Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Våra e-tjänster för ansökningar, projekt och bedömningar (Intressentportalen) stänger torsdagen den 20 januari kl 16:30 för systemuppdateringar. De beräknas öppna igen senast fredagen den 21 januari kl 8:00.  

Perceptron

Diarienummer
Koordinator Volvo Technology AB - GTT/ATR/EES
Bidrag från Vinnova 13 739 551 kronor
Projektets löptid juni 2017 - november 2019
Status Avslutat
Utlysning Elektronik, mjukvara och kommunikation - FFI
Ansökningsomgång Elektronik, mjukvara och kommunikation - FFI - 2017-03-14
Slutrapport 2017-01942engelska.pdf(pdf, 3250 kB) (In English)

Syfte och mål

Det övergripande målet för projektet var att bygga DL-kompetens och det har gjorts genom följande tre punkter: 1. Ett koncept och en infrastruktur för data-driven evolution av DL-applikationer har utvecklats. 2. En studie och en evaluering av tränings- och inferens-plattformar har genomförts för att underlätta valet av hårdvara. 3. Tre DL-applikationer för objekt detektion, detektering av körbar area och filmarkerings-detektion har också utvecklats. Dessa kan köras med realtidsprestanda och är baserade på state-of-the-art-arkitekturer.

Resultat och förväntade effekter

Som ett resultat av det uppfyllda målet har kompetensen hos projekt-parterna ökat i hela utvecklingskedjan för DL-applikationer. Detta involverar data-loggning, nätverksarkitektur och träning och validering av DL-applikationerna.Ett dataset med 28.000 bilder med objekt, filmarkering och markering av körbar area har skapats. Dessutom har en demonstrations-lasbil byggts och utrustats med den hård-och mjukvara som krävs för att köra DL-appllkationerna.

Upplägg och genomförande

Projektet är uppdelat i 8 arbetspaket: WP1 Projektkoordinering, WP2 Infrastruktur, WP3 Datainsamling, WP4 Objektdetektion, WP5 Detektion av körbar area, WP6 Filmarkeringsdetektion, WP7 Studie och evaluering av tränings- och inferens-plattformar. WP8 Demonstrator. ”Build-measure-learn”-metodiken har följts för att utveckla och koppla samman de olika delarna i DL-utvecklingskedjan. En rapport som beskriver resultatet för varje arbetspaket har skrivits.

Externa länkar

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 17 mars 2020

Diarienummer 2017-01942

Statistik för sidan