-
公开(公告)号：CN118709456B
公开(公告)日：2024-11-15
申请号：CN202411198218.2
申请日：2024-08-29
Applicant: 江西省科学院能源研究所 , 清华大学
Abstract: 本发明涉及一种面向家具设计的三维模型离散化方法及电子设备。该方法将基于B‑Rep表示的家具模型构建为图并进行自适应体素化；然后按节点参数由小到大对图中所有节点进行排序，得到节点序列，将每个节点对应的网格作为边界网格分别进行表面迭代和内部迭代，并将迭代的平均差向量通过图的节点传播到相邻节点；最后判断是否满足精度要求。本发明可将基于B‑Rep表示的家具模型转化为基于四面体的离散化表示，以此支持家具的人因工程分析，具有广阔的应用前景。
-
公开(公告)号：CN113689539B
公开(公告)日：2024-04-19
申请号：CN202110761086.X
申请日：2021-07-06
Applicant: 清华大学
Abstract: 本发明公开了一种基于隐式光流场的动态场景实时三维重建方法，其中，方法包括：对动态场景进行拍摄获得深度图像，并将深度图像转换为三维点云；使用预先训练的光流估计网络，计算得到相邻两帧图像之间的稠密光流；根据稠密光流和深度图像，反投影得到图像可见部分的三维场景流；根据图像可见部分的三维场景流和重建得到的三维模型，使用隐式光流估计网络预测三维模型表面上所有顶点的三维运动；构建能量函数，优化从标准模型到三维点云的非刚性变形参数；通过深度图像对标准模型进行更新和补全，得到更新后的三维模型。该方法基于隐式光流场的动态场景实时三维重建方法能够准确鲁棒地完成对动态场景的重建，具有实时的运算性能，适用性广。
-
公开(公告)号：CN116402926A
公开(公告)日：2023-07-07
申请号：CN202310274211.3
申请日：2023-03-17
Applicant: 清华大学
IPC: G06T13/40 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人体运动序列补全方法及装置，该方法，包括：获取人体运动序列数据集；对人体运动序列数据集中的序列进行掩码处理得到掩码后的多个动作序列；将掩码后的多个动作序列和预设隐变量输入至训练好的神经网络预测模型进行序列补全预测得到完整动作序列。本发明利用开源的人体运动序列数据集(如AMASS)，使用深度学习技术，输入人体的关键帧，对关键帧之间的动作序列进行补全。
-
公开(公告)号：CN110705413B
公开(公告)日：2022-09-20
申请号：CN201910903387.4
申请日：2019-09-24
Applicant: 清华大学 , 中国人民解放军总医院
IPC: G06V40/16 , G06V40/18 , G06V20/40 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于视线方向和LSTM神经网络的情感预测方法及系统，其中，该方法包括：采集不同人物在不同情感状态下的脸部视频；确定所有视频帧的真实情感标签，并将每一帧的情感标签与该帧中人物的视线方向共同组成情感预测训练集；利用该训练集对长短期记忆深度神经网络进行训练，得到的包含最优参数的深度神经网络；最终向最优参数深度神经网络输入任意视频的人物视线方向，对当前帧进行情感预测。本发明实施例的方法，利用长短期记忆深度神经网络对连续视频帧中的视线方向和人类情感间的关系进行建模，通过该网络预测每个视频帧中人物的情感状况，从而在时域上对人物的情感变化进行判断。
-
公开(公告)号：CN114418934A
公开(公告)日：2022-04-29
申请号：CN202111451725.9
申请日：2021-12-01
Applicant: 中国人民解放军总医院 , 清华大学
IPC: G06T7/00 , G06V30/148 , G06V30/40 , G06T7/11
Abstract: 本发明提出一种基于文本提取标签与多示例学习的脑部CT异常检测方法，包括获取影像文本数据及相对应的各脑部区域的异常类型标签，根据异常类型标签训练基于循环神经网络的NLP模型，获取脑部CT影像及相对应的文本数据，使用训练好的NLP模型对脑部CT影像对应的文本数据进行预测得到对应的异常标签，获取脑部CT影像上的脑区分割标签，根据脑部CT影像和与其相对应的异常标签以及脑区分割标签训练得到基于MIL的三维卷积模型，获取待预测脑部CT影像并输入至训练后的三维卷积模型，得到异常类型以及异常类型的概率。该方法只需要少量数据标注便可以对大规模数据进行训练，节省了深度学习过程中的数据标注工作量，同时可以提高预测的准确性，提高预测效率。
-
Patent Agency Ranking
公开(公告)号：CN113771081A
公开(公告)日：2021-12-10
申请号：CN202110761597.1
申请日：2021-07-06
Applicant: 清华大学
IPC: B25J15/08
Abstract: 本发明提出一种基于物理的虚拟人手自动抓取方法及装置，其中，方法包括：采集人手参数信息，并根据所述人手参数信息构建人手物理模型；使用预先训练的强化学习网络预测人手的各个关节的目标角度；根据所述人手的各个关节的目标角度驱动所述人手物理模型抓取虚拟物体，以生成人手抓取物体的动画。该方法利用强化学习生成人手运动控制器，不仅可以避免大量的人工计算，同时保证了生成的运动更加贴近真实的人手运动，以及具有更好的训练结果和更快的训练速度。
-
公开(公告)号：CN113643311A
公开(公告)日：2021-11-12
申请号：CN202110722099.6
申请日：2021-06-28
Applicant: 清华大学 , 中国人民解放军总医院
IPC: G06T7/12
Abstract: 本申请提出了一种对边界误差鲁棒的图像分割方法，涉及深度学习和图像处理技术领域，该方法包括：获取待分割的图像，图像中包括多个像素点；将图像输入预先搭建的图像分割神经网络中，以生成每个像素点的第一分割预测值；获取每个像素点的分割标注值，并根据每个像素点在图像中的位置计算每个像素点的权重；根据图像中任一所述像素点的第一分割预测值、分割标注值和权重计算损失函数，并反向传播所述损失函数，以更新图像分割神经网络的参数；通过更新后的图像分割神经网络生成待分割的图像第二分割预测值。本申请提出的方法可以在分割标注边缘不准确的情况下，得到更好的图像分割结果。
-
公开(公告)号：CN113192187A
公开(公告)日：2021-07-30
申请号：CN202110556319.2
申请日：2021-05-21
Applicant: 清华大学
IPC: G06T17/00 , G06F40/30 , G06F40/284 , G06N3/08
Abstract: 本申请提出了一种陶瓷产品原型视觉特征与自然语义关联模型构建方法，涉及计算机视觉和计算机图形学技术领域，其中，该方法包括：根据陶瓷产品原型生成量化特征参数；根据陶瓷产品原型的自然语义描述生成对应的量化语义参数；以量化特征参数为输入，量化语义参数为输出，构建基于深度学习训练的陶瓷产品原型与自然语义关联模型。本发明以一组量化特征参数表示陶瓷产品原型，结合自然陶瓷产品原型的自然语义描述，以自然语义描述作为数据，建立关联模型，生成对应的陶瓷产品量化特征参数，进而生成对应的陶瓷产品原型三维网格模型，提升了陶瓷产品原型的设计效率，并且只需合理清晰地进行表述，就可以生成陶瓷产品原型的三维模型。
-
公开(公告)号：CN109272513B
公开(公告)日：2021-05-11
申请号：CN201811161784.0
申请日：2018-09-30
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度相机的手与物体交互分割方法及装置，其中，方法包括：通过深度相机将深度图像与彩色图像对齐，以获取深度图像与彩色图像的对齐修正变换矩阵；根据深度信息进行背景剔除；通过HSV色彩空间进行分割；通过形态学开闭运算分别对人手和物体的mask进行滤波；分别对人手mask和物体mask分别提取轮廓，以得到多个对象轮廓，并选取其中满足预设条件的所有轮廓，重新生成相应的mask，以得到分割结果。该方法有效地完成了基于彩色图像对齐的手与物体的深度图像分割，且研究结果将用于为构建普适的深度分割方法制作数据集，并将为诸多人手任务提供便利。
-
公开(公告)号：CN107992704B
公开(公告)日：2020-04-24
申请号：CN201711405899.5
申请日：2017-12-22
Applicant: 清华大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于轮廓线外扩的开关柜二次接线方法，属于计算机辅助设计领域。本发明包括以下步骤：(1)根据元器件及柜体结构生成凸轮廓线，并将这些轮廓线延伸、截取，生成二次接线主路径；(2)以所述二次接线主路径为基础，构造连接所述二次接线主路径的局部走线网络，从而构成二次接线的完整接线网格；(3)根据二次接线启发式评价规则，在所生成的完整接线网格中搜索最短二次接线路径。本发明以二次接线的元器件为主体，通过轮廓外扩快速构造接线的可用路径，同时考虑柜体结构，在求取最短接线路径的前提下，尽量减少接线的折弯与线路的拥挤，从而保证开关柜的使用寿命。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.02 seconds)
