Renesas Electronics Corporation annoncerede den fælles udvikling af en dyb læringsbaseret objektgenkendelsesløsning til smarte kameraer, der anvendes i næste generations avancerede driverassistentsystemapplikationer og kameraer til ADAS niveau 2 og derover. Denne nye løsning med smart kamera anvender dyb læring til genkendelse af objekter med høj præcision og lavt strømforbrug; det fremskynder også den udbredte tilpasning af ADAS.
Samarbejdet mellem Renesas og StradVision gjorde denne nye teknologi i stand til at genkende sårbare vejbrugere (VRU'er) såsom fodgængere og cyklister og også andre køretøjer og banemarkeringer. Den StradVision har optimeret deres software til Renesas R-Car automotive system-on-chip (SoC) produkter R-Car V3H og R-Car V3M som har den track record som de masseproducerede biler. Disse R-Car-enheder har en dedikeret motor til dyb læringsbehandling, kaldet CNN-IP (Convolution Neural Network Intellectual Property), som gør det muligt for dem at køre StradVisions SVNet automotive dyb læringsnetværk i høj hastighed.
Nøglefunktioner
1) Løsningen understøtter en tidligere evaluering af masseproduktion
StradVisions SVNet-dybdelæringssoftware er en stærk AI-opfattelsesløsning til masseproduktion af ADAS-systemer på grund af dets evne til nøjagtigt at genkende i svagt lys og evnen til at håndtere okklusion, når objekter delvist er skjult af andre objekter. Den basale software til R-Car V3H kan samtidigt genkende køretøjet, personen og banen ved at behandle billedet med en hastighed på 25 billeder i sekundet, hvilket muliggør hurtig evaluering og POC-udvikling. Ved hjælp af disse grundlæggende funktioner kan en udvikler tilpasse softwaren med tilføjelse af tegn, markeringer og andre objekter som genkendelsesmål.
2) R-Car V3H og R-Car V3M SoCs øger pålideligheden af smart kamerasystem og reducerer omkostningerne
Renesas R-Car V3H og R-Car V3M har IMP-X5-billedgenkendelsesmotoren. Kombination af dyb læringsbaseret kompleks genkendelse af genstande og meget verificerbar billedgenkendelsesbehandling med menneskeskabte regler gør det muligt for designeren at opbygge et robust system. On-chip Image Signal Processor (ISP) kan konvertere sensorsignaler til billedgengivelse og genkendelsesbehandling. Så det er muligt at konfigurere et system ved hjælp af billige kameraer uden en indbygget internetudbyder. Dette gjorde det muligt at konfigurere et system ved hjælp af billige kameraer, hvilket reducerede de samlede styklisteomkostninger.
Den nye fælles dyb læringsløsning, inklusive software og udviklingsstøtte fra StradVision, vil være tilgængelig for udviklerne i begyndelsen af 2020.