Корпорація Renesas Electronics оголосила про спільну розробку рішення для розпізнавання об'єктів на основі глибокого навчання для інтелектуальних камер, що використовуються в додатках передових систем допомоги водіям наступного покоління та камер для рівня ADAS 2 і вище. Це нове рішення інтелектуальної камери використовує глибоке навчання для розпізнавання об’єктів з високою точністю та низьким енергоспоживанням; це також прискорює широкомасштабну адаптацію ADAS.
Співпраця Renesas та StradVision зробила цю нову технологію здатною розпізнавати вразливих учасників дорожнього руху (VRU), таких як пішоходи та велосипедисти, а також інші транспортні засоби та розмітку смуги руху. StradVision оптимізував своє програмне забезпечення для автомобільної системи на кристалі Renesas R-Car (SoC) продукти R-автомобілі V3H і Р-автомобілі V3M, який має досвід в якості серійних транспортних засобів. Ці пристрої R-Car мають спеціальний движок для обробки глибокого навчання, який називається CNN-IP (інтелектуальна власність із нейронною мережею Convolution), і це дозволяє їм запускати автомобільну мережу глибокого навчання StradVision SVNet на високій швидкості.
Ключові риси
1) Рішення підтримує попередню оцінку масового виробництва
Програмне забезпечення для глибокого навчання StradVision SVNet - це потужне рішення сприйняття ШІ для масового виробництва систем ADAS завдяки своїй здатності точно розпізнавати при слабкому освітленні та здатності боротися з оклюзією, коли об'єкти частково приховані іншими об'єктами. Основне програмне забезпечення R-Car V3H може одночасно розпізнавати транспортний засіб, людину та смугу руху, обробляючи зображення зі швидкістю 25 кадрів в секунду, що дозволяє швидко оцінити та розробити POC. За допомогою цих базових можливостей розробник може налаштувати програмне забезпечення, додаючи знаки, позначення та інші об'єкти як ціль розпізнавання.
2) SoC R-Car V3H і R-Car V3M підвищують надійність системи розумних камер, одночасно знижуючи вартість
Renesas R-Car V3H і R-Car V3M оснащені механізмом розпізнавання зображень IMP-X5. Поєднання глибокого розпізнавання складних об’єктів, що базується на навчанні, та високопровірна обробка розпізнавання зображень з рукотворним правилом дозволяє дизайнеру створити надійну систему. Вбудований процесор обробки сигналів зображення (ISP) може перетворювати сигнали датчика для обробки зображень та обробки. Отже, можна налаштувати систему за допомогою недорогих камер без вбудованого провайдера. Це дозволило налаштувати систему за допомогою недорогих камер, зменшивши загальну вартість матеріалів (BOM).
Нове спільне рішення для глибокого навчання, включаючи програмне забезпечення та підтримку розробки від StradVision, буде доступне розробникам до початку 2020 року.