【A20】基于FPGA的车牌识别应用系统【英特尔FPGA】
1. 命题方向
智能制造
2. 题目类别
应用类
3. 题目名称
基于FPGA的车牌识别应用系统
4. 背景说明
【整体背景】
随着人工智能技术的发展,人工智能应用遍及现代物流、智能家居、精细农牧业、智能交通、环境保护、工业监测等多个领域。应用人工智能技术的智能终端也逐步走入人们生活的方方面面。而FPGA 因其强大的浮点和高并行运算能力,灵活性的IO,更低的功耗,并且可以根据现场要求反复编程,非常适合做人工智能模型的推理加速。
【公司背景】
英特尔FPGA中国创新中心是英特尔全球产品事业部与英特尔中国共同规划的战略项目,以中国西部硅谷重庆作为建设中心,同时通过FPGA云接入平台及战略合作计划联结中国广大生态合作伙伴,共同打造围绕 FPGA 技术为核心的科技创新中心。该中心也是英特尔在亚太区域内最大的且唯一聚焦FPGA 技术与生态的创新中心。
英特尔FPGA中国创新中心的运营方重庆海云捷迅科技有限公司为 FPGA 技术及泛人工智能企业技术企业,提供辐射全国的优质创新生态资源,并提供“高质量、全方位”的创新服务,以及提供技术支持、人才培养、市场增长、品牌推广、渠道与产业对接等全方面服务。
英特尔将以全球领先的英特尔FPGA 中国创新中心为基地,深度聚集产业资源,加速以FPGA为核心的全球化科技创新,推进相关产业落地和培养创新人才,促进中国FPGA创新生态健康蓬勃发展。
【业务背景】
英特尔FPGA中国创新中心将依托英特尔在全球 FPGA 领域的技术和优势,为 FPGA 人才培养、产业孵化、产业峰会及创新大赛、应用展示等方面提供助力,并加速 FPGA 生态圈建设。
5. 项目说明
【问题说明】
车牌识别是机器视觉领域的一种技术应用。车牌识别在高速公路车辆管理、停车场计费系统等处得到了广泛应用。而FPGA具有开发灵活和高速并行的特点,也越来越多的应用到人工智能图形图像处理领域。结合实际应用场景,我们需要应用FPGA实现车牌识别功能。
【用户期望】
通过研究人工智能车牌识别算法,将训练好的模型部署到FPGA上,实现FPGA对模型的推理,制作一个车牌识别系统。
6. 任务要求
【开发说明】
要求选手选择合适的车牌识别算法,训练模型,在FPGA上进行模型推理,努力提高车牌识别平均帧率(FPS)及识别准确率。
公司会给定数据集A,选手可使用该数据集进行模型训练和测试。最终需在FPGA上对数据集B进行推理验证。
最终研发成果为可执行程序(不要求图形界面),可对数据集B内的车牌图片进行车牌识别,识别结果打印输出或图形展示。使用Linux time命令进行计时,求得运行时间。
鼓励选手采用创新技术手段、创新算法、创新思路解决FPGA上的车牌识别问题。
【技术要求与指标】
(1)要求选手能够详细阐述使用的机器学习/深度学习算法;
(2)要求最终的推理准确率能够达到90%以上;
(3)平均帧率在5帧以上。
【提交材料】
(1)项目概要介绍;
(2)项目简介PPT;
(3)项目详细方案;
(4)项目演示视频;
(5)企业要求提交材料:
Ø 可以证明推理平均帧率(FPS)及准确度的材料
Ø 设计方案优势的描述
Ø 可执行程序,输入车牌图片输出识别结果
(6)团队自愿提交的其他补充材料。
【任务清单】
(1)选择合适的车牌识别算法,并能够训练出比较理想的模型;
(2)利用训练好的模型,部署到FPGA上,进行模型推理;
(3)采集车牌数据集,验证车牌识别平均帧率(FPS)及准确率。
【开发工具与数据接口】
(1)开发软件:Intel Quartus II、HLS等工具链。
(2)开发工具:Intel FPGA:Cyclone V或其他系列。
(3)推荐开发工具:AWCloud C5 FPGA kit或 AWCloud人工智能边缘实验平台
(4)开发语言:VHDL/Verilog、HLS C、Python等。
(5)平台使用申请及数据集获取地址:https://www.fpga-china.com/fwwb。
7. 参考信息
可参考的技术方案:
使用RTL/HLS技术生成算子,或者使用OpenCL进行算法开发,与FPGA内嵌ARM联合实现功能要求;不要求在ARM/FPGA实现模型的训练过程,但应当使用ARM/FPGA实现模型的推理,其中,ARM和FPGA分工不同,ARM负责实现数据搬运和流程控制,FPGA实现具体的数据计算。
8. 评分要点
本赛题评分要点参考附件一:A类企业命题统一评分标准。