Renesas Electronics Corporation kunngjorde felles utvikling av en dyp læringsbasert løsning for gjenkjenning av objekter for smarte kameraer som brukes i neste generasjons avanserte driverassistansesystemapplikasjoner og kameraer for ADAS nivå 2 og nyere. Denne nye smartkamera-løsningen benytter dyp læring for gjenkjenning av objekter med høy presisjon og lavt strømforbruk; det akselererer også den omfattende tilpasningen av ADAS.
Samarbeidet mellom Renesas og StradVision gjorde denne nye teknologien i stand til å gjenkjenne sårbare trafikanter (VRUer) som fotgjengere og syklister, og også andre kjøretøyer og kjørefeltmarkeringer. Den StradVision optimalisert sin programvare for Renesas R-Car automotive system-on-chip (SOC) produkter R-Car V3H og R-Car V3M som har de resultater som de masseproduserte biler. Disse R-Car enhetene har en dedikert motor for dyp læring prosessering kalt CNN-IP (Convolution Neural Network Intellectual Property), som gjør det mulig for dem å kjøre StradVision's SVNet automotive deep learning nettverk i høy hastighet.
Nøkkelegenskaper
1) Løsningen støtter en tidligere evaluering av masseproduksjon
StradVision's SVNet programvare for dyplæring er en kraftig AI-oppfatningsløsning for masseproduksjon av ADAS-systemer på grunn av dens evne til å gjenkjenne nøyaktig i svakt lys og evnen til å takle okklusjon når objekter er delvis skjult av andre objekter. Den grunnleggende programvaren til R-Car V3H kan samtidig gjenkjenne kjøretøyet, personen og banen ved å behandle bildet med en hastighet på 25 bilder per sekund, noe som muliggjør rask evaluering og POC-utvikling. Ved hjelp av disse grunnleggende mulighetene kan en utvikler tilpasse programvaren med tillegg av tegn, markeringer og andre objekter som gjenkjenningsmål.
2) R-Car V3H og R-Car V3M SoCs øker påliteligheten for smarte kamerasystemer samtidig som kostnadene reduseres
Renesas R-Car V3H og R-Car V3M har IMP-X5 bildegjenkjenningsmotor. Ved å kombinere dyp læringsbasert kompleks gjenkjenning av gjenstander og svært verifiserbar bildegjenkjenningsbehandling med menneskeskapte regler, kan designeren bygge et robust system. Bildesignalprosessoren på brikken (ISP) kan konvertere sensorsignalene for behandling av bilder og gjenkjenning. Så det er mulig å konfigurere et system ved hjelp av billige kameraer uten innebygd ISP. Dette gjorde det mulig å konfigurere et system ved hjelp av billige kameraer, noe som reduserte kostnadene for den totale materiallisten (BOM).
Den nye felles dyplæringsløsningen, inkludert programvare og utviklingsstøtte fra StradVision, vil være tilgjengelig for utviklerne innen begynnelsen av 2020.