图像识别算法_科创中国

行业领域

电子信息技术,智能交通技术

需求背景

工业物联网智能信息化、智慧工地、智慧园区、无人机自动驾驶、无人机自动化巡检等AI相关产品和解决方案。

需解决的主要技术难题

目前公司具备AI边缘计算硬件平台、丰富的AI智能算法库，智能化信息业务处理平台等整体解决方案，目前业务领域涉及电网、燃气、军工、工业自动化等；

期望实现的主要技术目标

由于业务需求，需扩展算法库有以下需求：

1.在园区中，通过人员姓名或照片检索出人员实时位置，并在BIM模型中展示。（BIM模型以及地图已有）

2.在BIM模型中生成指定人员的活动轨迹及关键点位的行为记录，并进行查询、回放。（BIM模型以及地图已有）

3.识别特定目标、特定目标检测、人脸识别、区域入侵检测、越界、非正常速度检测（闯关）、倒地检测、绊线穿越检测、围栏攀爬检测、遗弃物检测、物品搬移检测、烟火检测、多警戒线检测、逆行检测。

4.利用摄像头实现电子巡检，实现油管，工程渗漏水巡视（积水，积油识别算法）；

5.军牌车辆智能识别、重点追踪和活动轨迹描述。

6.人员表情分析。

7.表计参数的自动识别。

8.人员携带物品检测（人进入仓库时未携带物品，出仓库时携带了大件物品）。

9.对道路及桥梁的状态进行监测。（道路桥梁本身以及交通状况）

最好有现成的成熟算法或者成功的应用案例，较稳定的识别效果。

需求解析

解析单位：“科创中国”人工智能专业科技服务团（西咸新区人工智能行业协会） 解析时间：2023-11-25

靖锋

西咸新区人工智能行业协会

秘书长

综合评价

从大名鼎鼎的Resnet50到如今火热的Swin-Transformer，模型精度不断被刷新，但是预测效率并不高。即使是Swin-Transformer最小的模型，在CPU上的预测速度也超过100ms，远远无法满足产业实时预测的需求。而使用MobileNet系列等轻量化模型可以保证较高的预测效率，在CPU上预测一张图像大约3ms，但是模型精度往往和大模型有很大差距。而PaddleClas推出的超轻量图像分类方案（Practical Ultra Light Classification，简称PULC），就完美解决产业落地中算法精度和速度难以平衡的痛点。

解析单位：陕西省西咸新区 解析时间：2023-09-23

李卫斌

西安电子科技大学

教授

综合评价

从大名鼎鼎的Resnet50到如今火热的Swin-Transformer，模型精度不断被刷新，但是预测效率并不高。即使是Swin-Transformer最小的模型，在CPU上的预测速度也超过100ms，远远无法满足产业实时预测的需求。而使用MobileNet系列等轻量化模型可以保证较高的预测效率，在CPU上预测一张图像大约3ms，但是模型精度往往和大模型有很大差距。而PaddleClas推出的超轻量图像分类方案（Practical Ultra Light Classification，简称PULC），就完美解决产业落地中算法精度和速度难以平衡的痛点。

更多

处理进度

科创中国

友情链接

海外专利信息资源系统 企业技术创新力在线自测系统

省级中心站

科创中国

友情链接

海外专利信息资源系统 企业技术创新力在线自测系统

省级中心站

海外专利信息资源系统企业技术创新力在线自测系统