0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

汽車(chē)背后的故事,通過(guò)深度學(xué)習(xí)提高和發(fā)展車(chē)輛感知

德州儀器 ? 來(lái)源:lp ? 2019-03-25 14:42 ? 次閱讀

汽車(chē)背后的故事,通過(guò)深度學(xué)習(xí)提高和發(fā)展車(chē)輛感知

當(dāng)今汽車(chē)認(rèn)知

自動(dòng)駕駛汽車(chē)的夢(mèng)想正在成為現(xiàn)實(shí)。通過(guò)在車(chē)輛中實(shí)現(xiàn)多個(gè)高級(jí)駕駛輔助系統(tǒng)(ADAS),汽車(chē)行業(yè)對(duì)自動(dòng)駕駛的追求正在穩(wěn)步推進(jìn)。當(dāng)今的新車(chē)均已配備多個(gè)攝像頭、雷達(dá)和超聲波傳感器,實(shí)現(xiàn)基于感知的輔助功能,如自動(dòng)泊車(chē)輔助、自動(dòng)緊急制動(dòng)、車(chē)道保持輔助、駕駛員疲勞警報(bào)等。

基于攝像頭的感知功能在當(dāng)今的車(chē)輛中至關(guān)重要。感知系統(tǒng)的功能與人體具有很強(qiáng)的相似性:攝像頭或圖像傳感器充當(dāng)車(chē)輛的“眼睛”,數(shù)據(jù)從圖像傳感器發(fā)送到主處理器即“大腦”,它使用各種算法來(lái)理解和解釋數(shù)據(jù),最后,通過(guò)發(fā)送控制轉(zhuǎn)向、加速器和/或制動(dòng)的命令(類(lèi)似“手、腳”)來(lái)做出決定。在過(guò)去十年中,汽車(chē)感知系統(tǒng)已從基本的后視攝像頭演變?yōu)榫哂型\?chē)輔助功能的全3D環(huán)視。人類(lèi)能力邊界隨大腦發(fā)展得以拓寬,類(lèi)似地,ADAS技術(shù)進(jìn)步建立的基礎(chǔ)是運(yùn)行于日益高效的硬件平臺(tái)上的創(chuàng)新感知算法。

深度學(xué)習(xí)概述

當(dāng)今自動(dòng)駕駛領(lǐng)域最熱門(mén)的話(huà)題之一是“深度學(xué)習(xí)”,這是機(jī)器學(xué)習(xí)的一個(gè)子集。深度學(xué)習(xí)是一種計(jì)算方法,用于根據(jù)已經(jīng)過(guò)大量數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行準(zhǔn)確的分類(lèi)和預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)是一組用于識(shí)別數(shù)據(jù)模式的算法。許多ADAS應(yīng)用,如前置攝像頭感知,使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)能夠比傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法更有效地執(zhí)行對(duì)象檢測(cè)和分類(lèi)等任務(wù)。在下述示例中(圖1),深度學(xué)習(xí)用于對(duì)車(chē)輛、道路、標(biāo)志、行人和背景進(jìn)行分類(lèi),并在輸出中直觀地將其區(qū)分出來(lái)。德州儀器的深度學(xué)習(xí)專(zhuān)業(yè)知識(shí)促成了包括德州儀器深度學(xué)習(xí)(TIDL)軟件框架在內(nèi)的廣泛資源的開(kāi)發(fā)。該框架簡(jiǎn)化了開(kāi)發(fā)人員的算法培訓(xùn)、開(kāi)發(fā)和移植過(guò)程。

圖 1:在TDA2處理器上使用TIDL軟件框架進(jìn)行對(duì)象檢測(cè)和分類(lèi)的示例

通過(guò)深度學(xué)習(xí)不斷發(fā)展的汽車(chē)感知系統(tǒng)

長(zhǎng)久以來(lái),德州儀器始終支持汽車(chē)和計(jì)算機(jī)視覺(jué)應(yīng)用。隨著支持這兩個(gè)領(lǐng)域的技術(shù)趨同,開(kāi)發(fā)具有高水平功能安全特性、功效和性能的芯片尤為重要。Jacinto?TDAx處理器平臺(tái)可幫助汽車(chē)OEM和一級(jí)供應(yīng)商開(kāi)發(fā)和實(shí)施ADAS應(yīng)用的深度學(xué)習(xí)算法。專(zhuān)注汽車(chē)智能軟件公司Momenta,最近在其新的感知系統(tǒng)中應(yīng)用了德州儀器TDAx的異構(gòu)處理器架構(gòu),以實(shí)現(xiàn)SAE L2-L4功能。在該解決方案中將TDAx處理器架構(gòu)、TIDL軟件框架和Momenta的深度學(xué)習(xí)專(zhuān)業(yè)知識(shí)和技術(shù)相結(jié)合,使汽車(chē)制造商和一級(jí)供應(yīng)商可以提高的算法網(wǎng)絡(luò)執(zhí)行效率,同時(shí)保持對(duì)于車(chē)道、車(chē)輛、行人和其它對(duì)象的感知的準(zhǔn)確性。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:未來(lái)不遠(yuǎn)!通過(guò)深度學(xué)習(xí)提高和發(fā)展車(chē)輛感知

文章出處:【微信號(hào):tisemi,微信公眾號(hào):德州儀器】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    NPU在深度學(xué)習(xí)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心驅(qū)動(dòng)力之一,已經(jīng)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和價(jià)值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡(luò)處理單元)是專(zhuān)門(mén)為深度
    的頭像 發(fā)表于 11-14 15:17 ?754次閱讀

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識(shí)別 圖像識(shí)別是深度學(xué)習(xí)
    的頭像 發(fā)表于 10-27 11:13 ?446次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對(duì)兩者關(guān)系的介紹: 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?1057次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    。例如,在數(shù)據(jù)中心中,可以將 FPGA 與 CPU 或 GPU 結(jié)合使用,根據(jù)不同的任務(wù)需求進(jìn)行靈活的資源分配和協(xié)同計(jì)算,提高整個(gè)系統(tǒng)的性能和效率。 ? 算法優(yōu)化和創(chuàng)新:隨著深度學(xué)習(xí)算法的不斷
    發(fā)表于 09-27 20:53

    瑞蘇盈科FPGA解決方案助力您在汽車(chē)智能領(lǐng)域的產(chǎn)業(yè)發(fā)展

    中國(guó)智能網(wǎng)聯(lián)汽車(chē)呈現(xiàn)強(qiáng)勁發(fā)展勢(shì)頭,組合輔助駕駛系統(tǒng)的乘用車(chē)新車(chē)搭載率提高到20%左右,其中新能源汽車(chē)新車(chē)搭載率超過(guò)30%;車(chē)載基礎(chǔ)計(jì)算平臺(tái)實(shí)現(xiàn)裝車(chē)應(yīng)用,人工智能算力達(dá)到國(guó)際先進(jìn)水平。
    的頭像 發(fā)表于 09-25 08:01 ?656次閱讀
    瑞蘇盈科FPGA解決方案助力您在<b class='flag-5'>汽車(chē)</b>智能領(lǐng)域的產(chǎn)業(yè)<b class='flag-5'>發(fā)展</b>

    通過(guò)實(shí)時(shí)盲區(qū)檢測(cè)提高車(chē)輛安全性

    車(chē)載汽車(chē)安全系統(tǒng)通過(guò)檢測(cè)駕駛員盲區(qū)中是否存在相鄰車(chē)輛,并警告駕駛員可能發(fā)生的事故來(lái)防止發(fā)生車(chē)禍。駕駛員可以使用此信息來(lái)安全地變道。在本文中,我們將討論盲區(qū)檢測(cè)技術(shù)。
    的頭像 發(fā)表于 08-30 16:39 ?1261次閱讀
    <b class='flag-5'>通過(guò)</b>實(shí)時(shí)盲區(qū)檢測(cè)<b class='flag-5'>提高車(chē)輛</b>安全性

    深度學(xué)習(xí)中的時(shí)間序列分類(lèi)方法

    發(fā)展,基于深度學(xué)習(xí)的TSC方法逐漸展現(xiàn)出其強(qiáng)大的自動(dòng)特征提取和分類(lèi)能力。本文將從多個(gè)角度對(duì)深度學(xué)習(xí)在時(shí)間序列分類(lèi)中的應(yīng)用進(jìn)行綜述,探討常用
    的頭像 發(fā)表于 07-09 15:54 ?1091次閱讀

    深度學(xué)習(xí)在視覺(jué)檢測(cè)中的應(yīng)用

    深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)重要分支,其核心在于通過(guò)構(gòu)建具有多層次的神經(jīng)網(wǎng)絡(luò)模型,使計(jì)算機(jī)能夠從大量數(shù)據(jù)中自動(dòng)學(xué)習(xí)并提取特征,進(jìn)而實(shí)現(xiàn)對(duì)復(fù)
    的頭像 發(fā)表于 07-08 10:27 ?820次閱讀

    深度學(xué)習(xí)與nlp的區(qū)別在哪

    方法,它通過(guò)模擬人腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),實(shí)現(xiàn)對(duì)數(shù)據(jù)的自動(dòng)特征提取和學(xué)習(xí)深度學(xué)習(xí)的核心是構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),每一層都包含大量的神經(jīng)元,這些神經(jīng)元通過(guò)
    的頭像 發(fā)表于 07-05 09:47 ?1013次閱讀

    深度學(xué)習(xí)模型訓(xùn)練過(guò)程詳解

    深度學(xué)習(xí)模型訓(xùn)練是一個(gè)復(fù)雜且關(guān)鍵的過(guò)程,它涉及大量的數(shù)據(jù)、計(jì)算資源和精心設(shè)計(jì)的算法。訓(xùn)練一個(gè)深度學(xué)習(xí)模型,本質(zhì)上是通過(guò)優(yōu)化算法調(diào)整模型參數(shù),
    的頭像 發(fā)表于 07-01 16:13 ?1430次閱讀

    深度學(xué)習(xí)在自動(dòng)駕駛中的關(guān)鍵技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,自動(dòng)駕駛技術(shù)作為其中的重要分支,正逐漸走向成熟。在自動(dòng)駕駛系統(tǒng)中,深度學(xué)習(xí)技術(shù)發(fā)揮著至關(guān)重要的作用。它通過(guò)模擬人腦的學(xué)習(xí)
    的頭像 發(fā)表于 07-01 11:40 ?831次閱讀

    深度解析深度學(xué)習(xí)下的語(yǔ)義SLAM

    隨著深度學(xué)習(xí)技術(shù)的興起,計(jì)算機(jī)視覺(jué)的許多傳統(tǒng)領(lǐng)域都取得了突破性進(jìn)展,例如目標(biāo)的檢測(cè)、識(shí)別和分類(lèi)等領(lǐng)域。近年來(lái),研究人員開(kāi)始在視覺(jué)SLAM算法中引入深度學(xué)習(xí)技術(shù),使得
    發(fā)表于 04-23 17:18 ?1348次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>下的語(yǔ)義SLAM

    特斯拉FSD V12重大更新:核心差異全解析

    這種方案能夠提高數(shù)據(jù)處理的速度和效率,使得系統(tǒng)能夠迅速作出判斷并控制車(chē)輛的行為。通過(guò)深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的方法,F(xiàn)SD能夠不斷優(yōu)化自身的駕駛策
    發(fā)表于 04-11 10:19 ?894次閱讀
    特斯拉FSD V12重大更新:核心差異全解析

    FPGA在深度學(xué)習(xí)應(yīng)用中或?qū)⑷〈鶪PU

    ,這使得它比一般處理器更高效。但是,很難對(duì) FPGA 進(jìn)行編程,Larzul 希望通過(guò)自己公司開(kāi)發(fā)的新平臺(tái)解決這個(gè)問(wèn)題。 專(zhuān)業(yè)的人工智能硬件已經(jīng)成為了一個(gè)獨(dú)立的產(chǎn)業(yè),但對(duì)于什么是深度學(xué)習(xí)算法的最佳
    發(fā)表于 03-21 15:19

    為什么深度學(xué)習(xí)的效果更好?

    導(dǎo)讀深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集,已成為人工智能領(lǐng)域的一項(xiàng)變革性技術(shù),在從計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理到自動(dòng)駕駛汽車(chē)等廣泛的應(yīng)用中取得了顯著的成功。深度
    的頭像 發(fā)表于 03-09 08:26 ?658次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的效果更好?