向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

AI在汽车中的应用:实用深度学习

时间:2018-09-14 作者:德州仪器Joe Folkens 阅读:
深度学习的“深度”层面源于输入层和输出层之间实现的隐含层数目,隐含层利用数学方法处理(筛选/卷积)各层之间的数据,从而得出最终结果。在视觉系统中,深度(vs.宽度)网络倾向于利用已识别的特征,通过构建更深的网络最终来实现更通用的识别。这些多层的优点是各种抽象层次的学习特征。

在未来的某个时候,人们必定能够相对自如地运用人工智能,安全地驾车出行。这个时刻何时到来我无法预见;但我相信,彼时“智能”会显现出更“切实”的意义。

与此同时,通过深度学习方法,人工智能的实际应用能够在汽车安全系统的发展进步中发挥重要的作用。而这些系统远不止仅供典型消费者群体掌握和使用。

深度学习这一概念在几十年前就已提出,但如今它与特定的应用程序、技术以及通用计算平台上的可用性能更密切相关。深度学习的“深度”层面源于输入层和输出层之间实现的隐含层数目,隐含层利用数学方法处理(筛选/卷积)各层之间的数据,从而得出最终结果。在视觉系统中,深度(vs.宽度)网络倾向于利用已识别的特征,通过构建更深的网络最终来实现更通用的识别。这些多层的优点是各种抽象层次的学习特征。

例如,若训练深度卷积神经网络(CNN)来对图像进行分类,则第一层学习识别边缘等最基本的东西。下一层学习识别成形的边缘的集合。后续图层学习识别诸如眼或鼻这样的形状的集合,而最后一层将学习甚至更高阶(如面部)的特征。多层更擅长进行归纳,因为它们可以学习原始数据和高级分类之间的所有中间特征。如图1所示,这种跨越多层的归纳对于最终用例是有利的,如对交通标志进行分类,或者尽管存在墨镜、帽子和/或其他类型的障碍物,也可能识别特定面部。

ti-ai-1.jpg

图 1:简易交通标志示例

深度学习的“学习”层面源于对分层网络如何在给定大量已知输入及其期望输出的情况下产生更准确结果(图2)所需的训练(反向传播)的迭代。这种学习减少了那些迭代产生的错误,并最终获得分层函数的结果,以满足整体系统需求,并为目标应用程序提供极其稳健的解决方案。这种学习/分层/互连类型类似于生物神经系统,因此支持人工智能的概念。

ti-ai-2.jpg

图 2:简易反向传播示例

尽管深度学习具有效力,但其在实际应用中也遇到了一些挑战。对于容易受到系统限制因素(如总体成本、功耗和扩展计算能力)影响的嵌入式应用程序而言,在设计支持深度学习功能的系统时必须考虑这些限制因素。开发人员可以使用前端工具,如Caffe(最初由加州大学伯克利分校开发的深度学习框架)或TensorFlow(谷歌的发明)来开发总网络、层和相应的功能,以及目标最终结果的培训和验证。完成此操作后,针对嵌入式处理器的工具可将前端工具的输出转换为可在该嵌入式器件上或该嵌入式器件中执行的软件。

TI深度学习(TIDL)框架(图3)支持在TI TDAx汽车处理器上运行的深度学习/基于CNN的应用程序,以在高效的嵌入式平台上提供极具吸引力的高级驾驶辅助系统(ADAS)功能。

ti-ai-3.jpg

图 3:TIDL框架(TI器件转换器和深度学习库)

TIDL框架为软件可扩展性提供快速嵌入式开发和平台抽象;在TI硬件上实现用于加速CNN的高度优化的内核,以及支持从开放框架(如Caffe和TensorFlow)到使用TIDL应用程序编程界面的嵌入式框架进行网络转换的转换器。

有关此解决方案的更多详细信息,请阅读白皮书《TIDL:嵌入式低功耗深度学习》,并查看其它资源中的视频。

其他资源

·         观看基于深度学习的语义分割的现场演示:

·         嵌入式视觉联盟的现场演示.

·         TDA处理器上.

·         TDA2和TDA3处理器上的EuroNCAP前置摄像头。

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 汽车电子设计中正确用Pspice做WCCA分析的设计要点 上篇文章讲述了在汽车电子设计中正确用Pspice做蒙特卡洛分析的设计要点,本文是它的姊妹篇,将会讲述用Pspice做最差电路分析(WCCA)的设计要点。
  • 汽车电子设计中正确用Pspice做蒙特卡洛分析的设计要点 Pspice程序功能强大,但如果其设置不正确,得到的运行结果可能不是真正的输出,从而对软件产生质疑。尤其是在汽车电子的设计中,需要做到多种分析并考虑更复杂的一些参数添加。正确使用Pspice来设计和仿真电路需要遵循一定的规则,否则得到的仿真结果并非真正的“最差”,从而会导致设计结果出错。
  • 采用降压型控制器产生负电压 汽车信息娱乐系统中正越来越多地采用负电压来为LCD显示屏供电。同样,在工业和铁路环境中,负电压轨可满足仪表和监视应用的需要。在所有的情况下,负电压轨均必须用正电源产生,但是正至负IC不像降压型控制器那样容易获得。
  • 全双工通信带来测试挑战,泰克信号分割法让你独具慧眼 分开了,才能更好的审视。查看到真实信号。
  • 日本研究团队成功将氮化镓逆变器应用于电动汽车 日本一研究团队近日宣布,他们利用半导体材料氮化镓(GaN)研发的逆变器,已首次成功应用在电动汽车上,有望让电动汽车节能20%以上。该研究团队由2014年诺贝尔物理学奖得主之一、日本名古屋大学教授天野浩领导。
  • 利用探地雷达,自动停车技术将提前实现 除了Tesla的Smart Summon,德国车厂Daimler已经与伙伴Bosch连手推出一个获德国官方批准的自动停车/召唤服务;同时有一家名为WaveSense的美国新创公司,开发了一种利用探地雷达的创新技术,让车厂能用来为车辆打造自动召唤功能...
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告