abstract: 本发明涉及一种基于医疗影像数据扩增的疾病诊断方法，属于疾病诊断方法技术领域。本方法首先在将原始影像数据映射到深度特征空间中，提取具有高度线性化的语义信息的特征；根据医疗影像中对应不同类别的数据在特征空间中的分布，获得用于数据扩增的特征协方差矩阵；计算数据扩增损失函数，通过不断优化该损失，获得特征提取能力更强的模型。该数据扩增方法仅在训练模型时使用，在使用模型对医疗影像数据预测时不会引入更多的计算量与计算时间。本方法对固定的医疗影像数据进行有效的扩充，显著地降低了深度神经网络的训练对于标注患者数据的数量要求，有效缓解了医疗影像数据获取困难、标注成本高的问题，而且提高了疾病诊断的准确率。