公开(公告)号：CN112200072A

公开(公告)日：2021-01-08

申请号：CN202011074226.8

申请日：2020-09-30

申请人： 清华大学 ,  中国铁塔股份有限公司陕西省分公司 ,  清华大学天津电子信息研究院

发明人： 陶晓明 ,  高定成 ,  耿冰蕊 ,  段一平 ,  向涛 ,  刘帅

IPC分类号： G06K9/00 ,  G06K9/62

摘要： 本发明提供了一种数据质量的评价方法和装置，涉及数据处理的技术领域，包括：获取初始脑电信号，其中，初始脑电信号为目标对象根据待评价数据生成的脑电信号；对初始脑电信号进行预处理，得到目标脑电信号；计算出目标脑电信号的小波包系数特征；将小波包系数特征输入支持向量机，得到待评价数据的质量分类等级，解决了现有技术中利用主观质量分数评价方法对数据质量进行评价时，得到的评价结果准确性较低技术问题。

公开(公告)号：CN118828110A

公开(公告)日：2024-10-22

申请号：CN202311017058.2

申请日：2023-08-14

申请人： 清华大学 ,  中国移动通信集团有限公司研究院

发明人： 陶晓明 ,  杜其原 ,  段一平 ,  黄丹蓝 ,  冯震 ,  王森 ,  潘成康 ,  刘光毅

IPC分类号： H04N21/4402 ,  H04N21/44 ,  H04N21/462 ,  H04N7/14 ,  G06V40/16 ,  G06V20/70 ,  G06V20/40 ,  G06V10/82

摘要： 本申请提供一种视频处理方法、装置、电子设备及可读存储介质，涉及通信技术领域，该方法包括：提取目标视频中每个视频帧图像的面部语义特征；根据当前可用带宽，搜索目标压缩参数；根据所述目标压缩参数，对所述面部语义特征进行语义压缩；对语义压缩后的所述面部语义特征进行编码，获得编码数据；向第二电子设备发送所述编码数据。本申请的方案利用当前可用带宽确定的目标压缩参数对面部语义特征进行语义压缩，避免了因带宽受限而导致延时大、画面质量恶化和语义失真的问题。

公开(公告)号：CN118764644A

公开(公告)日：2024-10-11

申请号：CN202410972632.8

申请日：2024-07-19

申请人： 清华大学

发明人： 秦志金 ,  陈常越 ,  杨定熹 ,  应憬恺 ,  陶晓明

IPC分类号： H04N19/61 ,  H04N19/147 ,  H04N19/119 ,  G06T9/00 ,  G06N3/08

摘要： 本发明提供一种基于语义增强的HEVC编码方法和装置，包括：获取原始编码和待编码视频；将所述待编码视频的图像帧依次输入至预先训练的CTU分割结果预测模型，得到CTU分割预测结果；根据所述原始编码对所述待编码视频进行编码；根据所述CTU分割预测结果执行所述编码过程中的率失真优化过程，得到目标编码；其中，所述CTU分割结果预测模型是基于深度神经网络利用海量视频文件样本训练得到的。本发明使用深度神经网络提取语义信息以预测CTU分割结果，根据神经网络的预测结果优化率失真优化遍历过程，从而优化编码方法，在不改变编码性能的同时节约编码时间。同时由于本发明与现有代码进行了结合，节约了部署成本。

公开(公告)号：CN118674023A

公开(公告)日：2024-09-20

申请号：CN202411170646.4

申请日：2024-08-26

申请人： 中国人民解放军海军大连舰艇学院 ,  清华大学

发明人： 陶晓明 ,  段一平 ,  孔维坤 ,  陈健

IPC分类号： G06N5/02 ,  G06F18/24

摘要： 本申请提供了一种知识图谱嵌入的权重感知性能评估方法，具体涉及知识图谱链接预测评估技术领域，获取未受损加权三元组作为第一待测试三元组；将第一待测试三元组的头实体或尾实体删除，替换为实体字典中的每个实体，得到多个第一受损三元组或多个第二受损三元组；将第一待测试三元组、多个第一受损三元组和多个第二受损三元组作为测试集；利用测试集对权重感知链接预测模型的权重感知链接预测性能进行评估。通过将权重引入至权重相关模型中，充分利用三元组的权重感知和知识图嵌入模型的学习能力，提高了知识图嵌入模型编码的信息含量，使权重感知链接预测模型能更有效地学习知识图结构信息。

公开(公告)号：CN118264819A

公开(公告)日：2024-06-28

申请号：CN202211678982.0

申请日：2022-12-26

申请人： 中国移动通信有限公司研究院 ,  清华大学 ,  中国移动通信集团有限公司

发明人： 陶晓明 ,  段一平 ,  马鑫 ,  王锐 ,  徐芙蓉

IPC分类号： H04N19/85 ,  H04N19/42 ,  H04N19/70 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

摘要： 本申请提供一种视频压缩重建方法、装置及设备，涉及数据业务技术领域，该方法包括获取视频数据和与所述视频数据相关的视频业务的第一参数数据集，所述第一参数数据集包括关键质量指标KQI参数数据集和/或关键绩效指标KPI参数数据集；对所述第一参数数据集中的各类参数进行重要性度量；基于度量结果，对所述视频数据进行压缩重建，获得重建图像。如此，实现了基于KQI参数和KPI参数对视频数据进行压缩重建，使得压缩重建时充分考虑了视频图像本身的内容，从而确保在低码率下传输的视频图像的效果，避免产生模糊的现象。

公开(公告)号：CN118233960A

公开(公告)日：2024-06-21

申请号：CN202410244152.X

申请日：2024-03-04

申请人： 清华大学

发明人： 冯伟 ,  雷城乐阳 ,  葛宁 ,  陶晓明

IPC分类号： H04W28/084 ,  H04W28/22 ,  H04W72/044 ,  H04W4/70 ,  H04W84/06 ,  H04W4/90

摘要： 本公开提供一种基于边缘信息枢纽的机器通信网络中的资源调配方法。该方法包括：获取所述控制性能数据最小时所述机器通信网络的边缘信息枢纽的资源调配数据；所述控制性能数据包括机器通信网络中的各个环路的性能数据。本实施例中引入边缘信息枢纽为服务机器人，并且通过各个环路的控制性能数据来调配不同环路的资源，达到在资源有限的情况下提高机器通信网络的资源调配效率和总体控制性能，以最大化机器作业性能。

公开(公告)号：CN117880492A

公开(公告)日：2024-04-12

申请号：CN202311593629.7

申请日：2023-11-27

申请人： 清华大学

发明人： 秦志金 ,  陶晓明 ,  汪致庸 ,  应憬恺 ,  杨定熹

IPC分类号： H04N17/02 ,  G10L17/04 ,  G10L15/06 ,  G10L15/16

摘要： 本发明提供一种视频质量评价方法、装置、电子设备及存储介质，所述方法包括：获取待传输视频在传输过程中的网络参数；将所述网络参数输入至预训练得到的深度神经网络模型，得到所述深度神经网络模型输出所述待传输视频的传输后的视频质量评分。从而在视频传输业务发生的同时即能够对传输后的视频质量进行预测，实现对待传输视频自动、即时进行视频质量评价。

公开(公告)号：CN117195082B

公开(公告)日：2024-02-06

申请号：CN202311474000.0

申请日：2023-11-08

申请人： 清华大学

发明人： 陶晓明 ,  张文琦 ,  秦艳君

IPC分类号： G06F18/241 ,  G06N3/0464 ,  G06F16/901 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214

摘要： 本公开提供了一种驾驶行为预测方法和装置，涉及神经网络技术领域，旨在解决难以准确预测驾驶员的驾驶行为的问题，实现准确预测驾驶行为。所述方法应用于驾驶行为预测网络，所述方法包括：获取多个多模态数据，所述多个多模态数据包括当前多模态数据和多个历史多模态数据，每个所述多模态数据包括：脑电数据、肌电数据和皮电数据；提取所述多个多模态数据的特征；获取每两个所述多模态数据的特征之间的距离；根据每两个所述多模态数据的特征之间的距离，生成超图；对所述超图进行卷积，得到所述超图的特征；根据所述超图的特征和所述多个多模态数据的特征，预测当前时刻的驾驶行为，所(56)对比文件Menghang Li etc..Feature hypergraphrepresentation learning on spatial-temporal correlations for EEG emotionrecognition.Cognitive Neurodynamics.2022,全文.

公开(公告)号：CN113554597B

公开(公告)日：2024-02-02

申请号：CN202110700519.0

申请日：2021-06-23

申请人： 清华大学

发明人： 段一平 ,  胡舒展 ,  陶晓明 ,  马鑫 ,  陆建华

IPC分类号： G06T7/00 ,  G06F18/10 ,  G06F18/2134 ,  G06F18/214 ,  A61B5/369 ,  A61B5/00

摘要： 本申请提供了一种基于脑电特征的图像质量评价方法及装置，涉及图像领域、计算机领域和生物神经科学领域，旨在反映用户真实感知的情况下进行图像质量评价。所述方法包括：获取待评价图像；将所述待评价图像输入分数预测网络，获得由所述分数预测网络输出的图像质量分数；其中，所述分数预测网络是以多个第一图像样本为训练样本、并以所述每个第一图像样本的标签质量分数为标签，对预设分数预测网络进行训练得到的；其中，一个图像样本的标签质量分数为训练完成的标签分数网络针对该图像样本所输出的，所述标签分数网络的训练样本为多个(56)对比文件邓卉;陶晓明;陆建华.面向密集用户区域的无线网络重构体系架构.电信科学.2011,(第01期),全文.

公开(公告)号：CN117474077A

公开(公告)日：2024-01-30

申请号：CN202311824731.3

申请日：2023-12-28

申请人： 清华大学

发明人： 段一平 ,  陶晓明 ,  祖曰然 ,  崔洲涓 ,  李明哲

IPC分类号： G06N3/092

摘要： 本公开提供了一种基于OAR模型与强化学习的辅助决策方法和装置，涉及强化学习技术领域，旨在准确预测出代理的动作概率分布。所述方法包括：获取每个代理观测到的各个目标的属性集合；对每个代理观测到的各个目标的属性集合进行图推理计算，得到每个代理的属性集合矩阵；获取关系邻接矩阵；将每个代理的属性集合矩阵和关系邻接矩阵进行推理计算，得到融合了全图信息的目标属性矩阵；从环境背景中提取背景特征，将背景特征附加到目标属性矩阵，得到每个代理在每一时刻观测到的OAR全局特征；利用循环神经网络对OAR全局特征进行处理，得到每个代理对应的融合了历史信息的目标OAR全局特征；基于目标OAR全局特征，确定代理的动作。