-
公开(公告)号：CN117314733A
公开(公告)日：2023-12-29
申请号：CN202311020072.8
申请日：2023-08-14
Applicant: 清华大学深圳国际研究生院
IPC: G06T3/00 , G06T11/40 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于扩散模型的视频填充方法、装置、设备及存储介质，涉及人工智能技术领域，该方法包括：获取训练好的扩散模型；训练好的扩散模型中的U型网络模型包括第一编码器、第一中间层和解码器；第一编码器和解码器中的注意力模块均为时空注意力模块；时空注意力模块的注意力计算维度包括通道维度、宽度维度和高度维度，通道维度为通道数和帧数的乘积所表示的维度；将待填充的视频帧序列输入至训练好的扩散模型中进行视频填充，得到目标视频帧序列。本发明可以提升目标视频帧序列的帧间一致性。
-
公开(公告)号：CN117055556A
公开(公告)日：2023-11-14
申请号：CN202311051352.5
申请日：2023-08-18
Applicant: 清华大学深圳国际研究生院
IPC: G05D1/02
Abstract: 本发明提供一种多机器人编队路径规划方法、装置、电子设备及存储介质，涉及机器人技术领域，该方法包括：基于目标区域的密集障碍环境，对多个机器人编队进行全局路径规划，得到多个机器人编队在所述目标区域的全局路径；基于各机器人在每个时刻的待跟踪路径点，对各机器人的局部轨迹进行优化，得到多个机器人编队的优化轨迹，实现了多个机器人编队在密集障碍环境中的全局路径规划以及局部轨迹优化，使得多个机器人编队中每个机器人在任意离散时刻能够保持编队队形，并基于优化轨迹能够最短的时间到达目标位置，有效提升了多机器人编队在密集障碍环境中编队的效率以及完成导航任务的成功率。
-
公开(公告)号：CN116822154A
公开(公告)日：2023-09-29
申请号：CN202310641395.2
申请日：2023-06-01
Applicant: 清华大学深圳国际研究生院
IPC: G06F30/20 , G06F18/20 , G06F111/08
Abstract: 本发明属于环境感知技术领域，提供一种车辆状态的估计方法、装置、设备和存储介质，通过确定车辆机动场景下的多个运动模型；针对每个运动模型，确定运动模型与多个运动模型中其他运动模型交互输出的车辆的交互状态；根据车辆的交互状态，以及运动模型的状态转移信息，得到车辆的预测状态；根据车辆的预测状态、车辆的量测数据和量测数据在车辆的扩展目标区域的先验概率，确定量测数据与扩展目标区域关联的概率；根据多个运动模型的概率、量测数据与扩展目标区域关联的概率以及各个运动模型输出的车辆的预测状态，得到车辆的目标状态。本方法解决了车辆这个扩展目标在做机动运动时导致的运动模型不确定的问题，减少了跟踪误差，提高了跟踪精度。
-
公开(公告)号：CN120014370A
公开(公告)日：2025-05-16
申请号：CN202510482823.0
申请日：2025-04-17
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/82 , G06N3/0895 , G06N3/0464
Abstract: 本发明提供一种半监督多光谱遥感图像场景分类方法、装置、设备及介质，属于遥感图像场景分类技术领域，对无标注多光谱遥感图像进行弱、强增强处理后输入至预先构建的双分支网络结构，得到各分支网络输出的强、弱增强预测结果并融合，得到无标注多光谱遥感图像的伪标签，根据伪标签对双分支网络结构进行训练，将训练完成的双分支网络结构作为场景分类模型；基于场景分类模型对目标多光谱遥感图像进行场景分类，得到目标场景分类结果。双分支网络结构充分利用多光谱遥感图像的空间、光谱信息以及不同波段之间的互补信息，光谱特征分支网络引入光谱注意力能够进一步增强光谱信息提取能力，得到准确性更高的伪标签，进而提升模型的分类性能。
-
公开(公告)号：CN119313714A
公开(公告)日：2025-01-14
申请号：CN202411825950.8
申请日：2024-12-12
Applicant: 深圳清华大学研究院
Abstract: 本发明提供一种多模态遥感图像配准方法、装置、设备及存储介质，属于图像数据处理技术领域，方法包括获取待配准的多模态遥感图像；基于相对全变分算法对多模态遥感图像进行处理，并基于多方向多尺度的对数加博滤波算子确定多模态遥感图像的方向特征图；基于相位一致性算法对方向特征图进行特征提取，确定多模态遥感图像的关键点；根据方向特征图和关键点，得到多模态遥感图像的描述符；对描述符进行特征匹配，确定多模态遥感图像的配准结果。通过相对全变分算法对多模态遥感图像进行图像主体结构强化和图像纹理抑制，通过相位一致性算法进行特征提取，提取主体强结构特征，避免因非线性辐射畸变导致的多源遥感图像之间的模态差异。
-
Patent Agency Ranking
公开(公告)号：CN119273858A
公开(公告)日：2025-01-07
申请号：CN202411825628.5
申请日：2024-12-12
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种三维高斯泼溅算法的训练方法、装置、设备及介质，属于图像处理技术领域，方法包括获取图像数据集，基于至少一采样率对图像数据集中的图像进行下采样，确定目标图像数据集；根据图像数据集，确定三维高斯分布模型；根据目标图像数据集以及二维滤波器对三维高斯分布模型进行多轮迭代训练；每轮迭代训练根据目标图像数据集以及预设的二维滤波器，确定抗混叠滤波器；根据抗混叠滤波器对三维高斯分布模型进行滤波，并对滤波后的模型进行训练。本发明利用低分辨率图像而非原图像进行迭代训练，降低计算复杂度，实现训练加速，通过抗混叠滤波器对三维高斯分布模型进行滤波，克服混叠效应，在减少训练时间的同时保证渲染质量。
-
公开(公告)号：CN117763182B
公开(公告)日：2024-09-06
申请号：CN202311520512.6
申请日：2023-11-14
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/55 , G06F16/583 , G06V10/774 , G06V10/764 , G06V10/40 , G06F17/16
Abstract: 本发明涉及遥感图像技术领域，提供一种舰船图像检索方法、装置、设备和存储介质，该方法包括：获取待检索的舰船图像；利用第一视觉模型，对待检索的舰船图像进行特征提取，得到待检索的舰船图像对应的目标特征向量；第一视觉模型为根据第二视觉模型和语言模型训练得到的；第一视觉模型和第二视觉模型的模型参数相同；利用第一视觉模型，对至少一个第一遥感图像分别进行特征提取，得到各个第一遥感图像对应的第一特征向量；根据各个第一遥感图像对应的第一特征向量以及目标特征向量，得到目标舰船图像。本发明中检索到的目标舰船图像与待检索的舰船图像的相似度更高，提高了细粒度舰船图像检索的准确度。
-
公开(公告)号：CN118097347A
公开(公告)日：2024-05-28
申请号：CN202311800660.3
申请日：2023-12-25
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种多光谱图像场景识别方法、装置、电子设备和存储介质，属于图像处理技术领域，方法包括：获取待识别的多光谱图像，根据多光谱图像的波段对多光谱图像进行分组，得到至少一多光谱图像组；基于预设网络结构对多光谱图像组进行特征提取，得到每一多光谱图像组对应的波段特征信息；基于预设的跨波段注意力融合网络对波段特征信息进行特征融合，得到融合波段特征信息；输入融合波段特征信息至预先训练完成的场景识别模型，得到场景识别结果。本发明通过对不同光谱波段的特征信息进行充分提取，再对不同波段的特征信息进行融合，对不同波段之间的互补信息充分挖掘，实现不同特征的互相增强，从而达到了更好的识别准确度。
-
公开(公告)号：CN116977215A
公开(公告)日：2023-10-31
申请号：CN202310925907.8
申请日：2023-07-26
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明涉及图像处理技术领域，提供一种图像去雾方法、装置、设备和存储介质，该方法包括：确定待去雾的图像的第一深度信息；根据第一时间步的数量对第一深度信息进行拆分，得到各个第一时间步各自对应的待去雾的图像的第二深度信息；利用训练后的扩散模型的逆向过程，根据第一时间步的数量和各个第一时间步各自对应的待去雾的图像的第二深度信息对待去雾的图像逐步进行去雾处理，得到第一目标去雾图像。本发明中将扩散模型与待去雾的图像的第一深度信息相结合，生成的第一目标去雾图像的细节特征充足，而且去雾处理的精度较高。
-
公开(公告)号：CN114236524A
公开(公告)日：2022-03-25
申请号：CN202111346929.6
申请日：2021-11-15
Applicant: 清华大学 , 中国人民解放军海军航空大学
IPC: G01S13/72
Abstract: 本申请提供一种多普勒雷达序贯平滑变结构滤波方法及装置，属于雷达数据处理技术领域，能够同时解决多普勒雷达的非线性欠定观测模型问题和目标运动模型不确定条件下的鲁棒跟踪问题。所述方法采用多普勒雷达的目标位置量测和径向速度量测解耦处理、序贯估计的策略解决了非线性欠定观测模型问题：在第一量测转换模块和第一状态估计器中，利用非线性的目标位置量测和广义平滑变结构滤波方法获得第一级目标状态估计；在第二级量测转换模块和第二状态估计器中，利用径向速度量测构造伪量测，对第一级目标状态估计进行更新，得到当前帧目标最终的后验状态估计。其中，广义平滑变结构滤波方法保证了模型不确定条件下的鲁棒性。因此，本申请能够提高多普勒雷达的目标跟踪精度，同时在目标运动模型不确定情况下保持鲁棒估计性能。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.025 seconds)
