专题一：关键基础体系研究及验证（专题编号： 20190153）
项目1：面向自主智能体感知与协作的计算架构和验证
（一）研究内容
针对自主智能体感知与协作的新型深度计算架构开展 研究。针对实时感知与识别、自主控制与协作、动态环境下 的自适应任务重构等难题，突破实时目标检测算法、多智能 体协作、智能计算智能处理器系统结构设计等关键技术。研 究低功耗、强实时的软硬件协同解决方案；研究基于语义地 图的情境理解和多智能体协作等核心技术；完成基于认知计 算模型的人工智能原型处理器设计，面向多智能协同任务的 原理验证系统。可支持智慧物流、智慧社区、智慧安防等领 域。
项目2：基于混合增强智能的平行智能理论研究及验证
（一）研究内容
本方向针对平行智能理论体系下的机器智能进行系统 性研究。研究提升机器理解并适应真实世界环境、完成复 杂时空关联任务的能力；研究基于认知计算的混合增强智 能，探索直觉推理与因果模型、记忆和知识演化的可计算 框架；研究人机协同的感知与执行一体化模型、智能计算 前移的新型边缘节点等核心技术；构建包含人工系统、计 算实验、平行控制与管理等功能的混合增强智能平行智能 系统平台；在制造、交通或健康等行业建立验证系统予以 验证。
项目3：面向数据智能标注的弱监督与自学习方法及系统验证
（一）研究内容
本方向针对大数据智能的关键基础体系进行建设。研 究多机构协同的系统性结构化标注策略，结合深度学习算 法针对影像数据（如图片、视频）、文本数据（如语音、 文字）研究自动生成结构化数据的智能标注系统，开发半 监督/无监督学习算法支持下的集数据收集、数据处理和自 动标注为一体的智能标注云平台。通过从海量未标注的数 据中自动挖掘有价值的目标信息，实现（极）弱监督下的 特征与模型学习，并大幅度地提升模型的精简性、通用性 和适应性。通过推理、匹配与迭代优化，研究无标注样本 下的深度特征预学习；研究结合迁移学习与主动学习的增 量学习方法，并通过渐进式模型训练将其应用到实体目标 增量标注任务中，通过迭代学习有效地提升模型性能。建 立高效通用的数据标签与结构化标注标准体系，并完成标 准化的标注数据库建设。
申报要求：本专题的项目3须企业牵头申报。
支持强度：本专题每个项目拟支持1-2项，资助额度3000 万元左右/项。
专题二：关键共性技术研究及应用（专题编号： 20190154）
项目1：基于跨媒体感知的人机交互关键技术研究与应用
（一）研究内容
开展多模态的人机交互技术研究，重点解决以视觉感 知、语音理解、动作交互为主的人机交互核心问题。研究 面向开放环境的自适应场景及交互对象的视觉感知与建模， 提升智能系统对多样化场景的适应能力；开展高层语义理 解与融合的人机语音交互技术研究，提升语音系统在开放 交互场景中的�：斫庥敕夯评砟芰Γ谎芯靠缒Ｌ幕� 器人情感认知技术，包含表情、对话语音情感理解等；研 究融合认知理解的高自由度人机动作交互，实现多模态与 多样化的人机交互方式；研制面向通用边缘计算的智能实 时推理平台，形成端云一体化的多模态人机交互系统，实 现感知、理解、交互一体的智能设备；在多模态人机交互 上形成核心技术，并在服务、教育、工业等人机交互与机 器人方向形成示范性应用。
项目2：工业级多模智能感知系统关键技术与边云协同应用
（一）研究内容
开展基于声和超声感知的智能感知认知理论和关键技 术研究。研究基于工业声成像的产品或零部件故障辨识和 故障定位技术；基于声像的对抗学习、迁移学习和强化学 习融合算法，研究基于深度学习的时序/空间/时频多维信息 融合推理算法。研究基于超声感知的高精度定位技术，基 于机器学习、流形学习、深度学习的多维信号特征提取算 法。研究基于自组织神经网络、记忆回放机制的在线增量 学习算法，实现基于人机互动的新故障自动标注。建立面 向制造感知的可重构异构智能计算边缘节点定制化软硬件 协同设计，研究高效、灵活的深度神经网络加速单元和信 号处理加速单元设计，为多框架深度学习以及信号处理构 建易于编程与应用的集成编译开发与运行时管理软件，完 成自主边缘智能计算节点构建。建立多模态感知融合云平 台并实现多厂区边云部署，建成同类产品在不同区域产线 的多模态感知智能学习与计算系统。形成算法、系统与平 台的完整软硬件设计与快速的算法模型可迭代设计评估、 验证。
项目3：基于端云融合的网联协同控制关键技术研究及应用
（一）研究内容
面向AIOT场景下复杂不确定性端云融合模式下的跨域 业务协同控制问题，开展边缘计算网关及智能网联协同控 制系统的关键技术研究。包括面向处理器级网联端侧设备 数据采集融合的端云协同智能计算模型、低功耗边缘计算 网关体系架构、端云融合网联大数据全周期闭环智能管理 模型。研制具备低功耗、轻量级人工智能算法边缘执行框 架的网关设备，研究支持终端网联节点国产操作系统的自 主可控软件集成开发环境和开源工具链。支持TensorFlow等 框架下训练完成的神经网络模型到算子的翻译、算子到AI 芯片的指令集编译，研发面向AIOT的软件集成开发环境和 编译工具链，搭建开源计算平台，提高边缘计算网关的AI 支持，面向城市交通管理、无人驾驶、安全生产应急管理、 企业风险预警分析管控等热点的城市大脑协同控制场景建 立示范应用。
项目4：预测性决策控制模型研发与人工智能开放平台构建
（一）研究内容
研究面向制造的预测性决策控制模型及基础算法库， 研究支撑高维度性能衰退指标提取的高稳定性和敏感性算 法；研究根据特征数据库和运行数据库构建设备健康混合 模型，研究支持模型重合度评估系统或其部件健康度的算 法；研究设备性能退化程度的算法及反馈补偿控制技术， 研发软硬件协同计算系统。研究支撑高速在线动态补偿智 能决策模型算法。研究支撑柔性件roll to roll和连续加 工过程产品测量与和面向过程的误差源识别算法，构建基 于制造质量预测可拓模型，研发柔性件制造预测性决策控 制深度学习人工智能算法开放平台系统，研发可视化虚拟 设备属性数据建模与映射关系建立技术，研发拖拽式可视 化、图形化的数据建模、数据探索、深度分析、规则联动 与预运行及自主数据模型构建技术。
申报要求：本专题的所有项目均须企业牵头申报。
支持强度：本专题每个项目拟支持1-2项，资助额度3000 万元左右/项。
专题三：关键处理与感知器件（专题编号：20190155）
项目1：可敏捷定制的智能视觉处理器及系统应用
（一）研究内容
研究面向智能视觉应用的可灵活调整的处理器体系架 构和部署工具，解决现有深度学习处理器固定体系结构与灵 活应用数据流之间的矛盾，针对不同应用场景中的深度学习 算法，研究处理器在算法特定的体系结构中的配置方法，研 究处理器在稠密网络与稀疏网络间切换模式，研究处理器动 态调整数据流和数据位宽的方法。研究面向智能视觉的神经 网络模型压缩技术，制定统一的网络压缩标准。研究高保真 度光感成像技术、超大图像数据的快速压缩与传输技术、亚 像素级超高清图像特征提取、分割、匹配与识别技术。开展 基于端云协同的应用示范。
项目2：高性能TOF三维感知器件研发及视觉引导自 主智能系统应用
（一）研究内容
开展高性能TOF图像传感器、3D传感器关键技术研究及 处理器开发与应用。研发高感光度、高量子效率、低暗电 流噪声且体积小的背照式(BSI)iTOF像素单元及其高分辨 率图像传感器；研发高速、高精度、低功耗ADC及其读出电 路；研究基于面阵激光器及光学器件组成的激光发射模组 及其高频调制驱动电路。基于项目开发的TOF感知器件，研 究3D视觉引导的自主智能系统，研究复杂环境下对操作对 象快速三维感知的能力，重构交互场景和操作对象三维模 型，完成自主智能系统在复杂环境约束下的运动控制，研 究用于精准交互和灵巧操作、快速估计的深度网络模型应 具备的防备对抗攻击的鲁棒性。
申报要求：本专题的项目2须企业牵头申报。
支持强度：本专题每个项目拟支持 1-2 项，资助额度 3000 万元左右/项。
网上申报截止时间为2019年8月30日17:00
企业地址：中山市东区兴政路1号中环广场3座
①知识产权代理服务（商标注册、驰名商标认证、专利申请、版权登记等）
②知识产权疑难案件（商标驳回复审案、专利无效等）
③知识产权价值转化（高新技术企业、技改扶持、知识产权贯标等）
