申购单号：CF105902022000141成交总额：149500.0
申购主题：基于迁移学习的目标识别算法测试 送货时间：合同签订后7天内送达
采购单位：深圳大学 安装要求：免费上门安装（含材料费）
竞价开始时间：2022-04-11 15:36:00 收货地址：
竞价截至时间：2022-04-19 12:00:00
币种：人民币
付款方式：货到验收合格后付款
备注说明：
质疑说明：如果对成交结果有异议，请在发布成交结果之日起三个工作日内向采购单位提出质疑
竞价结果：
采购项：基于迁移学习的目标识别算法测试 品牌： 无 型号： 无
成交总价：149500.00
成交供应商：重庆索森新能源技术有限公司
质保及售后服务： 按行业标准提供服务
技术参数： 1基于图像到图像转换方法构建辅助样本，实现数据增补和目标检测器的输入级特征对齐； 2在YOLOv5的最小模型YOLOv5s上构建领域自适应YOLO模型，要求输入分辨率为640×640×3，部署阶段不影响原始YOLOv5s模型推理速度； 3领域自适应YOLO模型环境要求操作系统为Ubuntu 16.04和深度学习框架Pytorch 1.7.1，同时安装了NVIDIA CUDA 11.0和cuDNN 8.0.5，编程语言为 Python 3.7.9； 4领域自适应YOLO模型需满足在天气变化（晴天→雾天、晴天→雨天）的域偏移场景中，在目标域中检测器的mAP指标比原始YOLOv5提升10%以上； 5领域自适应YOLO模型需满足在复杂光照变化（白天→黑夜）的域偏移场景中，在目标域中检测器的mAP指标比原始YOLOv5提升5%以上，同时满足汽车类AP指标达到60%以上； 6领域自适应YOLO模型需满足异构传感器知识迁移（RGB图像→红外图像），并满足在目标域中行人检测的AP指标比原始YOLOv5s提升15%以上； 领域自适应YOLO模型需满足模型性能在目标域有较大提升的同时，在源域仍保持较好的检测性能，即对比原始YOLOv5s在源域上进行监督学习，领域自适应YOLO模型在源域中的mAP指标波动不超过3.0%。