获奖项目介绍

基于深度学习的 AI 模型训练部署是支撑智慧城市的关键技术，但 AI 模型训练全流程存在数据标注开销、模型设计开销、模型训练开销等巨大开销，长期困扰其在智慧安防、智慧交通、智慧医疗等智慧城市领域中的关键应用。狄耐克与厦门大学等单位共同完成的《面向智慧城市的低开销AI模型训练关键技术及应用》项目，以构建面向智慧城市的低开销 AI 模型训练技术为目标，采用低数据开销、低选型开销和低训练开销全链条 AI 模型训练新思路，旨在为绿色低碳转型下的 AI 模型高效训练提供系统性解决方案。

项目创新成果

该项目研发了交互与弱监督驱动的低开销模型训练新技术，实现了小样本与弱样本环境下分割检测网络的高效充分训练；其次，该项目研发了高效采样及优化的神经网络结构自动搜索及压缩新技术，实现了软硬件自适配的低开销模型设计及压缩；此外，该项目还研发了主动数据价值感知与伪标签高效利用的低开销模型训练新技术，实现了面向海量噪声样本的神经网络模型高效训练。

项目成果将应用于华为、腾讯、百度、阿里巴巴等人工智能头部企业，以及宁德时代、狄耐克、身份宝、南强智视等福建厦门本地企业，覆盖低数据开销、低选型开销和低训练开销全链条 AI 模型训练新技术。