CEVA 轿车市场营销主管 Jeff VanWashenova
高档辅佐驾驭体系 (ADAS) 可供给处理方案，用以满意驾乘人员对路途安全及出行体会的更高要求。比如车道违背正告、主动刹车及泊车辅佐等体系广泛运用于当时的车型，乃至是功用更为强壮的车道坚持、塞车辅佐及自习惯巡航操控等体系的配套运用也让未来的全主动驾驭车辆成为实际。
现在，车辆的许多体系运用的都是机器视觉。机器视觉选用传统信号处理技能来检测辨认物体。关于正热衷于进一步进步拓宽 ADAS 功用的轿车制造业而言，深度学习神经网络拓荒了令人兴奋的研讨途径。为了实现从比如高速公路全程主动驾驭仪的短时辅佐形式到专职无人驾驭游览的主动驾驭，轿车制造业一向在寻求让响应速度更快、辨认准确度更高的办法，而深度学习技能无疑为其指明晰路途。
以知名品牌为首的轿车制造业正在深度学习神经网络技能上进行出资，并向先进的核算企业、硅谷等技能引擎及学术界看齐。在我国，百度一向在此技能上坚持抢先。百度计划在 2019 年将全主动轿车投入商用，并加大全主动轿车的批量出产力度，使其在 2021 年可广泛投入运用。轿车制造业及技能领军者之间的密切协作是嵌入式体系神经网络开展的催化剂。这类神经网络需求满意轿车运用环境对体系巨细、本钱及功耗的要求。
轻型嵌入式神经网络
卷积式神经网络 (CNN) 的运用可分为三个阶段：练习、转化及 CNN 在出产安排妥当处理方案中的履行。要想取得一个高性价比、针对大规模车辆运用的高效成果，有必要在每阶段运用最为有利的体系。
练习往往在线下经过根据 CPU 的体系、图形处理器 (GPU) 或现场可编程门阵列 (FPGA) 来完结。因为核算功用强壮且规划人员对其很熟悉，这些是用于神经网络练习的最为抱负的体系。
在练习阶段，开发商运用比如 Caffe 等的结构对 CNN 进行练习及优化。参阅图画数据库用于确认网络中神经元的最佳权重参数。练习完毕即可选用传统办法在 CPU、GPU 或 FPGA 上生成网络及原型，尤其是履行浮点运算以保证最高的精确度。
作为一种车载运用处理方案，这种办法有一些显着的缺陷。运算功率低及本钱高使其无法在大批量量产体系中运用。
CEVA 现已推出了另一种处理方案。这种处理方案可下降浮点运算的作业负荷，并在轿车运用可接受的功耗水平上取得实时的处理功用体现。跟着全主动驾驭所需的核算技能的进一步开展，对要害功用进行加快的战略才干保证这些体系得到广泛运用。
运用被称为 CDNN 的结构对网络生成战略进行改善。经过改善的战略选用在高功耗浮点核算渠道上(运用比如 Caffe 的传统网络生成器)开发的受训网络结构和权重,并将其转化为根据定点运算，结构紧凑的轻型的定制网络模型。接下来，此模型会在一个根据专门优化的成像和视觉 DSP 芯片的低功耗嵌入式渠道上运转。图 1 显现了轻型嵌入式神经网络的生成进程。与原始网络比较，这种技能可在当今量产型车辆的有限功率预算下带来高功用的神经处理体现，而图画辨认精确度下降不到 1%。
图 1. CDNN 将经过传统办法生成的网络权重转化为一个定点网络
一个由低功耗嵌入式渠道保管的输入巨细为 224×224、卷积过滤器分别为 11×11、5×5 及 3×3 的 24 层卷积神经网络， 其功用体现几乎是一个在典型的 GPU/CPU 归纳处理引擎上运转的相似 CNN 的三倍，虽然其所需的内存带宽仅仅后者的五分之一且功耗大幅下降。
下一代深度学习神经网络
轿车制造业进入神经网络范畴所习得的经历不断推进技能的开展，并因而开发出了更先进的网络架构及更杂乱的拓扑，如每级多层拓扑、多入/多出及全卷积网络。新推出的重要网络类型不只可用来辨认物体，也可用来辨认场景，然后供给用以处理轿车范畴运用程序(如主动驾驭功用)所需的图画切割。
当然，我国 40 家左右的轿车制造商并不会在此路途上踽踽独行。他们会与百度等技能公司进行密切协作。技能公司是这些网络和架构开展的中心。CNN 网络生成器功用的完善也为新的网络架构和拓扑供给了支撑，如 SegNet 及 GoogLeNet 与 ResNet 等其它网络结构以及高档网络层(图 2)。此外，一键启用也让预训网络转换成优化的实时网络履行更为快捷。为保证给常用的网络生成器供给支撑，CDNN 结构与 Caffe 和 TensorFlow (谷歌的机器学习软件库)都有协作。
图 2网络生成器的开展为新网络层及更深的架构供给了支撑
因为最新推出的嵌入式处理渠道在可扩展性及灵敏性上都有了很大改善，因而嵌入式布置也能够运用这些改善来完善本身。因为深度学习范畴的开展越来越多样化，因而具有一个不只能满意当今处理需求，也具有习惯未来的技能创新的灵敏架构非常重要。
铺好路
第一批神经网络运用程序将专心于视觉处理，以支撑比如主动行人、交通信号或路途特征辨认等功用。因为这些体系的功用不断改善，例如处理越来越大的来自高分辨率相机的数据集，因而神经网络也有望在未来的轿车中发挥更大的效果。这些效果将包含承当体系中其它杂乱的信号处理使命，例如雷达模块及语音辨认体系。
跟着神经网络初次运用于车载主动驾驭体系，(据报道，某些国家将在 2019-2020 年型的新车辆中运用神经网络，)对一起兼具安全性及牢靠性的体系的需求会越来越大。我国政府计划在 2021 至 2025 年推出主动驾驭车辆。要让此类体系具有可让客户运用的条件，轿车制造商有必要一起保证其契合相关的安全规范，如 ISO 26262 功用安全性。这需求硬件、软件及体系的归纳开展。
因为这些体系变得越来越杂乱，因而保证体系牢靠安全且能满意处理需求也成为轿车制造商所面对的越来越大的应战。
定论
机器学习神经网络将沿着一条应战高效处理功用的开展路途持续阔步前进。先进的神经网络架构现已显现出优于人类的辨认精确性。用于生成网络的最新结构，如 CDNN2，正在推进轻型、低功耗嵌入式神经网络的开展。这种神经网络将使现在的高档辅佐驾驭体系具有较高的精确性及实时处理才能。
