Deadline to register is Jun 30, 2019.
Teams can still edit your proposals during judging period.

Category: Sort By:
Regional Final
📁Other: 羽毛球智能捡球机器人
👤永兵 刘 (重庆大学)
📅Nov 18, 2019
针对羽毛球捡球机的设计与实现面临找球难和捡球难等问题,我们团队设计了一款用于羽毛球捡拾的智能捡球机器人。该捡球机器人利用摄像头辅助激光雷达实现羽毛球的定位,利用自主设计的捡球装置实现了羽毛球的无损伤拾取
details »
👀 4232   💬 2
Regional Final
📁High Performance Computing
👤益銓 梁 (國立台灣大學)
📅Nov 21, 2019
Neural architecture search (NAS) is a technique for finding a neural network architecture model for domain-specific applications. This search tool itself is usually based on reinforcement learning, with a recurrent neural network to generate neural network models, but it would take a long time to find good candidates by searching and testing all possible combinations of neural network architecture models as each candidate needs to be trained with data. Moreover, as latency, power consumption, and chip areas are highly sensitive to hardware, there is no guarantee that the results will meet user’s requirements without modeling hardware characteristics in the search process. To address the aforementioned issues specifically for Edge AI applications on the OpenVINO Starter Kit, we propose a NAS framework which accelerates the search process for the FPGA and meets the accuracy and latency required by the user. Furthermore, our framework will optimize the model after the candidates are found. We will conduct case studies to demonstrate the effectiveness of our framework for Edge AI applications such as image classification.
details »
👀 2738   💬 2
Regional Final
📁Machine Learning
👤胜 李 (武汉工程大学)
📅Nov 21, 2019
本课题旨在设计出一套基于视觉图像的无人驾驶系统。当今居民的生活质量日益提高,人们对物质生活的追求越来越丰富多彩,汽车也成为了人们生活中不可或缺的交通工具应用范围更广的智能产品。而且各种各样的道路的大力修建极大地方便了人们的出行与生活,但是随着大量的机动车涌入也加大了交通事故的发生,在巨大的市场与挑战面前,无人驾驶系统相关技术的研究显得迫在眉睫,但是经过研究,无人驾驶相关技术在嵌入式设备上的运行速率并不理想,而高质量显卡由于价格及功耗等问题,无法大面积普及。所以我们希望能够通过FPGA设计一套基本的无人驾驶系统。能够通过视觉图像完成车道检测、目标识别及路径规划等功能。
details »
👀 2255   💬 2
Regional Final
📁Machine Learning
👤小淞 金 (重庆大学)
📅Oct 17, 2019
本课题拟通过使用人脸识别算法,研发出一套搭载人脸识别功能,可对学生进行人脸检测和识别,并将学生的出勤情况统计成名单的全自动考勤系统。该系统可提升课堂考勤效率和准确率,为教师统计学生上课的出勤提供更加可靠的依据。
details »
👀 4245   💬 1
Regional Final
📁Machine Learning
👤文君 吴 (华南师范大学)
📅Oct 15, 2019
在雾霾等恶劣天气条件下,大气中的微小颗粒会对光线产生大气物理散射作用,导致捕获的室外视频图像出现可见性差和对比度低等问题,这不仅对人类感知产生负面影响,而且对许多计算机视觉任务构成障碍,如视频监控、目标识别、图像分类等。为此,本方案目的是改善视频图像质量和提高计算机视觉系统性能,以及使用友晶公司的OpenVINO Starter Kit加快每帧图像处理的速度,达到视频图像去雾效果。
通过全卷积回归网络图像去雾的深度学习,训练识别目标对象的能力模块,用Model Optimizer把.prototxt和.cafemodel文件转化成.xml 和.bin文件,完成caffe模型到IR模型的转化;调用 OpenVINO™ 推理引擎API 在目标板做推理,运行目标程序Program,并将模块的所有参数输入FPGA中。
details »
👀 2858   💬 1
Regional Final
📁Digital Design
👤耀琦 王 (兰州交通大学)
📅Oct 03, 2019
本手语翻译+语音交互系统是利用模块化的方式设计的,以DE10-Nano开发板作为开发平台,通过 flex 柔性传感器和高精度加速度电子倾角仪进行多维度的数据采集整理,并建立8维数据模型。采用基于贝叶斯理论的朴素贝叶斯分类算法,利用最大后验概率思想准确识别手语信息。语音交互系统搭载了科大讯飞的云端语音识别引擎,可以高效的实现双向交流,保证了正常人与聋哑人之间的无障碍交流。
details »
👀 1830   💬 1
Regional Final
📁High Performance Computing
👤子賢 葉 (長庚大學)
📅Oct 30, 2019
利用FPGA實現HDR(High Dynamic Range Imaging)影像處理。將曝光度不夠的影像進行還原,使畫面的辨識度提高。有別於一般處理方式,使用多張不同曝光度的照片進行合成。HDR演算法只使用一張照片便可以達到相近的還原效果。
details »
👀 1879   💬 1
Regional Final
📁Machine Learning
👤硯 阮 (長庚大學)
📅Oct 09, 2019
在這強調綠色環保的時代,資源回收顯得重要許多,我們可以透過資源回收來減少溫室氣體的排放量、將要廢棄的材料,分解再製成新產品,像是當初台北花博展的流行館,全部利用寶特瓶建造,是第一座把垃圾變房子的綠建築,證明資源回收是能變成有價值得東西。但多數人不喜歡資源回收分類,或是懶得做回收,這樣會造成垃圾量的增加,也會造成生態破壞,加上現在不管是陸地還是海洋中都有大量的垃圾,甚至已經危害到生物的生存權,為了更有效地進行分類,希望可以透過智慧資源回收桶來解決此問題,且更有效的達到綠色環保,為全世界的環保盡一份心力。
details »
👀 2688   💬 1
Regional Final
📁Machine Learning
👤田文生 田 (西安电子科技大学)
📅Jun 29, 2019
在最近几年的ICRA(机器人与自动化会议)人工智能挑战赛中,竞赛双方需自主研发2台智能对战机器人,让其全自动发射弹丸进行对抗,击败对方机器人则获得比赛胜利。全自动的智能对战机器人系统考验的是机器人学的前沿技术,由于近年来的人工智能热潮,大家都会关注如何能把深度学习技术用到比赛中去,但在实际场景中进行数据采集和训练是很低效的,所以通过仿真系统模拟真实环境对于机器人学习训练具有非常重要的意义,离线测试和仿真是目前用于该场景中智能对战机器人性能验证的一种低成本且高效率的方法,但现实世界和虚拟世界中的机器人、环境以及传感器的建模和渲染仍然有一定的距离。在我们的工作中因考虑到真实场景测试和纯软件仿真平台的不足,我们开发了一种支持硬件在环的全自动智能对战机器人仿真平台。该平台支持智能对战机器人的各种传感器仿真以及对战场景构建。通过硬件在环的测试与验证方式,我们能够有效地利用仿真环境来提高实测所带来的低效率的问题,并验证多模块人工智能算法有效性。同时通过与智能对战机器人中完全相同的硬件层沟通仿真环境与现实场景,我们能够准确有效地完成已验证的算法从仿真环境到真实场景的迁移。
details »
👀 1575   💬 1
Regional Final
📁Machine Learning
👤三军 刘 (湖北民族大学)
📅Sep 20, 2019
利用Intel FPGA技术设计并制作了一款能够有效检测眼疲劳,从而帮助用户预防近视的SOPC系统。本设计利用Intel的DE10-nano平台来采集人的眨眼率,首先使用运行的Linux的ARM硬核驱动摄像头OV5640,将人眼的图像数据通过h2f总线传到HPS端DDR3特定地址的存储区域中,利用FPGA高速的并行处理特点对采集的图像进行差分处理,灰度处理,二值化处理,再通过PERCLOS算法来得到眼睛的疲劳信息。在发生疲劳时通过CC3200WIFI模块在手机客户端的APP进行提醒又或者通过GPRS模块进行远距离的短信报警。整个系统具有检测准确度高、价格便宜、升级维护方便等优点,同时,系统集成的物联网技术使得父母可以实时对小孩的用眼进行监管,进一步增强了预防的效果。又利用了FPGA方便灵活的设计优势和RAM对数据高速的处理运算能力,使得整个的设计具有速度快,结果准确,稳定性高,成本相对较低等特点。
details »
👀 2129   💬 3
Regional Final
📁Machine Learning
👤卫坤 王 (福州大学)
📅Nov 02, 2019
本设计基于深度学习实现一个新的环路滤波模型,用以取代和优化视频编码标准H.265中环路滤波部分的去方块滤波,然后将网络模型在OpenVINO Starter Kit平台上做进一步优化,以提高环路滤波的速度,节省滤波时间,降低视频编码的延迟;同时改善滤波后视频的主客观质量,提升编码性能。以Tensorflow作为深度学习网络架构,便于用OpenVINO Starter Kit平台将其转化为IR模型。模型方面,基于卷积神经网络(CNN)进行网络结构的设计,在卷积层中插入步幅卷积与反卷积,从而卷积模板可以按一定的步长从图像中提取图像块进行线性映射与重构。网络可分为两个阶段,第一阶段是基于步幅卷积与反卷积的测量与重构过程,中间可插入1x1的卷积层来加深映射的深度,而第二阶段是基于常规卷积的邻域滤波过程。训练方面,基于全变分模型对特定回归问题的概率模型进行建模,设计训练算法。全变分(Total-Variation, TV)模型是一个依靠梯度下降流对图像进行平滑的各向异性的模型,希望在图像内部尽可能对图像进行平滑,而在图像边缘尽可能不去平滑。本方案并非想要直接去解全变分问题,而是基于TV模型对网络权重的一个先验分布做出假设,以推导出相应的损失函数。
details »
👀 2094   💬 1
Regional Final
📁Machine Learning
👤許 晉瑋 (國立中央大學)
📅Oct 09, 2019
因應智慧城市與智慧家庭的推動,人們越來越重視生活的品質,期待用科技改變我們的生活。而近年來隨著GPU進步與大數據時代的來臨,深度學習帶給各領域帶來革命性的進展,電腦視覺方面更是由深度學習引領著。而在我們生活週遭有著各式不同形態的門禁系統,從鑰匙、門禁卡、到生物特徵辨識。生物特徵辨識透過每個人獨有的特徵,不須另外攜帶任何形式的鑰匙。人臉辨識由於不需接觸或是做出額外的動作,為所有生物特徵辨識中最為方便的方法,然而卻也是最為複雜的方法。

本設計將利用深度學習技術開發一套人臉偵測與辨識系統,結合硬體加速器實現於FPGA上,人臉偵測部分將採用全卷積神經網路架構SSD(Single Shot MultiBox Detector)為主要方法,並使用可分離式卷積層(Separable convolution layer)進行參數數量與計算量的優化,利用Google提供的tensorflow object detection api 對 WIDERFACE 資料集進行訓練。而人臉辨識則採用Facenet方法,使用VGGFace2資料集進行訓練,訓練出特徵擷取器自動擷取人臉最重要的特徵,比起需要直接訓練自訂資料庫中人物照片的方法,此方法可透過公開資料集建立神經網路,可大幅降低更新人物時所需的樣本數,最低僅需一張臉部照片即可。硬體加速器採用的是可分離式卷積的設計流程,為了降低參數量以及計算量,減少記憶體的存取率,能將完整的系統放置在FPGA中。
details »
👀 1762   💬 1

1 2 3 ... 8