2020回顾 | 亿智电子产学研融合取得新成果


发布时间:

2021-01-18

近年来,AI技术与各产业技术不断融合发展,业界需要越来越多的复合型人才,将AI科研的成果转化成生产力,落地到实际应用场景中去。在这个过程中,作为专注端侧人工智能领域的AI芯片先行者,亿智电子致力于携手高校科研团队,发挥企业技术与高校研究的合作优势,将产学研融合落到实处,加大科技成果转化力度。

2020回顾 | 亿智电子产学研融合取得新成果

近年来,AI技术与各产业技术不断融合发展,业界需要越来越多的复合型人才,将AI科研的成果转化成生产力,落地到实际应用场景中去。在这个过程中,作为专注端侧人工智能领域的AI芯片先行者,亿智电子致力于携手高校科研团队,发挥企业技术与高校研究的合作优势,将产学研融合落到实处,加大科技成果转化力度。
 
回顾2020年,亿智电子在人工智能领域技术研发硕果累累。其中,在智能边缘计算及AI芯片应用方向,亿智电子北京研发中心携手北京科技大学模式识别与人工智能技术创新实验室、北京科技大学-亿智电子科技人工智能联合实验室共同攻关智能驾驶视觉识别技术,在以文字为中心的智能驾驶视觉识别技术方面,已经取得了一系列技术创新成果。
 
亿智电子创始人兼CEO陈峰参与的“高效率车辆车牌同步检测”技术论文(“Simultaneous End-to-End Vehicle and License Plate Detection With Multi-Branch Attention Neural Network”)”获评“2020年北京地区广受关注学术成果(物联网领域)优秀论文”,相应的学术论文发表于智能交通领域国际顶级期刊 IEEE Transactions on Intelligent Transportation Systems (2020, 21(9): 3686-3695)。

1

 

车辆与车牌检测技术在智能交通系统中起着重要的作用,尽管目前基于深度卷积神经网络(CNN)的相关方法已经得到应用,但在真实使用场景中(例如在实际道路上动态的行驶过程中),车辆与车牌的实时检测与识别仍然是一项艰巨的任务。例如,有些方法将车辆检测和车牌检测视为两个独立的任务;有的则使用级联策略来检测车辆和车牌,首先检测到车辆,然后再定位出车牌区域。而且,这类车牌检测还取决于车辆检测的质量,如果未能检测到相应的车辆,则也无法定位出车牌。上述方法都存在效率较低的问题。
 
因此,该研究针对AIoT环境下的智能交通与智能驾驶应用,提出了一种注意力嵌入的多分支深度神经网络新模型:中、低层网络重点关注车牌特征信息,而中、高层网络则侧重于车辆特征信息,构建了一种高效率高精度的端到端车辆与车牌同步检测新技术。

1

 

图表引自论文
 

论文下载链接:https://ieeexplore.ieee.org/document/8788689/

由北京科技大学教授、博导,计算机与通信工程学院副院长殷绪成教授主持的北京科技大学-亿智电子科技人工智能联合实验室专注于模式识别与计算机视觉、机器学习、文档分析与识别(文字识别)、语音识别与自然语言处理等领域应用研究与技术创新。近年来,在面向智能驾驶的图像识别技术和面向人工智能SoC芯片的智能识别技术两个方面,进行了开拓性的技术创新,取得了一系列重要的技术成果。

亿智电子创始人兼CEO陈峰表示:
“亿智电子致力于实践AI技术成果的产品化及商业化落地,为此,我们一直保持了很大比重的技术研发投入,并将持续加深人工智能理论及技术研究,携手高校、科研机构等力量,培育人工智能、集成电路等领域的创新人才,共同推动AI技术融入行业生产与日常生活,赋予人们更智能、更美好的生活。”