-
公开(公告)号:CN114581350B
公开(公告)日:2022-11-04
申请号:CN202210166805.8
申请日:2022-02-23
Applicant: 清华大学
IPC: G06T5/50 , G06T7/11 , G06T7/12 , G06T11/40 , G06V10/762 , G06V10/774
Abstract: 本发明公开了一种适用于单目3D目标检测模型的半监督学习方法,所述方法包括:基于标注数据训练初始教师模型,根据得到的教师模型进行面向数据库的伪标签生成和基于合成图像的学生模型训练,将本轮次训练所得到的学生模型作为下一轮次的教师模型,如此迭代进行多轮次训练直至达到训练要求,得到训练好的学生模型即为单目3D目标检测模型;在训练中采用目标边界框位置不确定度估计方法过滤噪声伪标签,进一步提升半监督训练效果。本发明利用额外的无标签数据,有效提升单目3D目标检测相关算法的精度指标;提出了一种目标边界框位置不确定度估计方法,用于有效过滤噪声伪标签,进一步提升半监督学习的训练效果。
-
公开(公告)号:CN114264297B
公开(公告)日:2022-10-18
申请号:CN202111455381.9
申请日:2021-12-01
Applicant: 清华大学
Abstract: 本发明公开了UWB和视觉SLAM融合算法的定位建图方法及系统,该方法包括:实时获取UWB定位标签和UWB定位锚点传输的UWB信号,得到移动车辆在UWB坐标系下的坐标,同步获取相机采集的图像,建立相机坐标系;对图像进行处理,根据帧间特征点匹配,计算帧间运动,提取特征点,选取满足条件的图像作为关键帧;根据轨迹匹配方法,统一相机坐标系和UWB坐标系;将关键帧转换为带有UWB坐标系的绝对坐标并进行闭环检测,判断该关键帧是否已跟踪,判断为否,根据该关键帧建立地图点,将建立的图放入地图集保存,并对新放入的图与地图集里的子地图的共同部分进行地图融合;判断为是,在地图集里寻找满足当前位置信息的匹配地图。
-
公开(公告)号:CN115019061A
公开(公告)日:2022-09-06
申请号:CN202210924688.7
申请日:2022-08-03
Applicant: 清华大学
IPC: G06V10/44 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于深度神经网络信息熵估计的熵优化方法,所述方法包括:步骤1)对待优化的深度神经网络的输入数据与输出数据基于通信理论进行建模,得到对于信息熵的期望与约束;所述深度神经网络包括n个网络层,第n层网络层为输出层;步骤2)根据所述深度神经网络的各层网络结构,对深度神经网络的训练过程建立概率模型;步骤3)采用K‑近临熵估计方法计算训练过程中所述深度神经网络每层网络层输出的信息熵;步骤4)依据信息熵的期望与约束,建立信息熵的损失函数,指导深度神经网络的训练过程与优化方向。本发明提高了对深度神经网络训练过程的可解释性,使训练过程更加透明,并可以量化评价。
-
公开(公告)号:CN105468668B
公开(公告)日:2019-09-20
申请号:CN201510657607.1
申请日:2015-10-13
Applicant: 清华大学
IPC: G06F16/9535
Abstract: 本发明提供的一种官方媒体新闻中话题的推送方法及装置,涉及通信领域,通过获取官方媒体提供的新闻的关键词信息和关键词对应的权重信息,与预先构建好的话题库中话题对应的关键词信息和关键词对应的权重信息,一一进行匹配比对,确定官方媒体提供的新闻所属的话题,将官方媒体提供的新闻中属于该话题的新闻信息推送给官方媒体用户,使得官方媒体能够基于互联网上话题对新闻进行有效推送,及时得到用户的关注,向用户展示优质新闻。
-
公开(公告)号:CN106055541B
公开(公告)日:2018-12-28
申请号:CN201610496504.6
申请日:2016-06-29
Applicant: 清华大学
IPC: G06F17/27
Abstract: 本发明提供一种新闻内容敏感词过滤方法及系统,所述方法包括:S1、对获取的新闻文本进行预处理;S2、根据预先构建的敏感词库,使用敏感词多级过滤算法根据敏感词的优先级对所述新闻文本进行敏感词过滤;S3、当过滤到所述新闻文本中存在预设的敏感词时,通过基于马尔可夫逻辑网的情感分析模型,对过滤到的敏感词进行判定;S4、当判定为过滤到的敏感词为不良敏感词时,将所述新闻文本标记为负面新闻,否则标记文正面新闻。本发明通过建立马尔可夫逻辑网的情感分析模型对过滤的敏感词进行二次判定,以确定过滤到的敏感词是否具有负面信息,从而在过滤负面新闻的同时,不会将打击负面信息的正面新闻过滤掉,提高了新闻内容敏感词过滤的可靠性。
-
-
-
-