-
公开(公告)号：CN117829491A
公开(公告)日：2024-04-05
申请号：CN202311807883.2
申请日：2023-12-26
申请人： 清华大学
IPC分类号： G06Q10/0631 , B61L27/10 , G06Q50/40
摘要： 本申请提供了一种考虑乘客需求具有时间窗约束的高铁列车增开方法及装置，所述方法包括：构建以最大化利润为目标的第一列车增开优化模型，以及构建以最大化满足乘客出行需求为目标的第二列车增开优化模型；确定约束条件，以及，获取溢出的乘客出行需求和现有的列车运行数据，所述乘客出行需求包括乘车时间窗口和乘车出发到站需求，所述现有的列车运行数据包括列车路线、列车停站方案集合、以及列车区间运行时间；根据约束条件、乘客出行需求和列车运行数据，分别对所述第一列车增开优化模型和所述第二列车增开优化模型进行求解，得到第一列车增开方案和第二列车增开方案。如此，实现了一种考虑经济效益、且满足乘客出行需求的列车增开方案。
-
公开(公告)号：CN111430025B
公开(公告)日：2023-07-25
申请号：CN202010161921.1
申请日：2020-03-10
申请人： 清华大学
IPC分类号： G16H50/20 , G06N3/0464 , G06N3/08 , G16H30/00
摘要： 本发明涉及一种基于医疗影像数据扩增的疾病诊断方法，属于疾病诊断方法技术领域。本方法首先在将原始影像数据映射到深度特征空间中，提取具有高度线性化的语义信息的特征；根据医疗影像中对应不同类别的数据在特征空间中的分布，获得用于数据扩增的特征协方差矩阵；计算数据扩增损失函数，通过不断优化该损失，获得特征提取能力更强的模型。该数据扩增方法仅在训练模型时使用，在使用模型对医疗影像数据预测时不会引入更多的计算量与计算时间。本方法对固定的医疗影像数据进行有效的扩充，显著地降低了深度神经网络的训练对于标注患者数据的数量要求，有效缓解了医疗影像数据获取困难、标注成本高的问题，而且提高了疾病诊断的准确率。
-
公开(公告)号：CN116402910A
公开(公告)日：2023-07-07
申请号：CN202310331763.3
申请日：2023-03-30
申请人： 清华大学
IPC分类号： G06T11/00 , G06N3/0475 , G06N3/094
摘要： 本公开提供了一种基于自适应文本学习的图像生成方法和装置，涉及计算机视觉技术领域。所述方法包括：将潜在向量输入目标域生成器，得到目标域图像；其中，所述目标域图像的生成方向为：根据所述潜在向量对应的自适应源域文本提示向量确定的方向；所述目标域生成器的训练过程使用了：映射器根据样本向量自适应生成的源域提示文本向量。
-
公开(公告)号：CN112613876B
公开(公告)日：2023-01-17
申请号：CN202011613061.7
申请日：2020-12-30
申请人： 清华大学
摘要： 本发明实施例公开了一种数字钱包交易方法、装置及系统，该方法包括：在满足设定条件时，检测是否获取到从冷钱包转移资产到热钱包的操作权限信息，操作权限信息包括操作权限码；若是，则将操作权限码和交易信息进行加密以得到加密信息，并将加密信息通过非接触通信方式传递给冷钱包；检测冷钱包通过非接触通信方式传递的反馈信息，在反馈信息包括签名数据时，从冷钱包转移资产到热钱包。本发明实施例公开的数字钱包交易方法、装置及系统，既具有冷钱包的安全存储特性，也具有热钱包的交易便捷特性，能够满足资产量大交易频繁的用户需求。
-
公开(公告)号：CN112785575B
公开(公告)日：2022-11-18
申请号：CN202110095599.1
申请日：2021-01-25
申请人： 清华大学
摘要： 本申请公开了一种图像处理的方法、装置和存储介质，具体为首先获取待训练图像样本和待训练图像样本对应的标签分割图像，将待训练图像样本输入待训练的图像分割模型，在通过图像分割模型对待训练图像样本进行提取时图像分割模型中最末输出层的第一图像特征和倒数第二输出层的第二图像特征，输出对应的分割图像样本，基于标签分割图像和分割图像样本，计算模型损失函数，并对模型参数进行优化，生成优化后的图像分割模型，将获取的待处理图像输入优化后的图像分割模型，生成待处理图像对应的分割图像。本申请实施例通过引入多层解码输出特征，进一步地提高隐层特征的质量，增加分割精度，有效地降低了分割误差，提升了模型的识别效率和识别准确率。
-
公开(公告)号：CN113807428B
公开(公告)日：2022-09-20
申请号：CN202111075889.6
申请日：2021-09-14
申请人： 清华大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种分类模型输出概率标签重构方法、装置及存储介质。方法包括：将原始图像按照不同的分割尺度类型分割成不同大小的图像块，将所述不同的分割尺度类型下的图像块进行图像预处理，将经过所述图像预处理的不同的分割尺度类型下的图像块分别输入预设的黑盒模型，获得不同的分割尺度类型下的图像块对应的硬标签，确定所述不同的分割尺度类型下的图像块对应的硬标签的权重，计算加权和并归一化，确定所述原始图像的概率标签。可以将仅提供输入输出接口的神经网络分类模型的输出由硬标签恢复为概率标签，为下游的知识蒸馏任务和网络模型攻击等任务提供良好的数据基础。
-
公开(公告)号：CN113807499A
公开(公告)日：2021-12-17
申请号：CN202111080711.0
申请日：2021-09-15
申请人： 清华大学
摘要： 一种轻量级神经网络模型训练方法、系统、装置及存储介质，轻量级神经网络模型训练方法包括：将学生模型的第一训练数据集输入至预先训练得到的教师模型，根据教师模型的输出，结合难度值计算方法，对所有样本进行难度值计算并排序后，得到第二训练数据集；将第二训练数据集划分为多个不同难度等级的训练子集；根据训练子集的难度等级次序，按照一定的输入方式并结合知识蒸馏策略，对所述学生模型进行训练。该方法将大型神经网络模型的知识按照预定义顺序迁移给轻量级网络模型，一方面可以降低轻量级网络模型的训练开销，另一方面还可以提升轻量级网络模型的性能。
-
公开(公告)号：CN111623777B
公开(公告)日：2021-10-15
申请号：CN202010398689.3
申请日：2020-05-12
申请人： 清华大学
IPC分类号： G01C21/20
摘要： 本发明提出一种基于场强信息的等值线跟踪方法，属于机器人场源搜索领域。该方法首先在平面坐标系下建立移动机器人的动力学模型，移动机器人开始对期望的等值线进行跟踪后，通过机器人安装的传感器测量机器人当前位置的信号场的场强信息，最后基于场强信息设计控制量，控制移动机器人到达期望的场强，并对该强度对应的等值线持续跟踪。本发明的方法仅需要场强信息作为反馈变量，设计简单，可以在不限制移动机器人初始状态的情况下保证跟踪方法的全局稳定性，并且控制参数的设计不依赖移动机器人的初始位置。本发明的方法不需要机器人的位置信息和信号场的分布就可以实现有效的等值线跟踪，可靠性高，适合工程应用。
-
公开(公告)号：CN113033612A
公开(公告)日：2021-06-25
申请号：CN202110209031.8
申请日：2021-02-24
申请人： 清华大学
摘要： 本申请实施例提供了一种图像分类方法和装置，该方法包括：获取待分类的事物图像、前景目标提取器和最终分类器；将事物图像输入前景目标提取器获取前景目标图像；将该前景目标图像输入最终分类器获得分类结果；最终分类器由图像特征提取器和小样本事物分类器构成；图像特征提取器是以大样本的已知类型事物的前景目标图像为训练数据训练获得；小样本事物分类器是以扩充后的新类型事物的前景目标图像为训练数据训练获得的；扩充方法包括:采用姿态转换生成器将新类型事物的前景目标图像进行姿态转换后获得扩充的前景目标图像。该实施例方案有效解决了小样本条件下细粒度图像的分类问题，有效提高了分类准确率。
-
公开(公告)号：CN112785575A
公开(公告)日：2021-05-11
申请号：CN202110095599.1
申请日：2021-01-25
申请人： 清华大学
摘要： 本申请公开了一种图像处理的方法、装置和存储介质，具体为首先获取待训练图像样本和待训练图像样本对应的标签分割图像，将待训练图像样本输入待训练的图像分割模型，在通过图像分割模型对待训练图像样本进行提取时图像分割模型中最末输出层的第一图像特征和倒数第二输出层的第二图像特征，输出对应的分割图像样本，基于标签分割图像和分割图像样本，计算模型损失函数，并对模型参数进行优化，生成优化后的图像分割模型，将获取的待处理图像输入优化后的图像分割模型，生成待处理图像对应的分割图像。本申请实施例通过引入多层解码输出特征，进一步地提高隐层特征的质量，增加分割精度，有效地降低了分割误差，提升了模型的识别效率和识别准确率。
-
-
-
-
-
-
-
-
-
搜索结果
113 条记录 (耗时 0.044 秒)
