-
公开(公告)号：CN119940487A
公开(公告)日：2025-05-06
申请号：CN202510423247.2
申请日：2025-04-07
Applicant: 清华大学
IPC: G06N3/10 , G06N3/067 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N3/084 , G06F30/27 , G06F30/23 , G06F111/04 , G06F111/10
Abstract: 本公开涉及光计算技术领域，尤其涉及一种智能光计算逆向设计模型、方法与架构。该模型包括：输入划分模块，用于基于惠更斯‑菲涅尔定律，将输入电磁场划分为输入电磁场段集合；波前预测模块，用于将输入电磁场段集合中的每个输入电磁场段以及待设计智能光计算设备对应的结构参数输入至输入电磁场段对应的电磁神经局部求解器中，以使电磁神经局部求解器根据输入电磁场段和结构参数预测输出电磁场段，得到输出电磁场段集合；输出拼接模块，用于基于惠更斯‑菲涅尔定律，对输出电磁场段集合中的所有输出电磁场段进行拼接，得到全局响应下的输出电磁场，以根据输出电磁场对结构参数进行调整。采用上述方案的本公开可以实现智能光计算设备的逆向设计。
-
公开(公告)号：CN118332059A
公开(公告)日：2024-07-12
申请号：CN202410348218.X
申请日：2024-03-26
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/29 , G06F16/2458 , G06F16/248 , G06T17/05 , G06T17/30 , G06V20/64
Abstract: 本发明公开了基于高场符号距离函数的三维空气污染浓度映射方法，包括：S1、将空气污染数据提升至三维空间，获得空气污染物的浓度估计空间；S2、引入高场符号距离函数，构建用于估计单日浓度地图的单图高场有向符号距离网络和用于估计任意感兴趣区域浓度地图的编码高场有向符号距离网络并进行自监督训练；S3、将单日内观测到的空气污染数据的三维表示输入所述单图高场有向符号距离网络进行编码，输出对应于单日污染浓度的高场符号距离函数估计值；将观测到的感兴趣区域的空气污染数据的三维表示及其相应的潜码输入所述编码高场有向符号距离网络，输出对应于感兴趣区域污染浓度的高场符号距离函数估计值；S4、分别对所述单图高场有向符号距离网络的输出以及所述编码高场有向符号距离网络的输出进行三维查询重建，对应得到单日浓度地图和感兴趣区域浓度地图。
-
公开(公告)号：CN116681744A
公开(公告)日：2023-09-01
申请号：CN202310691274.9
申请日：2023-06-12
Applicant: 清华大学深圳国际研究生院
IPC: G06T7/33 , G06T19/20 , G06N3/042 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种非刚性点云配准方法和存储介质，该非刚性点云配准方法包括：建立用于生成高维特征嵌入矩阵的第一神经网络，并依据第一目标来训练第一神经网络，第一目标是使得生成的高维特征嵌入矩阵中每两个高维特征嵌入之间的欧式距离等于输入的点云中对应的两个点的测地线距离；建立用于生成高维特征描述子矩阵的第二神经网络，并基于高维特征嵌入矩阵来训练第二神经网络；将两个待配准的点云输入到训练好的第一神经网络和第二神经网络得到两个高维特征嵌入矩阵和两个高维特征描述子矩阵；进一步计算得到谱函数映射，再计算得到两个待配准的点云的对应关系映射。本发明不仅提高了计算效率，而且在处理噪声和各种不完整性等方面具有鲁棒性。
-
公开(公告)号：CN119359767A
公开(公告)日：2025-01-24
申请号：CN202411465121.3
申请日：2024-10-21
Applicant: 清华大学深圳国际研究生院
IPC: G06T7/269 , G06V10/764 , G06V10/774 , G06T15/20 , G06T15/06 , G06N3/0464 , G06N3/088 , G06N3/09
Abstract: 一种基于频域先验的人体光流估计方法，包括：S1、构建预训练数据集，采用三维渲染的方式获取三维形状与二维图像之间的对应关系；S2、计算二维图像中每个像素对应的三维点云的频域特征；S3、构建包括图像特征提取器和光流估计器的深度神经网络，基于对应关系和频域特征，利用形状配准的约束条件，对网络实现基于三维频域先验的无监督预训练；S4、仅加载图像特征提取器的预训练参数，在人体光流估计数据集上采用全监督的方式训练图像特征提取器和光流估计器，得到估计人体运动的深度神经网络模型。本发明将三维几何特征与二维图像特征相结合，采用三维非刚性形状配准作为预训练任务，有效利用三维人体频域特征，提升人体光流估计的准确性。
-
公开(公告)号：CN119940421A
公开(公告)日：2025-05-06
申请号：CN202510423245.3
申请日：2025-04-07
Applicant: 清华大学
IPC: G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/067 , G06V10/82 , G06V10/145 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/94 , G06N3/048
Abstract: 本公开涉及光计算技术领域，尤其涉及一种智能光计算非线性卷积芯片系统、方法与架构，包括：输入时空转换模块，用于对输入一维矩阵进行处理生成复数加权拓展通道矩阵；输入时序编码及非线性激活模块，用于对复数加权拓展通道矩阵进行非线性激活和第一信息延时，得到一矩阵；一维卷积处理模块，用于对第一矩阵进行矩阵乘法，得到第二矩阵；输出时序编码及非线性激活模块，用于将第二矩阵进行非线性激活和第二信息延时得到第三矩阵；输出时空转换模块，用于对第三矩阵做复数加权的通道融合运算，得到输出一维矩阵。本公开避免了光电转换和离芯片设备的使用，实现了全光非线性卷积系统，可级联组成具有集成度高、速度快、可拓展性强的大型深层全光网络。
-
Patent Agency Ranking
公开(公告)号：CN119444586A
公开(公告)日：2025-02-14
申请号：CN202411474575.7
申请日：2024-10-22
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供了一种基于三维几何性质的实时双目RGB‑D相机图像拼接方法，通过精确估算相机间的空间相对关系，实现了深度图的高效拼接。首先，使用双目RGB‑D相机拍摄目标平面获取多组数据；然后，提取点云中的目标平面，计算相机间的旋转矩阵和平移向量，得到空间变换矩阵；接着，计算映射将右相机深度图映射到左相机平面，实现深度值统一；最后，通过特征提取和几何对应关系建立，优化拼接融合参数，完成RGB‑D图像的拼接。该方法无需标定板，适应不同光照条件，具有广泛的应用前景。
-
公开(公告)号：CN118351272A
公开(公告)日：2024-07-16
申请号：CN202410494880.6
申请日：2024-04-24
Applicant: 清华大学深圳国际研究生院
Abstract: 一种基于扩散模型的异构形状注册方法，包括如下步骤：a)从K个不同视角对源形状S和目标形状T进行渲染，以生成对应的K组图像；b)使用基于扩散模型的图像插值技术，计算每一对视角图像之间的插值图像，形成中间图像序列；c)利用Deformable 3D高斯方法对所述插值图像进行三维重建，生成一系列中间点云；d)采用基于倒角距离的注册算法，对所述中间点云进行配准，以确定形状S到T的对应变换关系。该方法不仅减少了对三维先验知识的依赖，而且降低了对人工标注的需求，提高了自动化程度和泛化能力。
-
公开(公告)号：CN119940486A
公开(公告)日：2025-05-06
申请号：CN202510423251.9
申请日：2025-04-07
Applicant: 清华大学
IPC: G06N3/0985 , G06N3/084 , G06N3/067 , G06V10/82 , G06V10/94 , G06V10/40 , G06V10/764
Abstract: 本公开涉及光计算技术领域，尤其涉及一种智能光计算片上元学习训练方法、架构与系统。光电计算系统包括至少一个光电混合芯片架构，光电混合芯片架构包括衍射模块和马赫增德尔干涉器阵列，该方法包括：基于目标数据域对衍射模块中的衍射神经网络进行预训练，并固化预训练后的衍射神经网络，得到不可重构衍射模块；响应于接收到目标数据域对应的目标光计算任务，在目标数据域中获取目标光计算任务对应的目标数据集；基于目标数据集对马赫增德尔干涉器阵列中每个马赫增德尔干涉器的相位进行训练，得到训练后的马赫增德尔干涉器阵列。采用上述方案的本公开可以提高光电计算系统的训练效率。
-
公开(公告)号：CN119693942A
公开(公告)日：2025-03-25
申请号：CN202411736891.7
申请日：2024-11-29
Applicant: 清华大学
IPC: G06V20/69 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06N3/088
Abstract: 本发明涉及信号识别和定位技术领域，公开一种荧光显微信号检测模型的构建方法及其应用。本发明是一种基于自监督深度学习的拟合方法，通过将荧光显微镜信号表征为感兴趣模式(Pattern of Interest，POI)或其组合，并利用自监督深度学习框架在大感受野中执行并行POI拟合和全局去噪，以无监督学习方式实现在严重噪声和强荧光背景下的超高密度荧光显微信号检测，同时保持很高的通用性和易用性。该方法可以通过简单地设置提供给荧光显微信号检测模型的POI示例，并调整一个与灵敏度相关的超参数来简便地适配到各种荧光显微信号检测任务中去，均实现显著的性能提升。
-
公开(公告)号：CN116703991A
公开(公告)日：2023-09-05
申请号：CN202310710920.1
申请日：2023-06-15
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了一种非刚性形状的配准方法和存储介质，该配准方法包括以下步骤：S1：将用于训练的一组形状输入到深度函数映射网络，得到具有频域一致性的第一函数映射关系；S2：获取所述用于训练的一组形状的特征，基于循环一致性，得到具有空域一致性的第二函数映射关系；S3：根据所述第一函数映射关系和所述第二函数映射关系计算损失函数，基于所述损失函数对深度函数映射网络进行训练；S4：将待配准的一组形状输入到步骤S3中训练好的深度函数映射网络，得到所述待配准的一组形状的函数映射关系。本发明提出的非刚性形状的配准方法和存储介质，在保证非刚性形状配准的准确性的同时，提升了模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.04 seconds)
