(一) 申報單位為廣東省內注冊創(chuàng )新主體(包括企業(yè)、科研院所、高校、其他事業(yè)單位和行業(yè)組織等)的，應注重產(chǎn)學(xué)研結合、整合省內外優(yōu)勢資源;申報單位為港澳地區高校院所的，按照《廣東省科學(xué)技術(shù)廳 廣東省財政廳關(guān)于香港特別行政區、澳門(mén)特別行政區高等院校和科研機構參與廣東省財政科技計劃(專(zhuān)項、基金等)組織實(shí)施的若干規定(試行)》(粵科規范字〔2019〕1號)文件精神納入相應范圍;申報單位為省外地區的，項目評審與立項過(guò)程按照相關(guān)規定與廣東省內單位平等對待。

　　省外單位牽頭申報的，經(jīng)競爭性評審，擇優(yōu)納入科技計劃項目庫管理;入庫項目在滿(mǎn)足科研機構、科研活動(dòng)、主要團隊到廣東落地，且項目知識產(chǎn)權在廣東申報、項目成果在廣東轉化等條件后，將給予立項支持。

　　(二) 堅持需求導向和應用導向。鼓勵產(chǎn)學(xué)研聯(lián)合申報，牽頭申報單位為企業(yè)的，原則上應為高新技術(shù)企業(yè)或龍頭骨干企業(yè)，建有研發(fā)機構，在本領(lǐng)域擁有國家級、省部級重大創(chuàng )新平臺，且以本領(lǐng)域領(lǐng)軍人物作為項目負責人。鼓勵加大配套資金投入，企業(yè)牽頭申報的，項目總投入中自籌經(jīng)費原則上不少于70%;非企業(yè)牽頭申報的，項目總投入中自籌經(jīng)費原則上不少于50%(自籌經(jīng)費主要由參與申報的企業(yè)出資)。

　　(三) 省重點(diǎn)領(lǐng)域研發(fā)計劃申報單位總體不受在研項目數的限項申報約束，項目應依托在該領(lǐng)域具有顯著(zhù)優(yōu)勢的創(chuàng )新單位，加強資源統籌和要素整合，集中力量開(kāi)展技術(shù)攻關(guān)。不鼓勵同一單位或同一研究團隊分散力量、在同一專(zhuān)項中既牽頭又參與多個(gè)項目申報，否則納入科研誠信記錄并進(jìn)行相應處理。

　　(四) 項目負責人應起到統籌領(lǐng)導作用，能實(shí)質(zhì)性參與項目的組織實(shí)施，防止出現拉本領(lǐng)域高端知名專(zhuān)家掛名現象。

　　(五) 項目?jì)热蓓氄鎸?shí)可信，不得夸大自身實(shí)力與技術(shù)、經(jīng)濟指標。各申報單位須對申報材料的真實(shí)性負責，要落實(shí)《關(guān)于進(jìn)一步加強科研誠信建設的若干意見(jiàn)》(廳字〔2018〕23號)要求，加強對申報材料審核把關(guān)，杜絕夸大不實(shí)，甚至弄虛作假。各申報單位、項目負責人須簽署《申報材料真實(shí)性承諾函》(模板可在陽(yáng)光政務(wù)平臺系統下載，須加蓋單位公章)。項目一經(jīng)立項，技術(shù)、產(chǎn)品、經(jīng)濟等考核指標無(wú)正當理由不予修改調整。

　　(六) 申報單位應認真做好經(jīng)費預算，按實(shí)申報，且應符合申報指南有關(guān)要求。

　　(七) 有以下情形之一的項目負責人或申報單位不得進(jìn)行申報或通過(guò)資格審查：

　　1.項目負責人有廣東省級科技計劃項目3項以上(含3項)未完成結題或有項目逾期一年未結題(平臺類(lèi)、普惠性政策類(lèi)、后補助類(lèi)項目除外);

　　2.項目負責人有在研廣東省重大科技專(zhuān)項項目、重點(diǎn)領(lǐng)域研發(fā)計劃項目未完成驗收結題(此類(lèi)情形下該負責人仍可作為主要參與人參與項目申報);

　　3.在省級財政專(zhuān)項資金審計、檢查過(guò)程中發(fā)現重大違規行為;

　　4.同一項目通過(guò)變換課題名稱(chēng)等方式進(jìn)行多頭或重復申報;

　　5.項目主要內容已由該單位單獨或聯(lián)合其他單位申報并已獲得省科技計劃立項;

　　6.省內單位項目未經(jīng)科技主管部門(mén)組織推薦;

　　7.有尚在懲戒執行期內的科研嚴重失信行為記錄和相關(guān)社會(huì )領(lǐng)域信用“黑名單”記錄;

　　8.違背科研倫理道德。

　　(八) 申報項目還須符合申報指南各專(zhuān)題方向的具體申報條件。

　　二、專(zhuān)題內容

　　專(zhuān)題一：關(guān)鍵基礎體系研究及驗證(專(zhuān)題編號： 20190153)

　　項目1：面向自主智能體感知與協(xié)作的計算架構和驗證

　　(一)研究?jì)热?/p>

　　針對自主智能體感知與協(xié)作的新型深度計算架構開(kāi)展研究。針對實(shí)時(shí)感知與識別、自主控制與協(xié)作、動(dòng)態(tài)環(huán)境下的自適應任務(wù)重構等難題，突破實(shí)時(shí)目標檢測算法、多智能體協(xié)作、智能計算智能處理器系統結構設計等關(guān)鍵技術(shù)。研 究低功耗、強實(shí)時(shí)的軟硬件協(xié)同解決方案;研究基于語(yǔ)義地 圖的情境理解和多智能體協(xié)作等核心技術(shù);完成基于認知計 算模型的人工智能原型處理器設計，面向多智能協(xié)同任務(wù)的 原理驗證系統?？芍С种腔畚锪?、智慧社區、智慧安防等領(lǐng)域。

　　(二)考核指標

　　項目完成時(shí)，須基于自主智能理論計算架構完成一款新型處理器原型設計，并建成面向物流、無(wú)人駕駛等領(lǐng)域技術(shù)驗證系統，可與原有自主智能體感知、協(xié)作、任務(wù)執行效率直接比對。其中，處理器峰值算力不低于12.8TOPs， 執行效率不低于70%，部分網(wǎng)絡(luò )不低于80%;單處理器支持不低于8路的1080P@60Hz目標檢測任務(wù);基于該原型處理器構建自主智能體數目≥10個(gè)、種類(lèi)≥2類(lèi)的多智能體協(xié)同驗證系統;驗證系統圍繞混合增強智能、機載實(shí)時(shí)處理、空地聯(lián)合感知協(xié)作、動(dòng)態(tài)環(huán)境任務(wù)自適應重構等關(guān)鍵技術(shù)開(kāi)展集成驗證，達到低能耗、高實(shí)時(shí)、強適應的要求;項目執行期內在廣東省內自主智能體領(lǐng)域進(jìn)行不少于3處應用，完成新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)， 研制并發(fā)布實(shí)施團體標準2項，集成電路保護布圖1項。

　　項目2：基于混合增強智能的平行智能理論研究及驗證

　　(一)研究?jì)热?/p>

　　本方向針對平行智能理論體系下的機器智能進(jìn)行系統性研究。研究提升機器理解并適應真實(shí)世界環(huán)境、完成復雜時(shí)空關(guān)聯(lián)任務(wù)的能力;研究基于認知計算的混合增強智能，探索直覺(jué)推理與因果模型、記憶和知識演化的可計算框架;研究人機協(xié)同的感知與執行一體化模型、智能計算前移的新型邊緣節點(diǎn)等核心技術(shù);構建包含人工系統、計算實(shí)驗、平行控制與管理等功能的混合增強智能平行智能系統平臺;在制造、交通或健康等行業(yè)建立驗證系統予以驗證。

　　(二)考核指標

　　項目完成時(shí)，須基于平行智能理論建立具有人機物要素10萬(wàn)個(gè)以上、可接入2類(lèi)以上智能系統API、具備10種以上接口的驗證系統及軟硬件平臺，并在實(shí)際場(chǎng)景中應用、驗證、效率比對。該驗證系統包含人機混合增強智能基礎模型與核心技術(shù)算法不少于15個(gè)，以上模型和算法能夠支 持語(yǔ)音、圖像、意圖理解等多模態(tài)人機交互手段，將人機交互、感知和認知計算的運行效率比現有水平提升30%以上; 所構建的平行智能系統平臺對典型場(chǎng)景的感知精度超過(guò)95%，實(shí)現人工工作量降低40%以上;項目執行期內完成新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)，研制并發(fā)布實(shí)施團體標準2項。項目執行期內在廣東省內制造、交通或健康等領(lǐng)域完成不少于3類(lèi)應用示范。

　　項目3：面向數據智能標注的弱監督與自學(xué)習方法及系統驗證

　　(一)研究?jì)热?/p>

　　本方向針對大數據智能的關(guān)鍵基礎體系進(jìn)行建設。研究多機構協(xié)同的系統性結構化標注策略，結合深度學(xué)習算法針對影像數據(如圖片、視頻)、文本數據(如語(yǔ)音、文字)研究自動(dòng)生成結構化數據的智能標注系統，開(kāi)發(fā)半監督/無(wú)監督學(xué)習算法支持下的集數據收集、數據處理和自動(dòng)標注為一體的智能標注云平臺。通過(guò)從海量未標注的數據中自動(dòng)挖掘有價(jià)值的目標信息，實(shí)現(極)弱監督下的特征與模型學(xué)習，并大幅度地提升模型的精簡(jiǎn)性、通用性和適應性。通過(guò)推理、匹配與迭代優(yōu)化，研究無(wú)標注樣本下的深度特征預學(xué)習;研究結合遷移學(xué)習與主動(dòng)學(xué)習的增量學(xué)習方法，并通過(guò)漸進(jìn)式模型訓練將其應用到實(shí)體目標增量標注任務(wù)中，通過(guò)迭代學(xué)習有效地提升模型性能。建立高效通用的數據標簽與結構化標注標準體系，并完成標準化的標注數據庫建設。

　　(二)考核指標

　　項目完成時(shí)，須建成一個(gè)智能標注開(kāi)放平臺，接入的開(kāi)發(fā)者不少于300個(gè)，平臺上通用和專(zhuān)用智能標注小程序不少于100個(gè)，活躍用戶(hù)不少于3000個(gè)。項目形成的平臺可完成面向影像、文本數據自動(dòng)標注任務(wù)，提出20個(gè)以上的弱監督與自主學(xué)習模型與算法，實(shí)現標注準確率不低于92%， 對于其中任一個(gè)子任務(wù)分類(lèi)的準確率、靈敏度、特異度均不低于90%。開(kāi)發(fā)海量數據自動(dòng)標注系統，建立起包括億級數量和PB級存儲的各類(lèi)影像數據(圖片、視頻)、文本數據(語(yǔ)音、文字)庫。項目執行期內完成新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)，研制并發(fā)布 實(shí)施團體標準2項。驗證應用需覆蓋廣東省內無(wú)人駕駛、智 能安防、智慧醫療等領(lǐng)域。

　　申報要求：本專(zhuān)題的項目3須企業(yè)牽頭申報。

　　支持強度：本專(zhuān)題每個(gè)項目擬支持1-2項，資助額度3000 萬(wàn)元左右/項。

　　專(zhuān)題二：關(guān)鍵共性技術(shù)研究及應用(專(zhuān)題編號： 20190154)

　　項目1：基于跨媒體感知的人機交互關(guān)鍵技術(shù)研究與應用

　　(一)研究?jì)热?/p>

　　開(kāi)展多模態(tài)的人機交互技術(shù)研究，重點(diǎn)解決以視覺(jué)感知、語(yǔ)音理解、動(dòng)作交互為主的人機交互核心問(wèn)題。研究面向開(kāi)放環(huán)境的自適應場(chǎng)景及交互對象的視覺(jué)感知與建模，提升智能系統對多樣化場(chǎng)景的適應能力;開(kāi)展高層語(yǔ)義理解與融合的人機語(yǔ)音交互技術(shù)研究，提升語(yǔ)音系統在開(kāi)放交互場(chǎng)景中的模糊理解與泛化推理能力;研究跨模態(tài)的機器人情感認知技術(shù)，包含表情、對話(huà)語(yǔ)音情感理解等;研究融合認知理解的高自由度人機動(dòng)作交互，實(shí)現多模態(tài)與多樣化的人機交互方式;研制面向通用邊緣計算的智能實(shí)時(shí)推理平臺，形成端云一體化的多模態(tài)人機交互系統，實(shí)現感知、理解、交互一體的智能設備;在多模態(tài)人機交互上形成核心技術(shù)，并在服務(wù)、教育、工業(yè)等人機交互與機器人方向形成示范性應用。

　　(二)考核指標

　　項目完成時(shí)，須開(kāi)發(fā)完成具備多模態(tài)感知能力，具備高自由度并可自主執行動(dòng)作的智能機器人不少于3款。項目 需建立環(huán)境自適應的場(chǎng)景感知系統，實(shí)現高精度的場(chǎng)景感知和理解，并滿(mǎn)足10個(gè)以上場(chǎng)景的自適應感知需求;完成交互語(yǔ)音理解系統，中文語(yǔ)音識別準確率超過(guò)90%，中文問(wèn)答準確率高于85%;開(kāi)發(fā)完成高自由度的實(shí)時(shí)動(dòng)作交互系統， 機器人動(dòng)作交互姿態(tài)超過(guò)15個(gè)自由度;多模態(tài)情感識別準確度>90%;構建面向多模態(tài)人機交互的端云一體化的實(shí)時(shí) 動(dòng)作交互平臺，其邊緣計算滿(mǎn)足大于5幀/秒的實(shí)時(shí)處理能力;形成多模態(tài)感知與人機動(dòng)作交互相融合的交互應用不少于3項。在廣東省內服務(wù)、教育、工業(yè)等智能機器領(lǐng)域應用。項目執行期內完成新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)，提交國際或國家標準標準草案≥1項。

　　項目2：工業(yè)級多模智能感知系統關(guān)鍵技術(shù)與邊云協(xié)同應用

　　(一)研究?jì)热?/p>

　　開(kāi)展基于聲和超聲感知的智能感知認知理論和關(guān)鍵技術(shù)研究。研究基于工業(yè)聲成像的產(chǎn)品或零部件故障辨識和故障定位技術(shù);基于聲像的對抗學(xué)習、遷移學(xué)習和強化學(xué)習融合算法，研究基于深度學(xué)習的時(shí)序/空間/時(shí)頻多維信息 融合推理算法。研究基于超聲感知的高精度定位技術(shù)，基于機器學(xué)習、流形學(xué)習、深度學(xué)習的多維信號特征提取算法。研究基于自組織神經(jīng)網(wǎng)絡(luò )、記憶回放機制的在線(xiàn)增量學(xué)習算法，實(shí)現基于人機互動(dòng)的新故障自動(dòng)標注。建立面向制造感知的可重構異構智能計算邊緣節點(diǎn)定制化軟硬件協(xié)同設計，研究高效、靈活的深度神經(jīng)網(wǎng)絡(luò )加速單元和信號處理加速單元設計，為多框架深度學(xué)習以及信號處理構建易于編程與應用的集成編譯開(kāi)發(fā)與運行時(shí)管理軟件，完成自主邊緣智能計算節點(diǎn)構建。建立多模態(tài)感知融合云平臺并實(shí)現多廠(chǎng)區邊云部署，建成同類(lèi)產(chǎn)品在不同區域產(chǎn)線(xiàn)的多模態(tài)感知智能學(xué)習與計算系統。形成算法、系統與平臺的完整軟硬件設計與快速的算法模型可迭代設計評估、驗證。

　　(二)考核指標

　　項目完成時(shí)，須完成基于非接觸超聲感知及聲感知等先進(jìn)感知的工業(yè)智能診斷系統，并實(shí)現邊云部署。其中， 非接觸超聲感知系統可實(shí)現掃查檢測3m/s以上，工作距離范 圍0.35m～2m時(shí)檢出點(diǎn)定位精度小于1cm，成像點(diǎn)間距小于1mm，故障檢出率≥95%。工業(yè)聲像的故障、定位感知認知模型10種以上，系統可分離故障聲源6個(gè)以上，故障聲定位精度±1cm，故障識別10種以上，判斷時(shí)間小于1s，故障檢出率≥99.99%，故障辨識準確率≥95%(包括在線(xiàn)新增故障，背景噪聲強度70db~90db)。需構建易于多模態(tài)感知計算的自研算法庫，自研管理平臺可兼容多種主流計算框架，實(shí)現深度學(xué)習以及信號處理等算法融合的混合模型壓縮、集 成仿真與在線(xiàn)評測;為自主硬件設計單元設計定制硬件接 口抽象與高層次綜合庫，完成國產(chǎn)應用處理器+FPGA的邊緣智能節點(diǎn)設計，節點(diǎn)功耗<15W。系統需在5個(gè)以上不同區域廠(chǎng)區聯(lián)合調試部署，部署上線(xiàn)軟硬件系統不少于100套， 產(chǎn)線(xiàn)覆蓋不少于80條，覆蓋產(chǎn)線(xiàn)產(chǎn)值不少于25億/年。項目 執行期內完成新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)。

　　項目3：基于端云融合的網(wǎng)聯(lián)協(xié)同控制關(guān)鍵技術(shù)研究及應用

　　(一)研究?jì)热?/p>

　　面向AIOT場(chǎng)景下復雜不確定性端云融合模式下的跨域業(yè)務(wù)協(xié)同控制問(wèn)題，開(kāi)展邊緣計算網(wǎng)關(guān)及智能網(wǎng)聯(lián)協(xié)同控制系統的關(guān)鍵技術(shù)研究。包括面向處理器級網(wǎng)聯(lián)端側設備 數據采集融合的端云協(xié)同智能計算模型、低功耗邊緣計算 網(wǎng)關(guān)體系架構、端云融合網(wǎng)聯(lián)大數據全周期閉環(huán)智能管理 模型。研制具備低功耗、輕量級人工智能算法邊緣執行框架的網(wǎng)關(guān)設備，研究支持終端網(wǎng)聯(lián)節點(diǎn)國產(chǎn)操作系統的自 主可控軟件集成開(kāi)發(fā)環(huán)境和開(kāi)源工具鏈。支持TensorFlow等框架下訓練完成的神經(jīng)網(wǎng)絡(luò )模型到算子的翻譯、算子到AI 芯片的指令集編譯，研發(fā)面向AIOT的軟件集成開(kāi)發(fā)環(huán)境和編譯工具鏈，搭建開(kāi)源計算平臺，提高邊緣計算網(wǎng)關(guān)的AI 支持，面向城市交通管理、無(wú)人駕駛、安全生產(chǎn)應急管理、 企業(yè)風(fēng)險預警分析管控等熱點(diǎn)的城市大腦協(xié)同控制場(chǎng)景建 立示范應用。

　　(二)考核指標

　　項目完成時(shí)，須完成一個(gè)開(kāi)源開(kāi)放邊緣計算網(wǎng)關(guān)系統開(kāi)發(fā)，該邊緣計算網(wǎng)關(guān)可支持采用基于RISC-V的超低功耗多核并行架構并支持不少于5種擴展指令集的處理器，支持 離線(xiàn)運行卷積神經(jīng)網(wǎng)絡(luò )等主流人工智能推理算法。支持不少于5種國產(chǎn)MCU或嵌入式處理器，支持NCNN和MNN兩種國內主導的主流神經(jīng)網(wǎng)絡(luò )推理算法框架，以及Yolo V3等10 種以上嵌入式領(lǐng)域常用神經(jīng)網(wǎng)絡(luò )類(lèi)型的模型編譯轉化。自研形成集成開(kāi)發(fā)環(huán)境，性能不低于手寫(xiě)匯編效率的70%，比開(kāi)源工具開(kāi)發(fā)效率提升一個(gè)數量級，性能提升2倍以上，支持不少于兩種主流開(kāi)源操作系統。支持100萬(wàn)級邊緣節點(diǎn)在線(xiàn)智能協(xié)同管理，以及不少于10種制式通信協(xié)議、不少于5 類(lèi)多屬性異構數據預處理。形成端云融合智能協(xié)同控制系統可支持PB級數據處理能力，并面向廣東省內交通管控、無(wú)人駕駛、安全生產(chǎn)等復雜不確定性跨域業(yè)務(wù)場(chǎng)景，提升總體協(xié)調控制效率20%以上。項目執行期內完成新申請發(fā)明 專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)，申請軟 件著(zhù)作權≥20項，提交國際或國家標準標準草案≥1項。項目實(shí)施三年內相關(guān)產(chǎn)品與服務(wù)累計涉及用戶(hù)規模(企業(yè)/個(gè)人)到達100萬(wàn)級。

　　項目4：預測性決策控制模型研發(fā)與人工智能開(kāi)放平臺構建

　　(一)研究?jì)热?/p>

　　研究面向制造的預測性決策控制模型及基礎算法庫， 研究支撐高維度性能衰退指標提取的高穩定性和敏感性算 法;研究根據特征數據庫和運行數據庫構建設備健康混合 模型，研究支持模型重合度評估系統或其部件健康度的算法;研究設備性能退化程度的算法及反饋補償控制技術(shù)，研發(fā)軟硬件協(xié)同計算系統。研究支撐高速在線(xiàn)動(dòng)態(tài)補償智能決策模型算法。研究支撐柔性件roll to roll和連續加工過(guò)程產(chǎn)品測量與和面向過(guò)程的誤差源識別算法，構建基 于制造質(zhì)量預測可拓模型，研發(fā)柔性件制造預測性決策控 制深度學(xué)習人工智能算法開(kāi)放平臺系統，研發(fā)可視化虛擬 設備屬性數據建模與映射關(guān)系建立技術(shù)，研發(fā)拖拽式可視 化、圖形化的數據建模、數據探索、深度分析、規則聯(lián)動(dòng) 與預運行及自主數據模型構建技術(shù)。

　　(二)考核指標

　　項目完成時(shí)，須完成一個(gè)預測性決策人工智能開(kāi)放平 臺建設。該平臺可連接運行設備不少于10萬(wàn)臺，并發(fā)數據 上報吞吐量單機QPS>8W，數據存儲吞吐日均數據承載>30T，可提供包括特征提取、性能衰退預測、健康評估等預測性維護深度學(xué)習算法模型不少于200種，算法模型須支持Spark ML、Python等主流人工智能算法開(kāi)發(fā)語(yǔ)言。系統支持拖拽式可視化數據建模，提供可視化虛擬設備屬性數據建模并建立映射關(guān)系以及圖形化、拖拽式的規則建模、規則聯(lián)動(dòng)與預運行，支持軟件開(kāi)發(fā)語(yǔ)言Java、Ruby、PHP、C#、Golang、NodeJS、Python，項目執行期間需接入平臺活躍用戶(hù)不少于10萬(wàn)個(gè)，開(kāi)發(fā)者數大于6000個(gè)。針對可roll to roll和連續生產(chǎn)的柔性材料類(lèi)制造系統，實(shí)現人工智能維護算法穩定性邊界差異指標<5%，誤判率<20%，實(shí)現早于基準的預測預報，裝備運行持續時(shí)間在原基礎上提高5%， 柔性件核心加工部件實(shí)際使用時(shí)間提高1倍，原材料使用率比在項目實(shí)施前提升5%，覆蓋產(chǎn)能總體良率提升1.5%以上。項目完成時(shí)，基于上述創(chuàng )新成果，實(shí)現在廣東省內6家以上不同行業(yè)柔性件制造企業(yè)形成智能化示范應用。新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5項PCT專(zhuān)利)。

　　申報要求：本專(zhuān)題的所有項目均須企業(yè)牽頭申報。

　　支持強度：本專(zhuān)題每個(gè)項目擬支持1-2項，資助額度3000 萬(wàn)元左右/項。

　　專(zhuān)題三：關(guān)鍵處理與感知器件(專(zhuān)題編號：20190155)

　　項目1：可敏捷定制的智能視覺(jué)處理器及系統應用

　　(一)研究?jì)热?/p>

　　研究面向智能視覺(jué)應用的可靈活調整的處理器體系架構和部署工具，解決現有深度學(xué)習處理器固定體系結構與靈 活應用數據流之間的矛盾，針對不同應用場(chǎng)景中的深度學(xué)習 算法，研究處理器在算法特定的體系結構中的配置方法，研 究處理器在稠密網(wǎng)絡(luò )與稀疏網(wǎng)絡(luò )間切換模式，研究處理器動(dòng) 態(tài)調整數據流和數據位寬的方法。研究面向智能視覺(jué)的神經(jīng) 網(wǎng)絡(luò )模型壓縮技術(shù)，制定統一的網(wǎng)絡(luò )壓縮標準。研究高保真 度光感成像技術(shù)、超大圖像數據的快速壓縮與傳輸技術(shù)、亞像素級超高清圖像特征提取、分割、匹配與識別技術(shù)。開(kāi)展基于端云協(xié)同的應用示范。

　　(二)考核指標

　　項目完成時(shí)，須實(shí)現智能視覺(jué)終端ASIC處理器流片。該處理器在65nm制程下，最高功耗控制在2W以?xún)?，峰?bit定點(diǎn)最高性能達到10TOPS和最高能效達到5TOPs/W量級。處理器可支持不同數據位寬(4, 8, 16, 32)的神經(jīng)網(wǎng)絡(luò ), 卷積層平均資源利用率達到75%以上，處理器具備可以靈活配置成不同網(wǎng)絡(luò )層和面向不同場(chǎng)景的能力?；谠撁艚荻ㄖ埔曈X(jué)處理器開(kāi)發(fā)的“端云系統”，可在智能交通或高精度智能檢測等領(lǐng)域應用，須在具體場(chǎng)景中驗證敏捷定制處理器數據流 與數據位寬動(dòng)態(tài)調整效果。項目執行期間，新申請發(fā)明專(zhuān)利 大于等于20項(其中至少包含5項PCT專(zhuān)利)，研制并發(fā)布實(shí)施團體標準2項。

　　項目2：高性能TOF三維感知器件研發(fā)及視覺(jué)引導自主智能系統應用

　　(一)研究?jì)热?/p>

　　開(kāi)展高性能TOF圖像傳感器、3D傳感器關(guān)鍵技術(shù)研究及處理器開(kāi)發(fā)與應用。研發(fā)高感光度、高量子效率、低暗電流噪聲且體積小的背照式(BSI)iTOF像素單元及其高分辨率圖像傳感器;研發(fā)高速、高精度、低功耗ADC及其讀出電路;研究基于面陣激光器及光學(xué)器件組成的激光發(fā)射模組及其高頻調制驅動(dòng)電路?；陧椖块_(kāi)發(fā)的TOF感知器件，研究3D視覺(jué)引導的自主智能系統，研究復雜環(huán)境下對操作對 象快速三維感知的能力，重構交互場(chǎng)景和操作對象三維模 型，完成自主智能系統在復雜環(huán)境約束下的運動(dòng)控制，研 究用于精準交互和靈巧操作、快速估計的深度網(wǎng)絡(luò )模型應 具備的防備對抗攻擊的魯棒性。

　　(二)考核指標

　　項目完成時(shí)，須研發(fā)出工業(yè)級TOF 3D傳感器模組，并應用于3D視覺(jué)誘導。研發(fā)采用BSI和stacking工藝的Si基TOF圖像傳感器，像素大小不超過(guò)5um x 5um，使940nm的量子效率至少達到35%，像素內的光電子傳輸<1ns;3D傳感器分辨率可達到VGA，幀速可達到150fps，對角FOV大于80°，近距離測量相對精度不超過(guò)2mm@0.5m，遠距離測量相對精 度不超過(guò)1%@20m;TOF器件應用于三維視覺(jué)引導，可重構場(chǎng)景和交互模型，建立場(chǎng)景/物體類(lèi)別不少于100個(gè)，主動(dòng)抓取成功率不低于90%，將重構和虛擬場(chǎng)景訓練所得模型用于 真實(shí)抓取的遷移學(xué)習，主動(dòng)抓取成功率不低于80%。項目執行期內完成新申請發(fā)明專(zhuān)利大于等于20項(其中至少包含5 項PCT專(zhuān)利)。實(shí)現在廣東省內工業(yè)制造、安防、危險品處理、物流、數據中心等至少三個(gè)行業(yè)的示范應用。

　　申報要求：本專(zhuān)題的項目2須企業(yè)牽頭申報。

　　支持強度：本專(zhuān)題每個(gè)項目擬支持 1-2 項，資助額度 3000萬(wàn)元左右/項。

　　三、評審及立項說(shuō)明

　　省重點(diǎn)領(lǐng)域研發(fā)計劃項目由第三方專(zhuān)業(yè)機構組織評審，對申報項目的背景、依據、技術(shù)路線(xiàn)、科研能力、時(shí)間進(jìn)度、經(jīng)費預算、績(jì)效目標等進(jìn)行評審論證，并進(jìn)行技術(shù)就緒度和知識產(chǎn)權等專(zhuān)業(yè)化評估：

　　(一) 技術(shù)就緒度與先進(jìn)性評估。本專(zhuān)項主要支持技術(shù)就緒度3-6級的項目，項目完成時(shí)技術(shù)就緒度一般應達到7-9級，原則上項目完成后技術(shù)就緒度應有3級以上提高(技術(shù)就緒度評價(jià)標準及細則見(jiàn)附件2)，各申報單位應在可行性報告中按要求對此進(jìn)行闡述并提供必要的佐證支撐材料(可行性報告提綱可在陽(yáng)光政務(wù)平臺系統下載)。

　　(二) 查重及技術(shù)先進(jìn)性分析。將利用大數據分析技術(shù)，對照國家科技部科技計劃歷年資助項目與廣東省科技計劃歷年資助項目，對擬立項項目進(jìn)行查重和先進(jìn)性等分析。

　　(三) 知識產(chǎn)權分析評議。項目研究成果一般應有高質(zhì)量的知識產(chǎn)權，請各申報單位按照高質(zhì)量知識產(chǎn)權分析評議指引的有關(guān)要求加強本單位知識產(chǎn)權管理，提出項目的高質(zhì)量知識產(chǎn)權目標，并在可行性報告中按要求對此進(jìn)行闡述并提供必要的佐證支撐材料(可行性報告提綱可在陽(yáng)光政務(wù)平臺系統下載)，勿簡(jiǎn)單以專(zhuān)利數量、論文數量作為項目目標。

　　擬立項項目經(jīng)領(lǐng)域專(zhuān)家和戰略咨詢(xún)專(zhuān)家審議，并按程序報批后納入項目庫管理，按年度財政預算及項目落地情況分批出庫支持，視項目進(jìn)展分階段進(jìn)行資金撥付。

　　四、聯(lián)系人及電話(huà)

　　1.高新技術(shù)發(fā)展及產(chǎn)業(yè)化處(專(zhuān)題業(yè)務(wù)咨詢(xún))：文曉蕓，020-83163877

　　2.業(yè)務(wù)受理及技術(shù)支持：020-83163930、83163338

　　3.資源配置與管理處(綜合性業(yè)務(wù)咨詢(xún))：司圣奇　020-83163838