Podjetje Renesas Electronics Corporation je napovedalo skupni razvoj rešitve za prepoznavanje predmetov, ki temelji na poglobljenem učenju, za pametne kamere, ki se uporabljajo v naprednih aplikacijah sistema za pomoč voznikom naslednje generacije in kamer za stopnjo ADAS 2 in več. Ta nova rešitev pametne kamere uporablja globoko učenje za prepoznavanje predmetov z visoko natančnostjo in majhno porabo energije; pospešuje tudi široko prilagajanje ADAS.
Sodelovanje med Renesasom in StradVisionom je omogočilo, da je ta nova tehnologija prepoznala ranljive udeležence v prometu (VRU), kot so pešci in kolesarji, pa tudi druga vozila in oznake voznega pasu. StradVision je optimizirana svoje programske opreme za Renesas R-Car avtomobilski sistem-na-čipu (SoC) izdelki, R-Car V3H in R-Car V3m ki ima zgodovino kot vozila iz serijske proizvodnje. Te naprave R-Car imajo namenski motor za obdelavo poglobljenega učenja, imenovan CNN-IP (intelektualna lastnina nevronske mreže Convolution Neural Network), ki jim omogoča hiter zagon StradVisionovega avtomobilskega omrežja za globoko učenje SVNet.
Ključne funkcije
1) Rešitev podpira predhodno oceno množične proizvodnje
Programska oprema za globoko učenje StradVision SVNet je zmogljiva rešitev za zaznavanje umetne inteligence za množično proizvodnjo sistemov ADAS zaradi svoje sposobnosti natančnega prepoznavanja pri šibki svetlobi in sposobnosti obvladovanja okluzije, kadar predmeti delno skrijejo drugi predmeti. Osnovna programska oprema R-Car V3H lahko istočasno prepozna vozilo, osebo in pas z obdelavo slike s hitrostjo 25 sličic na sekundo, kar omogoča hitro oceno in razvoj POC. S pomočjo teh osnovnih zmogljivosti lahko razvijalec prilagodi programsko opremo z dodajanjem znakov, oznak in drugih predmetov kot cilja prepoznavanja.
2) SoC-ja R-Car V3H in R-Car V3M povečata zanesljivost sistema pametnih kamer in hkrati znižata stroške
Renesas R-Car V3H in R-Car V3M imata mehanizem za prepoznavanje slik IMP-X5. Kombinacija globokega učenja, ki temelji na kompleksnem prepoznavanju objektov in zelo preverljivi obdelavi prepoznavanja slik, s človeškim pravilom omogoča oblikovalcu, da zgradi robusten sistem. Vgrajeni procesor slikovnih signalov (ISP) lahko pretvori senzorske signale za upodabljanje in obdelavo slike. Torej je mogoče sistem konfigurirati z uporabo poceni kamer brez vgrajenega ponudnika internetnih storitev. To je omogočilo konfiguracijo sistema z uporabo poceni kamer in tako zmanjšalo skupne stroške materiala (BOM).
Nova skupna rešitev za poglobljeno učenje, vključno s programsko opremo in razvojno podporo podjetja StradVision, bo razvijalcem na voljo do začetka leta 2020.