一、采购项目名称：深度学习识别与标识系统

二、采购项目编号：SCZC2018-ZB-206/10

三、货物名称、数量：

研制周期12个月，免费升级维护期1年。

（1）基于深度学习的目标定位与识别算法研究

为了利用图像样本数据与使用过程中新产生的图像样本数据不断提升目标检测识别算法的检测识别精度，开展以下三个方面的研发：①基于深度神经网路算法的目标定位与识别预处理研究，在存在复杂环境干扰情况下提升目标的检测精度；②研究基于非线性最小二乘与蒙特卡罗仿真相结合的光电侦察目标定位与精度分析方法；③研究基于深度学习的目标检测识别算法，并利用图像样本数据不断提升目标检测识别的准确率和实时性。

交付物要求：图像样本数据标识系统1套、基于深度学习的目标识别算法包1套、目标定位算法包1套。

（2）基于并行软硬件的神经网络加速器及其低功耗设计研究

为了满足实时性、低功耗、小型化等需求，开展以下三个方面的研发：①研究基于并行硬件的神经网络加速硬件架构，在不损失识别精度的情况下满足低功耗、小体积、高实时性的实际应用需求；②研究基于深度神经网络计算特性的算法加速方法，在算法设计时综合考虑并行硬件的计算特性和检测识别算法的精度，在算法级进行加速；③研究深度神经网络加速器的低功耗设计方法，在计算资源和功耗受限的情况下，构建原型验证系统满足目标检测识别系统对计算实时性的需求。

交付物要求：集成深度学习算法的硬件系统1套（含无人机及其地面控制系统），建议采用FPGA形式以实现实时性、低功耗、小型化要求，以及相关软硬件设计文档。

（3）面向硬件的深度网络算法参数训练、压缩与性能评估方法

主要完成以下两个方面的研发：①研究有限字长效应的机器学习算法性能评价方法，为优化变量字长、减少存储容量提供依据；②研究机器学习算法并行加速硬件架构的客观性能评价指标，为并行加速硬件架构的计算性能和环境适应性提供客观评价标准。

交付物要求：相关评估准则与分析报告以及相应验证模型。

2、性能要求

（1）识别种类：能够在复杂环境下可靠识别目标种类包括桥梁、舰船、飞机、机场等种类不少于4种；

（2）应用环境：面向侦察测绘任务场景，定位与识别算法适用于城市固定目标，海面/水面、荒漠固定目标和慢动目标等3种典型应用场景（可采用仿真形式给出结论）；

（3）系统复杂度：所设计的机器/深度学习方法占用的计算复杂度、存储空间和功耗满足小型无人机（旋翼小型无人机由中标方采购，并集成配套的摄像设备实现识别与定位要求）的机载要求；

（4）定位与识别精度：

所设计的机器/深度学习方法相对于基于传统计算机视觉的图像识别等优势方法，识别准确度不低于90%（注1：针对特定测试集可不低于95%）（注2：在优势方法准确率较低时，至少取得10%的性能提升；在优势方法准确率较高时，至少取得5%的性能提升）；

识别硬件系统体积不大于1250px3、重量不大于2.5kg、功耗不大于20w，相比基于CPU、GPU等搭建的深度学习识别系统（同等功耗条件下），在计算速度明显提升的情况下，算法精度下降不大于3%；

光电侦察目标定位精度和实时性满足特定任务需求，精度误差小于3米。

（5）技术成熟度：达到5级，能通过典型环境模拟验证功能和性能指标满足要求；同时所设计的机器/深度学习方法具有对应的软件工具箱，具备完善的输入输出接口和相应的说明文档

四、单一来源成交单位：

北京军融智睿科技有限公司

五、成交金额

成交金额：人民币玖拾贰万元整（￥920000元）

六、公告时间

2018年12月7日至2018年12月13日（北京时间）。

七、联系方式

联 系 人：钟女士

电 话：***-********

地 址：西安市雁塔区高新二路山西证券大厦21楼招标三部