“戴琼海”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果925个，建议您升级VIP下载更多相关专利

[发明专利]基于图神经网络与多任务学习的脑疾病检测方法和装置-CN202110272407.X有效
发明人：徐枫;薄子豪;娄昕;郭雨晨;吕晋浩;戴琼海 -专利权人：清华大学;中国人民解放军总医院
申请日： 2021-03-12 - 公布日： 2022-12-02 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种基于图神经网络与多任务学习的脑疾病检测方法和装置，其中，方法包括：获取脑部的初始模态图像，根据预设的模态图像模板对初始模态图像对齐获取目标模态图像，并确定目标模态图像的不同脑分区图像区域；将目标模态图像输入预先训练的图像特征提取器，识别与目标模态图像在预设空间的目标低维图像特征；对所有的脑分区图像区域的脑区节点特征进行图神经网络编码确定人脑的结构特征；将结构特征和目标模态图像输入预设的任务处理模型，通过任务处理模型的父分支提取基本图像特征，通过任务处理模型的子分支对基本图像特征处理获取疾病检测结果。由此，提高了脑部疾病的检测准确性。
基于神经网络任务学习疾病检测方法装置

[发明专利]脑部病灶检测模型的建立方法、装置以及计算机设备-CN202011614591.3有效
发明人：徐枫;刘傲寒;娄昕;郭雨晨;吕晋浩;雍俊海;戴琼海 -专利权人：清华大学;中国人民解放军总医院
申请日： 2020-12-30 - 公布日： 2022-12-02 - 主分类号： G06T7/00 文献下载
摘要：本申请提出一种脑部病灶检测模型的建立方法、装置、计算机设备和存储介质。其中，方法通过使用小规模的标注数据，采用协同训练的方式同时训练一个自然语言处理NLP模型和一个卷积模型，在每一次迭代中，利用NLP模型和卷积模型从剩余未标注数据集中选择部分数据更新到训练集，继续训练，进而将完成训练的卷积模型作为脑部病灶检测模型。由此通过利用配对的CT影像与报告中的文本信息，进行协同训练，以实现脑部CT病灶的自动检测的方法；在模块训练时，只需要少量数据标注，便可以对大规模数据进行训练，大大节省了深度学习过程中的数据标注工作量。
脑部病灶检测模型建立方法装置以及计算机设备

[发明专利]图像处理的方法和装置-CN202010709794.4有效
发明人：徐枫;周展平;郭雨晨;杨东;戴琼海 -专利权人：清华大学
申请日： 2020-07-22 - 公布日： 2022-12-02 - 主分类号： G06V10/764 文献下载
摘要：本申请提出一种图像处理的方法与装置，包括以下步骤：获取M张待处理CT图像；将M张待处理CT图像输入训练后的深度卷积神经网络进行处理，得到目标类别。本发明目的在于利用计算机深度学习方法对CT图像进行识别，达到计算机快速自动识别CT图像类型的效果。
图像处理方法装置

[发明专利]光学全加器及其神经网络设计方法、设备及介质-CN202211063558.5在审
发明人：邓辰辰;郑纪元;王钰言;林珠;吴嘉敏;范静涛;方璐;戴琼海 -专利权人：清华大学
申请日： 2022-09-01 - 公布日： 2022-11-18 - 主分类号： G06N3/067 文献下载
摘要：本申请涉及神经网络技术领域，特别涉及一种光学全加器及其神经网络设计方法、设备及介质，其中，方法包括：获取隐藏层的每层中不同位置神经元的期望计算特征和输出端口优先级；根据期望计算特征和输出端口的优先级匹配隐藏层中衍射槽之间的设计间距，其中，优先级高的输出端口对应的衍射槽之间的设计间距小于优先级低的输出端口对应的衍射槽之间的设计间距；根据隐藏层衍射槽之间的设计间距生成目标神经网络的设计方案，基于设计方案实现目标神经网络的设计。由此，解决了相关技术采用神经元在空间上均匀排布的方法会导致输出结果的精度分布不均，且需要长时间训练才能达到理想的精度，效率低等问题。
光学全加器及其神经网络设计方法设备介质

[发明专利]神经网络的训练误差降低方法、装置、电子设备及介质-CN202211063580.X在审
发明人：郑纪元;邓辰辰;王钰言;林珠;吴嘉敏;范静涛;方璐;戴琼海 -专利权人：清华大学
申请日： 2022-09-01 - 公布日： 2022-11-18 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及神经网络技术领域，特别涉及一种神经网络的训练误差降低方法、装置、电子设备及介质，其中，方法包括：确定目标神经网络的每个输出端口的优先级；根据优先级匹配目标神经网络的每个输出端口的误差权重系数，其中，优先级高的输出端口的误差权重系数大于优先级低的输出端口的误差权重系数；根据每个输出端口的误差权重系数计算目标神经网络的训练误差，以进行训练，直至在训练误差满足预设精度条件时，完成目标神经网络的训练。由此，解决了相关技术采用各个输出端口均一权重定义误差函数的训练方法，会导致训练输出结果从低位到高位精度依次递减，无法使所有端口都满足精度要求，且训练时间长，效率低等问题。
神经网络训练误差降低方法装置电子设备介质

[发明专利]神经网络的训练方法、装置、电子设备及存储介质-CN202211078131.2在审
发明人：邓辰辰;郑纪元;王钰言;林珠;吴嘉敏;范静涛;方璐;戴琼海 -专利权人：清华大学
申请日： 2022-09-05 - 公布日： 2022-11-18 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及神经网络技术领域，特别涉及一种神经网络的训练方法、装置、电子设备及存储介质，其中，方法包括：确定待训练的目标神经网络；按照预设拆分策略将目标神经网络拆分成多个结构相同的子网络，并对任意一个子网络进行逻辑运算训练，得到该子网络的权重参数；利用预设拼接策略将每个子网络拼接成整体网络，利用整体网络实现相应的逻辑运算，和/或者，将整体网络的权重参数作为初始权重参数训练目标神经网络，并利用训练完成的目标神经网络实现相应的逻辑运算。由此，解决了相关技术利用整体网络参数初始化的方法，无法充分挖掘逻辑运算任务本身的可复用性，训练复杂度高，训练时间长，效率低等问题。
神经网络训练方法装置电子设备存储介质

[发明专利]神经网络的规模拓展方法、装置、电子设备及存储介质-CN202211078157.7在审
发明人：邓辰辰;郑纪元;王钰言;林珠;吴嘉敏;范静涛;方璐;戴琼海 -专利权人：清华大学
申请日： 2022-09-05 - 公布日： 2022-11-18 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及神经网络技术领域，特别涉及一种神经网络的规模拓展方法、装置、电子设备及存储介质，其中，方法包括：确定目标神经网络的实际运算位宽；利用算术逻辑运算训练策略训练目标神经网络运算位宽中小于实际运算位宽的第一规模子网络，得到的权重参数作为运算位宽大于第一规模子网络的第二规模子网络的初始权重参数，训练第二规模子网络，并按照运算位宽由低位至高位的顺序逐级拓展网络规模，直到网络规模的运算位宽达到实际运算位宽，得到目标神经网络的初始权重参数，实现对目标神经网络的训练。由此，解决了相关技术利用整体网络参数初始化的方法，无法充分挖掘算术逻辑运算任务本身的可复用性，训练复杂度高，训练时间长，效率低等问题。
神经网络规模拓展方法装置电子设备存储介质

[发明专利]用于多视图植物三维重建的生成模型的构建方法-CN202010147283.8有效
发明人：刘烨斌;钟源;王松涛;戴琼海 -专利权人：清华大学
申请日： 2020-03-05 - 公布日： 2022-10-28 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种用于多视图植物三维重建的生成模型的构建方法，该方法包括：利用贝叶斯概率框架构建植物生长模型，通过对支取生长模型赋予带参先验概率，构建植物骨架生长的概率表示；通过在根节点上指定初始生长因子和分叉代数限制，植物生长模型通过随机采样生成实例化的骨架；获取同种植物的图像集，植物生长模型利用矢量场方法对图像集中的每个单图像计算一个2D骨架，通过对2D骨架聚类分析，提取出图像集的形态基元，利用形态基元的模型与训练集中的骨架拟合，使用高斯‑牛顿梯度下降方法求取植物生长模型参数的最优解。该方法能够反映植物生长姿态特性的贝叶斯概率模型，可作为植物表示的一般框架，能用于多视图植物重建。
用于视图植物三维重建生成模型构建方法

[发明专利]基于PSV神经网络的跨尺度图像拼接方法及装置-CN202010238702.9有效
发明人： 戴琼海;袁文帅;刘烨斌 -专利权人：清华大学
申请日： 2020-03-30 - 公布日： 2022-10-28 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于PSV神经网络的跨尺度图像拼接方法及装置，其中，方法包括以下步骤：对图像进行扫描，生成图像PSV；将图像PSV送入神经网络，以提取图像特征，并计算权重；根据权重进行加权组合，获得拼接结果图像。该方法具有拼接效果好，一致性好，能够处理大视差、大尺寸图像，计算速度快，可用于实时拼接等特点，在处理大尺寸图像和现实场景图像方面具有独特的优势。
基于 psv 神经网络尺度图像拼接方法装置

[发明专利]基于单张RGBD图像的人体三维重建方法及系统-CN202011080171.1有效
发明人：刘烨斌;李哲;于涛;王松涛;戴琼海 -专利权人：清华大学
申请日： 2020-10-10 - 公布日： 2022-10-28 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于单张RGBD图像的人体三维重建方法及系统，其中，该方法包括：利用深度相机拍摄单张RGBD图像；过高质量人体三维模型渲染出单张RGBD图像并对空间点进行采样得到训练数据；搭建神经网络并使用训练数据进行训练；将单张RGBD测试图像输入训练后的神经网络中进行测试，生成人体三维模型。该方法通过隐式函数表示，建立了一个端到端的神经网络，通过有监督学习，便能够推断出人体以及衣服的几何细节，相较于其他传统重建方法具有简单、便捷的特点。
基于单张 rgbd 图像人体三维重建方法系统

[发明专利]基于双重三维距离场的衣服处理方法以及装置-CN202110311897.X有效
发明人：刘烨斌;苏肇祺;于涛;戴琼海 -专利权人：清华大学
申请日： 2021-03-24 - 公布日： 2022-10-28 - 主分类号： G06F30/20 文献下载
摘要：本申请提出一种基于双重三维距离场的衣服处理方法以及装置。其中方法包括：从预设的人体衣物数据集中提取标准姿态下的衣服三维点云，并获取每件衣服的第一法向信息；根据衣服三维点云和法向信息，在三维空间中提取三维距离场点云样本；将衣服三维点云中距离边缘预设距离的点云部分剔除，再对剔除后的点云提取三维无符号距离场点云样本；根据三维距离场点云样本和三维无符号距离场点云样本，建立双重距离场样本；构建生成网络，基于双重距离场样本训练生成网络；获取待处理衣服的深度特征向量，通过训练好的生成网络获得待处理衣服的深度特征向量对应的双重距离场；基于移动立方体算法，从双重距离场中获取标准姿态下待处理衣服的三维模型。
基于双重三维距离衣服处理方法以及装置

[发明专利]一种基于FPM平台的三维样本的图像重构方法-CN201810619646.6有效
发明人：张永兵;崔泽;季向阳;王好谦;戴琼海 -专利权人：清华大学深圳研究生院
申请日： 2018-06-13 - 公布日： 2022-10-28 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种三维样本的图像重构方法，包括：利用FPM平台分别采集所述三维样本由光源阵列中各个光源入射光条件对应的图像实际值gn(x，y)；结合光束传播法获得通过所述FPM平台采集的所述三维样本的图像估计值建立由图像实际值gn(x，y)与图像估计值之间的差别构成的损失函数；根据所述损失函数求得所述三维样本的各层更新梯度；根据各层更新梯度对所述三维样本进行迭代更新，得到最终的三维样本图像。本发明提出的三维样本的图像重构方法，降低了算法的时间复杂度，能够高效地恢复高分辨率、大视场、低噪声的三维样本。
一种基于 fpm 平台三维样本图像方法

[发明专利]基于单帧RGBD图像的实时三维人体重建方法及系统-CN202010239613.6有效
发明人：刘烨斌;王立祯;赵笑晨;于涛;戴琼海 -专利权人：清华大学
申请日： 2020-03-30 - 公布日： 2022-10-25 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于单帧RGBD图像的实时三维人体重建方法及系统，其中，方法包括：将渲染后的数据集作为训练训练数据，并训练得到负责正面深度图优化的Gdf网络、正面彩色图像去光照的Gcf网络、预测背面深度图的Gdb网络和预测背面彩色图像的Gcd网络；将当前RGBD图像转换到正交视角下以输入到Gdf和Gcf网络中，得到优化和去光照后的正面图像，将正面图像输入到Gdb和Gcb网络中得到预测后的背面图像，并利用正面和背面图像将像素点投影到三维空间中得到带颜色的三维点集，并且将带颜色的三维点集按照邻接拓扑关系连接成带纹理的三维人体模型。该方法利用深度相机采集的RGBD图片精细且快速地进行人体的三维重建。
基于 rgbd 图像实时三维人体重建方法系统

[发明专利]基于元成像的监控系统、方法、电子设备及存储介质-CN202210602142.X在审
发明人： 戴琼海;邓超;吴嘉敏 -专利权人：清华大学
申请日： 2022-05-30 - 公布日： 2022-10-21 - 主分类号： H04N7/18 文献下载
摘要：本申请公开了一种基于元成像的监控系统、方法、电子设备及存储介质，其中，包括：采集模块，用于采集监控场景的高分辨四维光场信息；重建模块，用于利用元成像方法对高分辨四维光场信息进行实时对齐并获得监控场景的中心视角缩略图，进而对局部目标区域的四维光场信息进行三维重建得到监控场景的目标三维场景信息；监控模块，用于对目标三维场景信息进行监控，得到监控场景的监控结果，从而实现快速、精确、实时的对三维目标场景进行监控。由此，解决了现有视频监控技术采集数据量冗余，无法在浓烟、大雾等极端条件下工作，精度不高，且无法应用于有遮挡的环境等问题。
基于成像监控系统方法电子设备存储介质

[发明专利]镜头的像差预测方法、装置、电子设备及存储介质-CN202210605185.3在审
发明人：乔晖;王昊翔;吴嘉敏;戴琼海 -专利权人：清华大学
申请日： 2022-05-30 - 公布日： 2022-10-21 - 主分类号： G06T7/00 文献下载
摘要：本申请涉及图像数据处理技术领域，特别涉及一种镜头的像差预测方法、装置、电子设备及存储介质，其中，方法包括：获取多个视角的图片，其中，多个视角的图片由同一成像系统获得，且包括不同角度域信息；将多个视角的图片输入预设神经网络，提取每个视角的至少一个视角特征，并基于至少一个视角特征预测光学镜头或拍摄环境带来的像差。由此，解决了相关技术中基于物理光学，导致模拟传播过程复杂，计算复杂度高，鲁棒性较差的技术问题。
镜头预测方法装置电子设备存储介质