中文简体版   English   星期五 ,5月 26日, 2017 (台北)
登入  加入會員  MY DIGITIMES
 
懷格
DIGITIMES

神經網路架構車用影像辨識產品相繼問世 推動高判斷要求的自駕時代來臨

本文限「Research 」會員閱讀,請登入會員,或洽詢會員服務

DIGITIMES Research觀察,以深層神經網路(Deep Neural Network;DNN)的深度學習架構為基礎的人工智慧技術在全球如火如荼展開,並運用在影像辨識上,其中,以美商Nvidia和以色列業者Mobileye推出的車用半導體相關技術產品最受注目;因神經網路架構針對龐大數量影像能做更精確的識別處理任務,未來應用在汽車市場中,將能因應判別速度及精度要求更高的自動駕駛時代來臨。

Nvidia於2017年美國消費性電子展(CES 2017)正式發布Xavier單晶片(SoC)產品,其具備8核心ARM 64處理器與新的Volta顯示處理單元,加上Nvidia原本在繪圖處理器(GPU)的技術優勢,讓自駕車的機器學習系統得以有效應用。透過GPU運算,Xavier能比現場可程式邏輯閘陣列(Field Programmable Gate Array;FPGA)、中央處理器(CPU)有更佳表現,也讓Nvidia事業從GPU朝向人工智慧領域發展。

另一方面,也有採用矽智財(IP)核心或FPGA的通用影像辨識產品,其應用領域不只限於汽車市場,也廣泛用於其他影像處理晶片。其中,IP核心產品提共業者包括Cadence Design System、Synopsys、CEVA等美商,各家產品在動作頻率、數值表現和處理性能、耗電量等各有不同。例如CEVA推出的即時神經網路軟體架構CEVA 深層神經網路,已被用於安全監控需求的行人偵測和臉部辨識、先進駕駛輔助系統等。

自動駕駛技術的挑戰在於城市路況複雜多變,恐無法做有效判斷,因此需將多種偵測裝置與數據作結合,以精確定位車輛位置,並偵測週遭路況、設定路線和控制方向盤。而神經網路的加入,讓車輛對週邊物體的探測和分類能力大幅提高,讓各感測器所取得多項數據的結合變得更準確,而這些加工的數據也成為車輛感知、定位和規劃路線等的重要依據。

Nvidia歷代GPU影像深度學習系列產品性能提升比較
註:1. 紅字為Nvidia所採的GPU架構。 2. 1為比較基礎值,後續年度數字為其倍數。
資料來源:Nvidia,DIGITIMES整理,2017/3

內文目錄

  • 神經網路於汽車領域應用 可提升影像辨識精確度
  • 車用影像晶片以美商Nvidia和以色列業者Mobileye為代表
  • 通用產品的DNN建構在IP核心及單一影像處理晶片FPGA
  • 結語

圖表目錄

  • Nvidia歷代GPU影像深度學習系列產品性能提升比較
  • Nvidia自駕用軟體DriveWorks組成暨運作原理
  • Nvidia自駕車BB8環視攝影暨道路駕駛場景
  • Mobileye影像處理EyeQ系列產品發展藍圖
  • 5 個圖表

會員登入

若您已是DIGITIMES Research的正式會員,請由此下方登入。

帳號:
   【範例:user@company.com】
密碼: 忘記密碼
    連續一個月系統自動記住帳號密碼

登入

★ 若您是第一次使用會員資料庫,請點選申請個人帳號

服務加入辦法

若想立刻加入付費會員,請洽詢客服專線:
+886-2-87125398。
(週一至週五工作日9:00~18:00)

服務信箱:member@digitimes.com
(一個工作日內將回覆您的來信)。

 申請加入會員

 Research會員服務說明

 DIGITIMES Research介紹

 
Slide Show─
為投影片搭配仔細解說的服務模式,提供具時效性的ICT產品產銷、展場觀察等研究成果,同時可直接作為會員簡報材料。
Insight─
為深入研究觀點與發現的即時服務,內容包括重要事件評論、重要產業資訊的揭露等。
Data Point─
以1個圖表搭配簡潔文字說明,提供圖文並茂的資料庫服務。
Spec & Price─
解析全球主要市場終端產品零售均價與規格,並提供客制化查詢數據庫。
Spot Price─
提供每週太陽光電產業鏈上下游現貨報價資訊,藉此反應市場供需波動變化,並解析市場最新脈動。
Industry Review─
定期檢視產業核心構面的重要事件與發展,以利掌握產業關鍵動態、議題實質內涵與加值觀點。