知识产权市场询价公告——人工智能图像识别与智能芯片设计

公告信息：

询价单位

****

项目名称

人工智能图像识别与智能芯片设计

项目编号

****

拟交易方式

转让

项目介绍

1、专利名称：基于并行双注意力轻量残差网络的图像分类方法及系统，专利号：ZL202****90845.5

摘要：本发明提出一种基于并行双注意力轻量残差网络的图像分类方法及系统，包括对残差网络的卷积核进行结构优化，并提取输入图像的特征信息矩阵；对并行双注意力轻量残差结构输出的特征信息矩阵进行全局平均池化，整合全层空间信息，然后将特征信息矩阵转换为一维特征信息矩阵；将一维特征信息矩阵输入全连接层，得到分类任务对应类别数的矩阵，输出图像分类结果。本发明在对残差网络进行压缩并采取双分支空间通道注意力机制，在保证精度的前提下，压缩了参数和计算量，提升了处理速度，从而提高了基于深度神经网络的目标分类识别的整体效率。

2、专利名称：一种机器人地形识别及速度控制方法及系统，专利号：ZL202****61244.0

摘要：本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。

3、专利名称：一种图像目标检测方法及系统，专利号：ZL202****57661.8

摘要：本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。

4、专利名称：基于生成对抗网络和多尺度融合的图像去雾方法及系统，专利号：ZL202****28300.1

摘要：本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。

5、专利名称：一种基于轻量级神经网络的手语识别方法、系统及手套，专利号：ZL202****89932.6

摘要：本发明涉及手势识别技术领域，提出一种基于轻量级神经网络的手语识别方法、系统及手套，包括以下步骤：以预设的采样周期采集手语动作数据；对采集的手语动作数据进行有效数据判断，得到有效的手语动作数据；将所述有效的手语动作数据输入轻量级神经网络进行手语识别，得到手语识别结果；其中，所述轻量级神经网络包括采用非对称并行卷积结构的浅层卷积神经网络，或基于遗传算法对平滑因子进行寻优的PNN神经网络。本发明通过对采集的手语动作数据进行有效数据判断， 用于过滤冗余信息或无效信息，以降低手语识别的计算量；同时选用轻量级神经网络用于手语识别， 能够有效缩短手语识别时延， 以满足实时手语识别任务的需要。

6、专利名称：基于图像语义分割与分类的身份识别方法与系统，专利号：ZL202****21388.7

摘要：本发明公开了一种基于图像语义分割与分类的身份识别方法与系统，属于图像模式识别领域，包括：构建语义分割网络，基于人眼图像数据集与对应的掩码标签进行训练，获得已训练语义分割网络和虹膜图像集；构建目标分类网络，基于虹膜图像集与对应的身份标签进行训练，获得已训练目标分类网络；获取待识别图像，对待识别图像进行预处理得到待识别实时人眼图像；基于已训练语义分割网络与实时人眼图像获得待识别虹膜图像；通过已训练目标分类网络对待识别虹膜图像进行分类，获得身份标签，实现身份识别。本发明设计一种基于注意力机制和轻量高效模块的语义分割卷积神经网络及目标分类卷积神经网络，使基于虹膜的身份识别方法更准确、更安全、更高效。

7、专利名称：基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统，专利号：ZL202****10718.7

摘要：本发明涉及汽车安全驾驶技术领域，特别是涉及基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统，方法包括：实时采集驾驶舱内驾驶人的动态图像，对动态图像进行增强处理；通过轻量化快速人脸检测器捕捉增强处理后的动态图像中驾驶人的人脸图像流；将人脸图像流输入预设的人脸关键特征点提取网络模型中，提取人脸图像流的每一帧图像的人脸关键特征点，其中，人脸关键特征点提取网络模型通过构建并训练重参数化轻量级卷积网络获得；基于人脸关键特征点判断驾驶人是否存在面部疲劳特征，在检测出存在面部疲劳特征时确定驾驶人存在疲劳驾驶。本发明能够实时、高效、低功耗、安全地处理数据图像数据并分析，及时对驾驶人的状态进行预警。

8、专利名称：面向RISC-V 的硬件木马检测恢复方法、装置、介质与处理器，专利号：ZL202****57407.9

摘要：本发明公开了一种面向RISCV的硬件木马检测恢复方法、装置、介质与处理器，属于硬件安全技术领域，包括：在RISCV处理器执行输入指令，对写入到通用目的寄存器组的信息进行备份，获得备份信息；构建流水线架构， 对一条或多条检测通路进行硬件木马检测， 获得各条检测通路的木马检测结果；当任一条检测通路中存在硬件木马攻击时，暂停流水线架构操作，并对所有寄存数据进行重置；从备份信息中取回被硬件木马所篡改的原信息，并写回至通用目的寄存器组中的对应位置；利用流水线架构重新进行取指、译码和执行操作，利用写回信息将RISCV处理器恢复到正常状态。本发明提出的检测恢复结构，速度更快， 功耗更低。

8、专利名称：基于脉冲神经网络的神经形态计算系统及计算方法，专利号：ZL202****66018.X

摘要：本发明涉及一种基于脉冲神经网络的神经形态计算系统及计算方法，所述系统包括：神经形态处理器，用于采用若干个物理神经元构建硬件化的脉冲神经网络，对实时输入图像进行脉冲编码和目标识别；基于RISCV指令架构实现的中央处理器，用于执行构建脉冲神经网络所需的控制指令；神经形态处理器还用于在控制指令的控制下对脉冲神经网络进行在线学习；存储器，用于存储中央处理器运行所需的程序指令以及中央处理器与神经形态处理器之间传输的数据。本发明还提供了一种神经形态计算方法。本发明提出的神经形态计算技术方案实现了在精度、计算速度、能效三者之间的高度平衡，可以准确、高效、低功耗地处理动态和复杂的任务数据。

8、专利名称：一种基于RISC-V 的神经网络扩展执行计算机系统，专利号：ZL202****97175.7

摘要：本发明公开了一种基于RISCV的神经网络扩展执行计算机系统，包括：基于乱序执行体系结构的RISCV处理器、神经网络硬件加速器、指令存储器、数据存储器和动态调度器；动态调度器用于根据当前计算负载，为计算机系统切换不同的工作模式，将待执行的计算任务分配给RISCV处理器或神经网络硬件加速器执行；所述工作模式包括：标准计算模式、神经网络加速模式和低功耗模式；所述计算任务包括通用计算任务和神经网络计算任务。通过上述技术方案， 本发明提高了计算机系统的智能性， 并在计算效率、**消耗与功耗之间实现了较好平衡。

8、专利名称：一种基于轻量级神经网络的硬件木马检测与恢复系统，专利号：ZL202****26306.X

摘要：本发明公开了一种基于轻量级神经网络的硬件木马检测与恢复系统，包括RISCV处理器， 硬件木马检测装置以及恢复装置；RISCV处理器包括：取指单元、译码单元、执行单元、通用目的寄存器组；取指单元、译码单元和执行单元构成三级流水线架构；硬件木马检测装置用于记录每条RISCV指令在RISCV处理器上的执行路径和时序特征，并基于时序特征利用构建的轻量级神经网络对相应的执行路径进行硬件木马检测；恢复装置用于对通用目的寄存器组的存储信息进行实时备份，并在检测出硬件木马时， 将RISCV处理器恢复至正常状态。本发明提出的硬件木马检测与恢复系统，可靠性与灵活性更高，速度更快，功耗更低。

8、专利名称：一种低功耗单发射乱序执行 RISC-V 处理器和指令处理方法，专利号：202****81910.8

摘要：本发明公开了一种低功耗单发射乱序执行RISCV处理器，包括七级流水线架构，依次分别为：取指单元、指令缓冲单元、译码单元、单指令发射的发射单元、物理寄存器堆、并行乱序计算的执行单元以及退休单元，所述取指单元作为RISCV处理器前端；所述译码单元、所述发射单元、所述物理寄存器堆、所述执行单元和所述退休单元所构成的五级流水线架构作为RISCV处理器后端；通过上述技术方案，本发明提供了一种在性能与功耗上更为均衡的微架构，来提高处理器内核在高计算需求和功耗敏感场景中的适用性。

项目简介：

一方面，图像处理部分主要围绕人工智能、深度神经网络模型、智能图像识别、图像去雾、图像增强、图像语义分割以及基于视觉的机器人环境识别等前沿核心技术进行创新，提出新的智能解决方案，各项专利分别获得较好的性能，具有大量的数据验证与证明其有效性；另一方面，智能芯片设计专利主要围绕智能AI芯片、神经形态计算芯片、低功耗、高性能、RISC-V、计算架构设计、集成电路芯片硬件安全防护等前沿核心技术进行创新，硬件性能均具有大量实验数据的支持。全部专利均为国家重点战略性领域的相关技术，且有相应的国际知名的SCI/EI论文的支持，其中的智能图像识别与智能芯片设计的融合设计方案，取得了国际先进水平，并得到国内外研究同行的认可。

询价方式

公开

公告期限

自本公告发布之日起3个自然日

报价截止时间标书代写

2025年9月27日17:00

联系人及联系方式：

联系人及联系电话

李标186****6654

报价函接收邮箱

gpjy@gipx.****.cn