面向国产智能平台的领域目标追踪模型移植与加速延期公告
发送至邮箱
面向国产智能平台的领域目标追踪模型移植与加速延期公告
| 项目名称 | 面向国产智能平台的领域目标追踪模型移植与加速 | 项目编号 | ZJLAB-FS-BX* |
|---|---|---|---|
| 公告开始日期 | * | 公告截止日期 | * |
| 采购单位 | 之江实验室 | 付款方式 | 预付40%，测试验收后付尾款 |
| 联系人 | 中标后在我参与的项目中查看 | 联系电话 | 中标后在我参与的项目中查看 |
| 签约时间要求 | 无 | 到货时间要求 | 无 |
| 预 算 | *.0 | ||
| 收货地址 | 无 | ||
| 供应商资质要求 | 符合《政府采购法》第二十二条规定的供应商基本条件 | ||
| 采购商品 | 采购数量 | 计量单位 | 所属分类 |
|---|---|---|---|
| 面向国产智能平台的领域目标追踪模型移植与加速 | 1 | 项 | 嵌入式软件开发服务 |
| 品牌 | 无 |
|---|---|
| 型号 | 无 |
| 品牌2 | 无 |
| 型号 | 无 |
| 品牌3 | 无 |
| 型号 | 无 |
| 预算 | *.0 |
| 技术参数及配置要求 | 一、服务内容： （1）面向国产智能芯片平台的目标追踪模型前处理算子实现与集成： 挑战：深度学台移植： 挑战：目前国产化寒武纪平台对目标分类、目标检测、目标分割任务有较好支持，但对特定领域应用的目标追踪模型缺少移植、适配验证。 内容：实现在基于MLU 220、MLU 270国产硬件平台上移植特定领域目标追踪模型，要求运行在国产操作系统麒麟v10上。 （3）面向国产化智能平台的两段式目标追踪推理streaming框架： 挑战：典型目标追踪任务由检测网络和追踪网络组成，对该任务进行串行推理导致智能芯片整体利用率低下，阻碍网络高效运行。由于目标追踪面向视频任务，故推理流水线各个部件要以内置模块的形式进行组合。 内容：开发多段网络并行的流式推理框架。基于有向无环图结构搭建业务流水线，并负责流水线上的节点调度和数据传输。每个节点作为一个单独的处理模块，既可处理 MLU 数据，也可以处理CPU数据。同时CNStream针对视频结构化的常用功能，如拉流解码、推理、追踪等，以内置模块形式提供，用户可以直接使用，提升业务部署效率。 二、交付物： （1）*方特定应用领域的目标追踪模型常见前处理算子源代码一份，具体包括如下OpenCV算子对应的BangC代码： cv2.resize cv2.crop cv2.copyMakeBorder cv2.cvtColor； （2）基于国产化寒武纪智能平台的yolov5+deepsort模型移植代码、模型一份； （3）两段式目标追踪模型推理框架源代码一份； （4）方案设计报告和测试报告各一份。 三、技术指标： （1）前处理算子在端侧寒武纪270、边侧寒武纪220平台上可运行，测试MLU运行结果与对应的CPU opencv实现结果，相对误差不超过±2%。 （2）能实现*方特定应用领域的目标追踪模型（yolov5+deepsort）移植、推理部署，模型输出误差不超过±2%。对于1920×1520尺寸原始图像，在MLU220板卡上运行速度高于10fps。 （3）支持多段网络并行流水推理，实现视频结构化的常用功能，包括：拉流解码、推理、追踪等。该框架需要同时支持端侧寒武纪270、边侧寒武纪220运行。在框架运行目标追踪模型推理时，芯片的利用率不得低于90%。 |
| 售后服务 | 按照技术指标要求，配合*方完成项目验收及调试; |
| 项目名称 | 面向国产智能平台的领域目标追踪模型移植与加速 | 项目编号 | ZJLAB-FS-BX* |
|---|---|---|---|
| 公告开始日期 | * | 公告截止日期 | * |
| 采购单位 | 之江实验室 | 付款方式 | 预付40%，测试验收后付尾款 |
| 联系人 | 中标后在我参与的项目中查看 | 联系电话 | 中标后在我参与的项目中查看 |
| 签约时间要求 | 无 | 到货时间要求 | 无 |
| 预 算 | *.0 | ||
| 收货地址 | 无 | ||
| 供应商资质要求 | 符合《政府采购法》第二十二条规定的供应商基本条件 | ||
| 采购商品 | 采购数量 | 计量单位 | 所属分类 |
|---|---|---|---|
| 面向国产智能平台的领域目标追踪模型移植与加速 | 1 | 项 | 嵌入式软件开发服务 |
| 品牌 | 无 |
|---|---|
| 型号 | 无 |
| 品牌2 | 无 |
| 型号 | 无 |
| 品牌3 | 无 |
| 型号 | 无 |
| 预算 | *.0 |
| 技术参数及配置要求 | 一、服务内容： （1）面向国产智能芯片平台的目标追踪模型前处理算子实现与集成： 挑战：深度学台移植： 挑战：目前国产化寒武纪平台对目标分类、目标检测、目标分割任务有较好支持，但对特定领域应用的目标追踪模型缺少移植、适配验证。 内容：实现在基于MLU 220、MLU 270国产硬件平台上移植特定领域目标追踪模型，要求运行在国产操作系统麒麟v10上。 （3）面向国产化智能平台的两段式目标追踪推理streaming框架： 挑战：典型目标追踪任务由检测网络和追踪网络组成，对该任务进行串行推理导致智能芯片整体利用率低下，阻碍网络高效运行。由于目标追踪面向视频任务，故推理流水线各个部件要以内置模块的形式进行组合。 内容：开发多段网络并行的流式推理框架。基于有向无环图结构搭建业务流水线，并负责流水线上的节点调度和数据传输。每个节点作为一个单独的处理模块，既可处理 MLU 数据，也可以处理CPU数据。同时CNStream针对视频结构化的常用功能，如拉流解码、推理、追踪等，以内置模块形式提供，用户可以直接使用，提升业务部署效率。 二、交付物： （1）*方特定应用领域的目标追踪模型常见前处理算子源代码一份，具体包括如下OpenCV算子对应的BangC代码： cv2.resize cv2.crop cv2.copyMakeBorder cv2.cvtColor； （2）基于国产化寒武纪智能平台的yolov5+deepsort模型移植代码、模型一份； （3）两段式目标追踪模型推理框架源代码一份； （4）方案设计报告和测试报告各一份。 三、技术指标： （1）前处理算子在端侧寒武纪270、边侧寒武纪220平台上可运行，测试MLU运行结果与对应的CPU opencv实现结果，相对误差不超过±2%。 （2）能实现*方特定应用领域的目标追踪模型（yolov5+deepsort）移植、推理部署，模型输出误差不超过±2%。对于1920×1520尺寸原始图像，在MLU220板卡上运行速度高于10fps。 （3）支持多段网络并行流水推理，实现视频结构化的常用功能，包括：拉流解码、推理、追踪等。该框架需要同时支持端侧寒武纪270、边侧寒武纪220运行。在框架运行目标追踪模型推理时，芯片的利用率不得低于90%。 |
| 售后服务 | 按照技术指标要求，配合*方完成项目验收及调试; |
招投标大数据
最近搜索
无
热门搜索
无
