公开(公告)号：CN115543975A

公开(公告)日：2022-12-30

申请号：CN202211156844.6

申请日：2022-09-22

Applicant: 清华大学

Inventor： 胡坚明 ,  张羽昂 ,  石运达 ,  朱贺 ,  李星宇 ,  彭黎辉

IPC: G06F16/215 ,  G06F17/18 ,  G06Q10/06

Abstract: 本发明涉及一种数据集多尺度评估方法、系统、设备和存储介质，包括以下步骤：基于建立的自动驾驶数据集多尺度评估体系，计算待评估数据集的各指标得分；绘制多尺度评估体系中各个指标之间的相互关系并建立网络结构，并使用网络层次分析法，计算各个指标权重；基于各指标权重与指标得分，计算待评估数据集的评估总得分；将待评估数据集的多尺度评估结果与指标阈值进行对比，得到待评估数据集的得到待评估数据集的多尺度评估结果。本发明可以广泛应用于数据集评估领域。

公开(公告)号：CN117437632A

公开(公告)日：2024-01-23

申请号：CN202311536918.3

申请日：2023-11-17

Applicant: 清华大学

Inventor： 胡坚明 ,  张羽昂 ,  李星宇 ,  刘晗韬

IPC: G06V20/64 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明涉及一种多模态三维目标检测方法和系统，包括以下步骤：获取目标车辆采集的图像数据和三维点云数据并进行预处理；将预处理后目标车辆的图像数据和三维点云数据输入预先建立的多模态三维目标检测模型进行处理，得到三维目标检测框预测结果。本发明方法将Pointpillars与ResNet、CNN(卷积神经网络)等算法相结合，来完成基于图像数据和点云数据的高精度、高效率、适应性强的多模态三维目标检测。因此，本发明可以广泛应用于融合感知与多模态三维目标检测领域。

公开(公告)号：CN111814464A

公开(公告)日：2020-10-23

申请号：CN202010447611.6

申请日：2020-05-25

Applicant: 清华大学

Inventor： 张羽昂 ,  梁寒杲 ,  王景璟 ,  任勇

IPC: G06F40/289 ,  G06K9/62

Abstract: 本发明提供一种基于隐马尔可夫模型的词性标注方法，包括：基于HMM模型的初步描述，在所述HMM模型上的Viterbi算法给出所述Viterbi算法的具体代码实现，随机变量序列X1,X2,...,Xn满足P(Xn|X1,X2,...,Xn-1)＝P(Xn|Xn-1)，利用已知的信息，通过求解Xn的转移概率矩阵方法获取随机变量序列Xn的性质,进而解决问题；以HMM链作为基础理论，基于Viterbi算法的词性标注的过程为：(1)确定到达下一个状态的最可能路径，并记录其状态；(2)确定系统完成时最可能的隐藏状态；(3)所述最可能的状态路径在整个网格回溯，回溯完成时生成观察序列的最可能的隐藏状态序列，在词性标注、语音识别等多个领域都有很广泛的应用。