你的位置:首頁 > 傳感技術(shù) > 正文

AI在汽車中的應(yīng)用:實(shí)用深度學(xué)習(xí)

發(fā)布時(shí)間:2021-06-04 來源:Joe Folkens 責(zé)任編輯:wenwei

【導(dǎo)讀】在未來的某個(gè)時(shí)候,人們必定能夠相對自如地運(yùn)用人工智能,安全地駕車出行。這個(gè)時(shí)刻何時(shí)到來我無法預(yù)見;但我相信,彼時(shí)“智能”會顯現(xiàn)出更“切實(shí)”的意義。
 
與此同時(shí),通過深度學(xué)習(xí)方法,人工智能的實(shí)際應(yīng)用能夠在汽車安全系統(tǒng)的發(fā)展進(jìn)步中發(fā)揮重要的作用。而這些系統(tǒng)遠(yuǎn)不止僅供典型消費(fèi)者群體掌握和使用。
 
深度學(xué)習(xí)這一概念在幾十年前就已提出,但如今它與特定的應(yīng)用程序、技術(shù)以及通用計(jì)算平臺上的可用性能更密切相關(guān)。深度學(xué)習(xí)的“深度”層面源于輸入層和輸出層之間實(shí)現(xiàn)的隱含層數(shù)目,隱含層利用數(shù)學(xué)方法處理(篩選/卷積)各層之間的數(shù)據(jù),從而得出最終結(jié)果。在視覺系統(tǒng)中,深度(vs.寬度)網(wǎng)絡(luò)傾向于利用已識別的特征,通過構(gòu)建更深的網(wǎng)絡(luò)最終來實(shí)現(xiàn)更通用的識別。這些多層的優(yōu)點(diǎn)是各種抽象層次的學(xué)習(xí)特征。
 
例如,若訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)來對圖像進(jìn)行分類,則第一層學(xué)習(xí)識別邊緣等最基本的東西。下一層學(xué)習(xí)識別成形的邊緣的集合。后續(xù)圖層學(xué)習(xí)識別諸如眼或鼻這樣的形狀的集合,而最后一層將學(xué)習(xí)甚至更高階(如面部)的特征。多層更擅長進(jìn)行歸納,因?yàn)樗鼈兛梢詫W(xué)習(xí)原始數(shù)據(jù)和高級分類之間的所有中間特征。如圖1所示,這種跨越多層的歸納對于最終用例是有利的,如對交通標(biāo)志進(jìn)行分類,或者盡管存在墨鏡、帽子和/或其他類型的障礙物,也可能識別特定面部。
 
AI在汽車中的應(yīng)用:實(shí)用深度學(xué)習(xí)
圖 1:簡易交通標(biāo)志示例
 
深度學(xué)習(xí)的“學(xué)習(xí)”層面源于對分層網(wǎng)絡(luò)如何在給定大量已知輸入及其期望輸出的情況下產(chǎn)生更準(zhǔn)確結(jié)果(圖2)所需的訓(xùn)練(反向傳播)的迭代。這種學(xué)習(xí)減少了那些迭代產(chǎn)生的錯誤,并最終獲得分層函數(shù)的結(jié)果,以滿足整體系統(tǒng)需求,并為目標(biāo)應(yīng)用程序提供極其穩(wěn)健的解決方案。這種學(xué)習(xí)/分層/互連類型類似于生物神經(jīng)系統(tǒng),因此支持人工智能的概念。
 
AI在汽車中的應(yīng)用:實(shí)用深度學(xué)習(xí)
圖 2:簡易反向傳播示例
 
盡管深度學(xué)習(xí)具有效力,但其在實(shí)際應(yīng)用中也遇到了一些挑戰(zhàn)。對于容易受到系統(tǒng)限制因素(如總體成本、功耗和擴(kuò)展計(jì)算能力)影響的嵌入式應(yīng)用程序而言,在設(shè)計(jì)支持深度學(xué)習(xí)功能的系統(tǒng)時(shí)必須考慮這些限制因素。開發(fā)人員可以使用前端工具,如Caffe(最初由加州大學(xué)伯克利分校開發(fā)的深度學(xué)習(xí)框架)或TensorFlow(谷歌的發(fā)明)來開發(fā)總網(wǎng)絡(luò)、層和相應(yīng)的功能,以及目標(biāo)最終結(jié)果的培訓(xùn)和驗(yàn)證。完成此操作后,針對嵌入式處理器的工具可將前端工具的輸出轉(zhuǎn)換為可在該嵌入式器件上或該嵌入式器件中執(zhí)行的軟件。
 
TI深度學(xué)習(xí)(TIDL)框架(圖3)支持在TI TDAx汽車處理器上運(yùn)行的深度學(xué)習(xí)/基于CNN的應(yīng)用程序,以在高效的嵌入式平臺上提供極具吸引力的高級駕駛輔助系統(tǒng)(ADAS)功能。
 
AI在汽車中的應(yīng)用:實(shí)用深度學(xué)習(xí)
圖 3:TIDL框架(TI器件轉(zhuǎn)換器和深度學(xué)習(xí)庫)
 
TIDL框架為軟件可擴(kuò)展性提供快速嵌入式開發(fā)和平臺抽象;在TI硬件上實(shí)現(xiàn)用于加速CNN的高度優(yōu)化的內(nèi)核,以及支持從開放框架(如Caffe和TensorFlow)到使用TIDL應(yīng)用程序編程界面的嵌入式框架進(jìn)行網(wǎng)絡(luò)轉(zhuǎn)換的轉(zhuǎn)換器。
 
有關(guān)此解決方案的更多詳細(xì)信息,請閱讀白皮書“TIDL:嵌入式低功耗深度學(xué)習(xí),” 并查看其它資源中的視頻。
 
其他資源:
 
●    觀看基于深度學(xué)習(xí)的語義分割的現(xiàn)場演示:
●    嵌入式視覺聯(lián)盟的現(xiàn)場演示.
●    在TDA處理器上.
●    TDA2和TDA3處理器上的EuroNCAP前置攝像頭。
 
 
免責(zé)聲明:本文為轉(zhuǎn)載文章,轉(zhuǎn)載此文目的在于傳遞更多信息,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題,請聯(lián)系小編進(jìn)行處理。
 
推薦閱讀:
 
40年ALD積淀助力超越摩爾,思銳智能完成第一階段發(fā)展布局
一種低成本差動音頻信號傳輸方案
優(yōu)化您的汽車USB電路防電池短路設(shè)計(jì)——第2部分
對于緊急呼叫系統(tǒng),磷酸鐵鋰和鋰離子電池哪個(gè)效果更佳?
為外部照明應(yīng)用選擇運(yùn)算放大器時(shí)要考慮的關(guān)鍵參數(shù)
要采購工具么,點(diǎn)這里了解一下價(jià)格!
特別推薦
技術(shù)文章更多>>
技術(shù)白皮書下載更多>>
熱門搜索
?

關(guān)閉

?

關(guān)閉