公开(公告)号：CN119783837A

公开(公告)日：2025-04-08

申请号：CN202411839010.4

申请日：2024-12-13

Applicant: 清华大学

Inventor： 孙麓岩 ,  周亦龙 ,  刘心宇 ,  孙立达 ,  徐奕放 ,  周杰 ,  华子越

IPC: G06N10/20 ,  G06N10/40 ,  G06N10/70

Abstract: 本公开涉及一种量子计算技术领域，尤其涉及一种用于超导量子计算控制、读取和反馈的装置及系统，包括时钟模块、一个或多个采集模块；通过时钟模块提供时钟同步信号给各个采集模块，以实现各个采集模块之间的时钟同步，能够降低采集模块之间的延迟，从而实现量子芯片的低延迟控制；通过各个采集模块利用预设阈值与各个辅助量子比特的读取信号进行比较，得到多个量子测量结果；然后根据测量结果确定数据量子比特的错误类型，并确定与该错误类型对应的量子纠错操作，进而根据量子纠错操作输出驱动信号，对发生错误的数据量子比特进行量子纠错。所述装置具有高效的反馈控制效率，并且可以根据需要设置采集模块的数目，具有较高的扩展性。

公开(公告)号：CN114118227B

公开(公告)日：2025-03-14

申请号：CN202111295566.8

申请日：2021-11-03

Applicant: 清华大学

Inventor： 周杰 ,  鲁继文 ,  于炳耀

IPC: G06V10/778 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提出了一种基于频域感知时空自注意力变换网络的视频编辑检测方法，包括：获取输入视频帧；对输入视频帧进行图像序列化生成完整的图像序列化编码；构建时空自注意力变换网络；对完整的图像序列化编码进行编码，并对编码结果进行下采样生成编码图像表征；对编码图像表征进行渐进上采样获得第一特征图组合；对输入视频帧进行频域特征感知得到频域感知特征图，之后对频域感知特征图进行预设次数的下采样，将下采样过程生成的所有特征图组成第二特征图组合；将第一特征图组合和第二特征图组合中相同大小的特征图互相级联融合，得到最终预测结果。本申请提高了方案的鲁棒性和准确性，减少了数据集中存在的类不平衡带来的影响。

公开(公告)号：CN113761122B

公开(公告)日：2025-03-07

申请号：CN202110546916.7

申请日：2021-05-19

Applicant: 清华大学 ,  腾讯科技(深圳)有限公司

Inventor： 李涓子 ,  王子奇 ,  王晓智 ,  韩旭 ,  林衍凯 ,  侯磊 ,  刘知远 ,  李鹏 ,  周杰

IPC: G06F16/334 ,  G06F16/335 ,  G06F16/36 ,  G06F16/353 ,  G06F40/30

Abstract: 本申请实施例公开了一种事件抽取方法、相关装置、设备及存储介质，用于将句级自然语言转化为结点和边，再将结点和边转化为语义特征来进行事件抽取，能够保证获取事件的精度。本申请实施例方法包括：获取待处理文本；根据待处理文本生成抽象语义表示，抽象语义表示包括与词语一一对应的结点，以及用于连接结点之间边；对抽象语义和文本表示进行语义编码处理，得到语义嵌入向量，语义嵌入向量用于表示每个词语的与事件之间的语义特征；对抽象语义表示进行图编码处理，得到图嵌入向量，其中，图嵌入向量为用于表示通过边相连接的结点的结构特征；将语义嵌入向量与图嵌入向量进行拼接，得到拼接特征向量；对拼接特征向量进行识别，输出目标事件。

公开(公告)号：CN114943682B

公开(公告)日：2024-11-26

申请号：CN202210179800.9

申请日：2022-02-25

Applicant: 清华大学 ,  强联智创(北京)科技有限公司

Inventor： 冯建江 ,  谭子萌 ,  杨光明 ,  印胤 ,  卢旺盛 ,  秦岚 ,  刘文哲 ,  周杰

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提出了一种三维血管造影图像中解剖学关键点的检测方法，涉及医学图像处理技术领域，其中，该方法包括：获取三维血管造影图像作为测试图像；对测试图像进行预处理，并将预处理后的图像输入到预先训练的多任务深度学习网络中，输出解剖学关键点预测概率图，其中，多任务深度学习模型是以包含与所述测试图像同一血管类型的三维血管造影训练图像以及三维血管造影训练图像的标注结果作为训练数据集训练得到的；根据解剖学关键点预测概率图中体素位置的预测概率，生成解剖学关键点的检测结果。采用上述方案的本申请能够充分利用不同任务间的协同作用，显式建模血管拓扑变异类型，结合空间先验信息，实现良好的检测性能。

公开(公告)号：CN119006822A

公开(公告)日：2024-11-22

申请号：CN202411146370.6

申请日：2024-08-20

Applicant: 清华大学

Inventor： 鲁继文 ,  周杰 ,  王紫颐 ,  王彦博 ,  于旭敏

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/42 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06F40/126 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475

Abstract: 本申请提出一种基于跨模态掩码交互的三维开放词汇语义分割方法，该方法包括：通过点云分割模型对点云数据进行特征提取得到点云三维特征；通过隐式三维描述器对点云分割模型的点云编码器输出的特征进行编码得到隐式条件嵌入；将隐式条件嵌入作为隐式描述和输入图像输入扩散模型的去噪Unet，通过Unet从已建立的文本‑二维嵌入空间中提取特征，得到图像二维特征；并通过掩码生成器将图像二维特征转换为二维分割掩码特征；融合点云三维特征和二维分割掩码特征，得到融合特征；基于融合特征输出文本描述对应的分割掩码。提升三维开放词汇语义分割的性能,解决相关技术中三维开放词汇语义分割方法中几何细节被忽略和鲁棒性不强的问题。

公开(公告)号：CN114648648B

公开(公告)日：2024-09-27

申请号：CN202210158472.4

申请日：2022-02-21

Applicant: 清华大学

Inventor： 鲁继文 ,  周杰 ,  汪诚琨 ,  郑文钊

IPC: G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本申请提出的深度内省度量学习方法、装置及存储介质中，获取多个不同图像样本，然后提取多个不同图像样本中每个样本图像的语义特征和不确定性特征，并利用每个样本图像的语义特征和不确定性特征，得到不同样本对的内省性相似度，样本对为样本中任意不同的两个图像样本组成，再根据预设损失函数对不同样本对的内省性相似度进行计算，得到计算结果，最后根据梯度下降算法和计算结果训练预设的卷积网络，并根据训练好的卷积网络提取目标图像在度量空间中的语义特征和不确定性特征，以便于根据语义特征和不确定性特征确定目标图像与其他图像的内省性相似度。其中，本申请提出的方法提高了网络的判别性能和鲁棒性。

公开(公告)号：CN114202778B

公开(公告)日：2024-07-02

申请号：CN202111301866.2

申请日：2021-11-04

Applicant: 清华大学

Inventor： 冯建江 ,  周杰 ,  贺珂 ,  殷其昊

IPC: G06V40/12 ,  G06V40/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提出一种由平面指纹估计手指三维姿态的方法和系统，属于人机交互技术领域，其中，由平面指纹估计手指三维姿态的方法，通过采集待测对象的平面指纹图像；利用预先训练的平面姿态估计模型确定与平面指纹图像对应的平面指纹姿态；根据平面指纹姿态，通过参数学习或者统计建模的方式确定与待测对象匹配的完整的手指三维姿态。采用上述方案的本申请通过预先训练一个精确的平面姿态估计模型，并以此为基础通过参数学习或者统计建模方法确定与待测对象的平面指纹姿态匹配的完整的手指三维姿态，解决了目前指纹的手指三维姿态估计技术在功能和便利性方面均不理想的技术问题。

公开(公告)号：CN117273185A

公开(公告)日：2023-12-22

申请号：CN202211242596.7

申请日：2022-10-11

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 刘知远 ,  钱成 ,  秦禹嘉 ,  林衍凯 ,  谢若冰 ,  孙茂松 ,  周杰

IPC: G06Q10/04 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本申请公开了一种预测模型的训练方法、装置、设备、介质及程序产品，涉及人工智能技术领域。该方法包括：获取第一模型的第一模型参数；获取中间模型的中间模型参数；对第一模型参数和中间模型参数进行线性插值分析，得到至少一个插值点对应的参数构建得到的插值模型；基于目标样本数据在第一模型中的第一预测结果、目标样本数据在插值模型中的第二预测结果和目标样本数据在中间模型中的第三预测结果，对中间模型进行训练，得到第二模型。通过插值分析构建出多个插值模型，增加了中间模型在训练时的监督信号，从而提高了最终训练得到的第二模型在第一任务上的预测准确率。

公开(公告)号：CN115861227A

公开(公告)日：2023-03-28

申请号：CN202211519614.1

申请日：2022-11-30

Applicant: 清华大学

Inventor： 肖俊苇 ,  周杰 ,  李秀 ,  陈宝华

IPC: G06T7/00 ,  G06T5/00 ,  G06T3/40 ,  G06T7/11

Abstract: 本发明公开了基于图像语义重建的无监督工业表面缺陷检测方法与装置，该方法包括：获取工业产品图像；将工业产品图像输入至语义修复模型进行图像缺陷修复，以得到第一修复结果图；将工业产品图像与所述第一修复结果图进行拼接，将拼接后的图像输入至分割网络模型对拼接后图像中的缺陷区域进行分割，并对比缺陷分割结果和预设的缺陷标注结果以得到缺陷分割定位结果。本发明不需要采集缺陷产品图像，极大节约人力成本；模型离线训练，需求算力小；可以对细小缺陷实现精准检测与定位，并且检测速度快，缺陷定位精准。

公开(公告)号：CN112801208B

公开(公告)日：2023-01-03

申请号：CN202110215067.7

申请日：2021-02-25

Applicant: 清华大学

Inventor： 周杰 ,  鲁继文 ,  郑文钊 ,  张博睿

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于结构化代理的深度度量学习方法和装置，其中，方法包括：获取多个样本图像集；提取多个样本图像集中每个样本图像的图像特征向量；根据预设的结构化损失函数对多个样本图像集中所有样本图像的图像特征向量计算，获取计算结果；根据梯度下降算法和计算结果筛选出每个样本图像集中的代理样本图像；根据所有的代理样本图像训练预设的深度卷积网络，并根据训练好的深度卷积网络提取目标图像在度量空间中的目标特征向量，以便于根据目标特征向量确定目标图像与其他图像的相似性。由此，解决了现有深度度量学习技术中构建代理时使用信息不充分的问题。