课题名称
= 嵌入式人工智能关键技术研究 = 项目背景近年来人工智能得到了突飞猛进的发展,其算法和应用已经渗透到各个学科分支并逐渐进入人们的日常生活。人工智能横跨很多学科,例如计算机视觉,自然语言处理,大数据处理,推荐系统,计算机图形学,控制理论以及计算机系统结构等。嵌入式人工智能是国内外许多知名大学的教授大力研究的方向,其应用领域非常广泛,作为最贴近人工智能落地的研究方向之一,可以应用在智能手机、智慧城市、无线通信(5G)、边缘计算、安防(人脸识别)、云存储、高清数字电视,游戏等。
项目介绍 本项目 针对嵌入式人工智能面临的挑战,对人工智能模型进行优化,设计出可以在嵌入式设备上高效运行的模型 。本项目训练人工智能模型的设计和优化方法,接触和熟悉深度学习训练框架软件pytorch和编程语言python。针对计算机视觉中的图像识别和目标检测算法模型,项目训练使用剪枝量化技术减少模型的计算量和参数量,并验证精度和规模的关系。本项目是对人工智能全栈技术的探索,既涉及算法、模型等软件开发技术,又涉及AI芯片、嵌入式SoC等硬件开发平台。通过项目训练,学生会全面接触人工智能的软硬件技术,在本研究方向快速入门并成长为具有一定基本功、可以熟练使用深度学习训练框架和编程语言设计、优化和部署模型在嵌入式硬件平台上。 适合人群● 大学生
● 对人工智能、计算机科学与技术、电子工程等相关专业感兴趣的学生,建议学生掌握一种编程语言,有Python编程基础项目经验者优先
导师介绍 = l 老师 副研究员 = 中国科学院 计算技术研究所副研究员,硕士生导师。 研究方向: 高能效容错集成电路体系结构 。 以第一作者身份在 国际顶级期刊和会议上 (CCF A/B类)发表论文十余篇, 拥有多项国际发明专利和软件著作权,出版过专著和译著,担任多个国际会议的审稿人和报告主席。 项目大纲● 第一阶段:线上学术先修课(10课时)
● 第二阶段:线下学术科研(52课时)
嵌入式人工智能背景知识+报告选题
深度学习应用案例分析
深度学习训练框架和编程语言
实验代码详细分析
深度学习中的重要模型——卷积神经网络
学术报告文献阅读和论文分析
基于卷积神经网络的图像识别模型及其量化方法
报告写作初阶指导
嵌入式人工智能模型剪枝优化方法
报告写作进阶指导
学生项目报告展示,导师点评
报告写作最终指导
● 第三阶段:完善项目报告(导师团队线上答疑)
时间安排 10课时线上学术先修课+52课时线下科研集训开课时间:2021.1.25开课
项目收获 ● 主导师推荐信(网推) ● 线下科研实战经验 ● 项目学术报告 ● 项目结业证书P.S.项目价格:¥16800
更多科研项目,尽在BG小程序
♡
嵌入式人工智能是国内外许多知名大学的教授大力研究的方向,其应用领域非常广泛,作为最贴近人工智能落地的研究方向之一,可以应用在智能手机、智慧城市、无线通信(5G)、边缘计算、安防(人脸识别)、云存储、高清数字电视,游戏等。 • T • H • E • ✿ • E • N • D •