-
公开(公告)号：CN102082957B
公开(公告)日：2012-08-22
申请号：CN201110001443.9
申请日：2011-01-05
Applicant: 清华大学
IPC: H04N17/00
Abstract: 本发明提出一种检验多视角采集系统的同步性的方法和装置。其中，该方法包括以下步骤：通过多视角采集系统的各个视角相机采集同一图像序列的对象的状态；以及根据所述各个视角相机采集到的同一图像序列的对象的状态，判断所述多视角采集系统是否同步。本发明的方法可根据需要验证不同级别的系统同步性的精度，从而保证多视角采集系统的不同步误差控制在不同的精度范围内，保证根据多视角采集系统采集的图像进行的计算的结果正确。
-
公开(公告)号：CN118033533A
公开(公告)日：2024-05-14
申请号：CN202410171849.9
申请日：2024-02-06
Applicant: 清华大学
IPC: G01S3/16
Abstract: 本公开涉及波达角估计系统与超分辨波达角估计装置，所述系统包括：衍射调制模块，用于调制N个信号源发射的入射波的电磁场相位分布，以使入射波聚焦到探测模块，N≥1，信号源对应的波达角处于预设角度范围内；探测模块包括多个检测区域，预设角度范围包括多个角度区间，每个检测区域对应一个角度区间；探测模块，用于在入射波聚焦到探测模块上的情况下，测量各个检测区域内电磁场的强度，得到各个检测区域内电磁场的强度测量值，并基于强度测量值最大的N个检测区域所对应的角度区间，确定N个信号源对应的波达角。根据本公开实施例，能够实现低延迟、低功耗、低成本的波达角估计。
-
公开(公告)号：CN117252464A
公开(公告)日：2023-12-19
申请号：CN202311194133.2
申请日：2023-09-15
Applicant: 中国三峡建工(集团)有限公司 , 清华大学
IPC: G06Q10/0639 , G06Q50/08 , G06F30/13 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明提供了一种大坝混凝土层间结合质量预测及控制方法，包括以下步骤：步骤1，层间结合质量预测：基于深度学习方法，对混凝土的层间结合质量进行预测；步骤2，层间结合质量预警：基于步骤1中混凝土的层间结合质量预测结果，对混凝土层间结合质量于标准值进行比对，以对层间结合质量进行预警；步骤3，层面处理措施：针对混凝土层间结合质量预警结果，采取相应的措施来保证混凝土层间结合质量。
-
公开(公告)号：CN116269432A
公开(公告)日：2023-06-23
申请号：CN202211627958.4
申请日：2022-12-16
Applicant: 清华大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , A61B5/374 , G06N3/0464
Abstract: 本发明提供一种基于衍射光子计算处理器的癫痫发作监控方法及装置，该方法基于衍射光子计算处理器构建衍射光子神经网络实现癫痫发作监控。通过对获取的脑电图信号进行预处理，得到特征电信号；将特征电信号输入至衍射光子神经网络，得到癫痫发作实时监控结果；衍射光子神经网络包括输入平面、多层衍射平面和输出平面，输入平面用于将特征电信号转换为光信号；多层衍射平面用于根据调制系数对光信号进行光调制；输出平面用于根据光调制后的光强度输出癫痫发作实时监控结果，利用光子计算技术处理大规模脑电信号。该方法可以应用于患者颅内和颅外脑电图信号处理，并且，减少硬件系统成本。
-
公开(公告)号：CN116167406A
公开(公告)日：2023-05-26
申请号：CN202310035913.6
申请日：2023-01-10
Applicant: 清华大学
Abstract: 本发明提供一种光子神经网络的对偶自适应训练方法及相关组件，该方法包括：建立包括PNN物理模型和系统误差预测网络模型的PNN仿真模型；确定PNN物理系统的测量值及PNN仿真模型的测量值；基于PNN物理系统的测量值和PNN仿真模型的测量值的对比结果和数据融合结果分别确定相似度损失函数和任务损失函数；根据相似度损失函数和任务损失函数优化更新PNN仿真模型的参数以对PNN物理模型进行在线训练。通过本发明的方法，可以让PNN物理模型在训练过程中适应较大的系统误差，从而使PNN物理模型在部署于PNN物理系统时保持高性能。
-
Patent Agency Ranking
公开(公告)号：CN110309916B
公开(公告)日：2021-09-17
申请号：CN201910487242.0
申请日：2019-06-05
Applicant: 清华大学
Abstract: 本发明公开了一种多级空频域调制非线性全光学深度学习系统及方法，其中，该系统包括：光学输入模块、多级空频域调制模块和信息采集模块；光学输入模块，用于将输入信号转化为光学信息；多级空频域调制模块，由多个频域调制模块和多个空域调制模块交替级联构成，用于对光学输入模块产生的光学信息进行多级空频域调制；信息采集模块，由透镜和传感器组成，用于接收多级空频域调制模块的输出信号，利用透镜将输出信号变换到傅里叶面或像面并通过传感器进行采集，生成信息处理结果。该系统提升全光学深度学习的性能，使得全光学深度学习模型更好地完成更加复杂的机器学习任务，尤其是能够完成复杂的非线性计算任务。
-
公开(公告)号：CN111258046A
公开(公告)日：2020-06-09
申请号：CN202010120885.4
申请日：2020-02-26
Applicant: 清华大学
Abstract: 本发明公开了一种基于前置微透镜阵列的光场显微系统及方法，其中，该系统包括：微透镜阵列模块，显微光学放大模块和探测模块，其中，微透镜阵列模块，用于将输入的空间三维光场分布编码为显微物镜前焦面的二维光场分布；显微光学放大模块与微透镜阵列模块连接，用于将二维光场分布实行空间变换，得到光学信号；探测模块与显微光学放大模块连接，用于接收显微光学放大模块输出的光学信号，生成信息处理结果。该系统提升传统光学显微镜的性能，使得传统光学显微镜能够实现对任意表面形状的三维样本的高速观测。
-
公开(公告)号：CN110309916A
公开(公告)日：2019-10-08
申请号：CN201910487242.0
申请日：2019-06-05
Applicant: 清华大学
Abstract: 本发明公开了一种多级空频域调制非线性全光学深度学习系统及方法，其中，该系统包括：光学输入模块、多级空频域调制模块和信息采集模块；光学输入模块，用于将输入信号转化为光学信息；多级空频域调制模块，由多个频域调制模块和多个空域调制模块交替级联构成，用于对光学输入模块产生的光学信息进行多级空频域调制；信息采集模块，由透镜和传感器组成，用于接收多级空频域调制模块的输出信号，利用透镜将输出信号变换到傅里叶面或像面并通过传感器进行采集，生成信息处理结果。该系统提升全光学深度学习的性能，使得全光学深度学习模型更好地完成更加复杂的机器学习任务，尤其是能够完成复杂的非线性计算任务。
-
公开(公告)号：CN105737981B
公开(公告)日：2018-01-16
申请号：CN201610094723.1
申请日：2016-02-19
Applicant: 清华大学
IPC: G01J3/28
Abstract: 本发明公开了一种双向光谱光传输采集探测方法，包括步骤：设定双向光谱反射场函数；根据双向光谱反射场函数得到出射光场重光照方程；对出射光场重光照方程进行离散化得到双向光谱光传输采集方程；设定双向光谱光传输矩阵由四维空间光传输和二维光谱光传输构成；将双向光谱光传输矩阵分解为空间光传输矩阵和光谱光传输矩阵的张量积，使用全光谱由粗到细确定目标场景像素的采集顺序；在第一空间分辨率的级别上，采集完备的第一光谱光传输；对第一光谱光传输进行稀疏重建；根据双向光谱光传输采集方程得到探测矩阵。本发明具有如下优点：采集场景的双向光谱光传输矩阵能够渲染包含荧光物体的场景在任意光谱和任意空间入射光照下的场景真实外观。
-
公开(公告)号：CN103209307B
公开(公告)日：2016-05-25
申请号：CN201310136416.1
申请日：2013-04-18
Applicant: 清华大学
CPC classification number: H04N13/207 , H04N5/335 , H04N13/271
Abstract: 本发明公开了一种编码重聚焦计算摄像方法及装置，其中该方法包括：通过在曝光时间内改变对焦平面，并且在相应的所述对焦平面设置下逐像素编码的传感器的读出时间，以获得单曝光编码重聚焦图像；通过设计不同的调制函数以实现可编程非平面聚焦表面摄像，利用交叉式重聚焦摄像以复用三维重聚焦图像至二维传感器表面，通过解复用和三线性插值得到全分辨率的重聚焦图像；以及利用稀疏编码机制，通过采用压缩感知重建算法并加入相对模糊约束和变换域稀疏约束以获取全分辨率的全聚焦图像和深度图。本发明的方法和装置具有简便易行、摄像结果分辨率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.024 seconds)
