高級(jí)輔助駕駛系統(tǒng) (ADAS) 可提供解決方案，用以滿足駕乘人員對(duì)道路安全及出行體驗(yàn)的更高要求。諸如車(chē)道偏離警告、自動(dòng)剎車(chē)及泊車(chē)輔助等系統(tǒng)廣泛應(yīng)用于當(dāng)前的車(chē)型，甚至是功能更為強(qiáng)大的車(chē)道保持、塞車(chē)輔助及自適應(yīng)巡航控制等系統(tǒng)的配套使用也讓未來(lái)的全自動(dòng)駕駛車(chē)輛成為現(xiàn)實(shí)。

如今，車(chē)輛的很多系統(tǒng)使用的都是機(jī)器視覺(jué)。機(jī)器視覺(jué)采用傳統(tǒng)信號(hào)處理技術(shù)來(lái)檢測(cè)識(shí)別物體。

對(duì)于正熱衷于進(jìn)一步提高拓展 ADAS 功能的汽車(chē)制造業(yè)而言，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)開(kāi)辟了令人興奮的研究途徑。為了實(shí)現(xiàn)從諸如高速公路全程自動(dòng)駕駛儀的短時(shí)輔助模式到專(zhuān)職無(wú)人駕駛旅行的自動(dòng)駕駛，汽車(chē)制造業(yè)一直在尋求讓響應(yīng)速度更快、識(shí)別準(zhǔn)確度更高的方法，而深度學(xué)習(xí)技術(shù)無(wú)疑為其指明了道路。

以知名品牌為首的汽車(chē)制造業(yè)正在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)上進(jìn)行投資，并向先進(jìn)的計(jì)算企業(yè)、硅谷等技術(shù)引擎及學(xué)術(shù)界看齊。在中國(guó)，百度一直在此技術(shù)上保持領(lǐng)先。百度計(jì)劃在 2019 年將全自動(dòng)汽車(chē)投入商用，并加大全自動(dòng)汽車(chē)的批量生產(chǎn)力度，使其在 2021 年可廣泛投入使用。汽車(chē)制造業(yè)及技術(shù)領(lǐng)軍者之間的密切合作是嵌入式系統(tǒng)神經(jīng)網(wǎng)絡(luò)發(fā)展的催化劑。這類(lèi)神經(jīng)網(wǎng)絡(luò)需要滿足汽車(chē)應(yīng)用環(huán)境對(duì)系統(tǒng)大小、成本及功耗的要求。

輕型嵌入式神經(jīng)網(wǎng)絡(luò)

卷積式神經(jīng)網(wǎng)絡(luò) (CNN) 的應(yīng)用可分為三個(gè)階段：訓(xùn)練、轉(zhuǎn)化及 CNN 在生產(chǎn)就緒解決方案中的執(zhí)行。要想獲得一個(gè)高性價(jià)比、針對(duì)大規(guī)模車(chē)輛應(yīng)用的高效結(jié)果，必須在每階段使用最為有利的系統(tǒng)。

訓(xùn)練往往在線下通過(guò)基于 CPU 的系統(tǒng)、圖形處理器 (GPU) 或現(xiàn)場(chǎng)可編程門(mén)陣列 (FPGA) 來(lái)完成。由于計(jì)算功能強(qiáng)大且設(shè)計(jì)人員對(duì)其很熟悉，這些是用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最為理想的系統(tǒng)。

在訓(xùn)練階段，開(kāi)發(fā)商利用諸如 Caffe 等的框架對(duì) CNN 進(jìn)行訓(xùn)練及優(yōu)化。參考圖像數(shù)據(jù)庫(kù)用于確定網(wǎng)絡(luò)中神經(jīng)元的最佳權(quán)重參數(shù)。訓(xùn)練結(jié)束即可采用傳統(tǒng)方法在 CPU、GPU 或 FPGA 上生成網(wǎng)絡(luò)及原型，尤其是執(zhí)行浮點(diǎn)運(yùn)算以確保最高的精確度。

作為一種車(chē)載使用解決方案，這種方法有一些明顯的缺點(diǎn)。運(yùn)算效率低及成本高使其無(wú)法在大批量量產(chǎn)系統(tǒng)中使用。

CEVA 已經(jīng)推出了另一種解決方案。這種解決方案可降低浮點(diǎn)運(yùn)算的工作負(fù)荷，并在汽車(chē)應(yīng)用可接受的功耗水平上獲得實(shí)時(shí)的處理性能表現(xiàn)。隨著全自動(dòng)駕駛所需的計(jì)算技術(shù)的進(jìn)一步發(fā)展，對(duì)關(guān)鍵功能進(jìn)行加速的策略才能保證這些系統(tǒng)得到廣泛應(yīng)用。