招标编号: | CF105902022000141 |
---|---|
加入日期: | 2022.04.11 |
截止日期: | 2022.04.19 |
招标业主: | 深圳大学 |
地 区: | 广东省 |
内 容: | 基本信息: 发布时间:****-**-** **:**:** 截止时间:****-**-** **:**:** 申购单号:***************** 申购主题:基于迁移学习的目标识别算法测试 采购单位:**** 报价要求:国产含税 发票类型:增值税专用发票 币种:人民币 预算: 付款方式:货 |
基本信息:
发布时间:2022-04-11 15:35:59
截止时间:2022-04-19 12:00:00
申购单号:CF105902022000141
申购主题:基于迁移学习的目标识别算法测试
采购单位:深圳大学
报价要求:国产含税
发票类型:增值税专用发票
币种:人民币
预算:
付款方式:货到验收合格后付款
备注说明:
签约时间:发布竞价结果后7天内签约合同
送货时间:合同签订后7天内送达
安装要求:免费上门安装(含材料费)
收货地址:***
申购明细:
采购内容 | 数量 | 单位 | 预算单价 | 品牌 | 型号 | 规格参数 | 质保及售后服务 |
---|---|---|---|---|---|---|---|
基于迁移学习的目标识别算法测试 | 1 | 无 | 无 | 1基于图像到图像转换方法构建辅助样本,实现数据增补和目标检测器的输入级特征对齐; 2在YOLOv5的最小模型YOLOv5s上构建领域自适应YOLO模型,要求输入分辨率为640×640×3,部署阶段不影响原始YOLOv5s模型推理速度; 3领域自适应YOLO模型环境要求操作系统为Ubuntu 164和深度学习框架Pytorch 1.7.1,同时安装了NVIDIA CUDA 11和cuDNN 8.5,编程语言为 Python 3.7.9; 4领域自适应YOLO模型需满足在天气变化(晴天→雾天、晴天→雨天)的域偏移场景中,在目标域中检测器的mAP指标比原始YOLOv5提升10%以上; 5领域自适应YOLO模型需满足在复杂光照变化(白天→黑夜)的域偏移场景中,在目标域中检测器的mAP指标比原始YOLOv5提升5%以上,同时满足汽车类AP指标达到60%以上; 6领域自适应YOLO模型需满足异构传感器知识迁移(RGB图像→红外图像),并满足在目标域中行人检测的AP指标比原始YOLOv5s提升15%以上; 领域自适应YOLO模型需满足模型性能在目标域有较大提升的同时,在源域仍保持较好的检测性能,即对比原始YOLOv5s在源域上进行监督学习,领域自适应YOLO模型在源域中的mAP指标波动不超过3%。 | 按行业标准提供服务 |
报价地址:***