1半导体器件定制化建模服务 Cell Evaluation & Device 模型类型: 物理模型、行为模型、经验模型、紧凑型模型 半导体材料类型: GaAs砷化镓、GaN氮化镓、InP磷化铟、SiGe硅锗 器件类型: HBT、HEMT、MESFET 模型种类: 小信号、非线性 频率范围: DC~110GHz
能够提取高速数字、模拟和功率射频主流应用软件中所使用的精确而紧凑的模型,对CMOS、Bipolar、砷化镓(GaAs)、氮化镓(GaN)等其他半导体器件进行提参建模。
2MMIC芯片、模块设计及仿真 Design & simulation 芯片类型包括: 功放、低噪放、开关、混频器、调制器芯片等 模块类型包括: T/R收发组件、变频组件 设计步骤包括: 电路设计、电磁分析、热分析、封装仿真
通过利用先进的EDA工具,创建可靠的设计方案,使设计一次性成功通过测试并实现高产出率。利用所有主要 MMIC 代工厂提供的完整并且持续更新的工艺设计套件(PDK),在仿真软件中进行 MMIC原理图设计、高良率优化等前端设计 除此之外还可提供精确的电路行为模型提供给客户的系统设计部门评估芯片性能对子系统/系统的功能影响。
3微波毫米波测试服务 Wafer Test & Measurement 应用领域: 5G移动通信、雷达、制导、遥感技术、射电天文学、临床医学、波谱学、汽车电子及自动驾驶、手势互动 识别、工业检测等 测试功能: 直流IV/CV测试,频谱测试、单端和差分S参数、功率、噪声系数、非线性X参数、负载牵引等 测试条件: 连续波、脉冲、高低温 频率范围: DC ~ 110GHz 温度范围: -60℃~+300℃
8寸探针台、精密半导体参数测试仪、110GHz毫米波矢量网络分析仪均为领先行业的测试测量设备,为广大行业用户提供可溯源的精确测量结果
4芯片级功能验证 Function Verification系统、子系统中各个芯片和功能模块的实现时间节点或许不同,当实际的芯片研制生产出来之后,设计师需要检测芯片性能,通过我们的验证测试环境,系统设计师能够将获得的芯片时域及频域参数输入到数字化样机的仿真环境当中,分析经过实际测试出来的芯片性能对模块、子系统及系统的性能影响,在实际的设计过程当中,这种半实物仿真的方法被广泛的采用,可以迅速定位每个芯片和功能模块参数变化对系统指标的影响。 利用高性能示波器验证分析时域参数,利用矢量信号分析仪进行频域参数的分析。
技术优势
应用场景
技术优势
应用场景
远程认证:为银行、证券等要求较高的机构,提供安全保证服务; 公安司法:为电信诈骗,电话勒索或人身攻击等刑事、民事案件提供线索或物证; 国家安全:对危害国家、社会安全的重点人员进行监控; 访问控制:门禁考勤、证件防伪等; 个性化服务:便于大型呼叫中心等,为重点客户提供人性化服务。
技术优势
应用场景
技术优势
• 依托清华大学电子系媒体大数据认知计算研究中心,采用最前沿的深度学习图像识别技术。 • 准确率达到平均医生以上水平,秒量级给出检测结果。 • 采用迁移学习,基于少量样本即可形成有效算法。 • 针对医学需要,可完成分类、检测、分割等多种任务。 • 系统在运行时根据实际病例,可继续在线学习和提升算法。 • 部署灵活,支持与医院系统集成、云服务、嵌入式等多种形式。
应用场景
技术优势
应用场景
动态人脸/人像识别系统
人脸/人像属性分析系统
功能
技术
• 人脸检测技术,在国际权威的人脸检测FDDB库上的测试结果,检测性能位居当前国际第一(2017.1)。 • 人脸识别技术,在国际权威的1:1测试库LFW库上实现超过99%的识别准确率,位于本领域顶级水平。 • 2017年12月,人脸识别团队在国际权威1:N人脸识别测试库MegaFace上,取得一项第一、一项第二的结果。 • 人像识别领域,清华团队贡献ReID领域三个大型公开图像数据集,Market-1501及视频数据集MARS,iLID-VID下载超过3700次;行人再识别技术位于国际先进水平。数十篇论文覆盖计算机视觉、人工智能顶级期刊(TPAMI、TIP)、顶会(ICCV、CVPR、ECCV)。 • 2005年由公安部出入境管理局主持集成清华大学人脸技术,世界上首次在我国出入境旅客最多的深圳罗湖口岸开通“旅客自助查验通道”,验放旅客超过数亿人次。 • 2016 年全国两会安保项目。 • 湖南省公安厅机场公安局黄花机场项目。 • 天津市地铁列车人脸识别项目。 • 权健集团人脸识别考勤系统。 • 国家金税三期工程税务实名制人脸识别项目。 • 厦门金砖五国会议酒店人脸识别陌生人报警系统。 • 2017 天津全运会动态人脸识别系统。
授课目标:
实验内容:
学生自主提出的创新项目
Overview The COSD is a large-scale RGB-D dataset aiming to address the challenging object segmentation problem. This dataset contains 4,179 RGB-D images from 14 scenes with three semantic classes in terms of highly reflective objects, highly transparent objects and background. We use an iPad 2018 equipped with a Structure Sensor to capture these RGB-D images. For challenging objects, we consider common types of them (mainly including glass products, mirrors, plastic and metal) with different size, shape and color. For scenes, the COSD dataset contains 14 unique scenes (e.g. livingroom, bathroom, office, etc). Finally, we use Labelme(https://github.com/wkentaro/labelme) to annotate these images manually. Some demos in our COSD dataset are shown in Fig.1. Fig.1. Demos of the COSD datset. The Depth image is colorized for visualization. The black, green and red in the semantic map represent the background, highly reflective and highly transparent objects respectively.
Download Link: BaiDu Cloud: https://pan.baidu.com/s/1_6futSh0YQ6l-4aR890VFw Password: 6q88 Google Drive: https://drive.google.com/file/d/1IsRGO2HyRPwDcLR0euZgppB13T0pvV3F/view?usp=sharing You can download the training set of the COSD via the proposed links. Afterdownloading the train.zip file, please send an email at wangguijin@tsinghua.edu.cn to get the password of this file. The test set is not available now. Attention please. § The COSD dataset contains 8,060 RGB-D images (4,421 for training and 3,639 RGB-D images for test). § Some depth values are missing due to the RGB-D sensor. The depth is saved as .png image in millimeter. § We also provide the hha images caculated from the raw depth and camera parameters. § In the semantic mask, 0, 1, 2 represent the background, highly transparent objects and highly reflective objects respectively. Citing the dataset Coming soon. Contact Team:Guodong Zhang; Guijin Wang; Zhibin Xiao; Yang Li; Wenming Yang; Sifan Yang; Jing-hao Xue Department of Electronic Engineering, Tsinghua University, Beijing 100084, China For questions about the dataset, contact Guijin Wang: wangguijin@tsinghua.edu.cn
License This COSD dataset is made freely available to academic and non-academic entities for non-commercial purposes such as academic research, teaching, scientific publications, or personal experimentation. 1.Although every effort has been made to ensure accuracy, we (Department of Electronic Engineering, Tsinghua University) do not accept any responsibility for errors or omissions. 2.That you include a reference to the COSD Dataset in any work that makes use of the dataset. 3.That you do not distribute this dataset or modified versions. 4.That you may not use the dataset or any derivative work for commercial purposes as, for example, licensing or selling the data, or using the data with a purpose to procure a commercial gain. 5.That all rights not expressly granted to you are reserved by us (Department of Electronic Engineering, Tsinghua University).