高級輔助駕駛系統(tǒng) (ADAS) 可提供解決方案，用以滿足駕乘人員對道路安全及出行體驗(yàn)的更高要求。諸如車道偏離警告、自動剎車及泊車輔助等系統(tǒng)廣泛應(yīng)用于當(dāng)前的車型，甚至是功能更為強(qiáng)大的車道保持、塞車輔助及自適應(yīng)巡航控制等系統(tǒng)的配套使用也讓未來的全自動駕駛車輛成為現(xiàn)實(shí)。

如今，車輛的很多系統(tǒng)使用的都是機(jī)器視覺。機(jī)器視覺采用傳統(tǒng)信號處理技術(shù)來檢測識別物體。

對于正熱衷于進(jìn)一步提高拓展 ADAS 功能的汽車制造業(yè)而言，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)開辟了令人興奮的研究途徑。為了實(shí)現(xiàn)從諸如高速公路全程自動駕駛儀的短時輔助模式到專職無人駕駛旅行的自動駕駛，汽車制造業(yè)一直在尋求讓響應(yīng)速度更快、識別準(zhǔn)確度更高的方法，而深度學(xué)習(xí)技術(shù)無疑為其指明了道路。

以知名品牌為首的汽車制造業(yè)正在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)上進(jìn)行投資，并向先進(jìn)的計算企業(yè)、硅谷等技術(shù)引擎及學(xué)術(shù)界看齊。在中國，百度一直在此技術(shù)上保持領(lǐng)先。百度計劃在 2019 年將全自動汽車投入商用，并加大全自動汽車的批量生產(chǎn)力度，使其在 2021 年可廣泛投入使用。汽車制造業(yè)及技術(shù)領(lǐng)軍者之間的密切合作是嵌入式系統(tǒng)神經(jīng)網(wǎng)絡(luò)發(fā)展的催化劑。這類神經(jīng)網(wǎng)絡(luò)需要滿足汽車應(yīng)用環(huán)境對系統(tǒng)大小、成本及功耗的要求。

輕型嵌入式神經(jīng)網(wǎng)絡(luò)

卷積式神經(jīng)網(wǎng)絡(luò) (CNN) 的應(yīng)用可分為三個階段：訓(xùn)練、轉(zhuǎn)化及 CNN 在生產(chǎn)就緒解決方案中的執(zhí)行。要想獲得一個高性價比、針對大規(guī)模車輛應(yīng)用的高效結(jié)果，必須在每階段使用最為有利的系統(tǒng)。

訓(xùn)練往往在線下通過基于 CPU 的系統(tǒng)、圖形處理器 (GPU) 或現(xiàn)場可編程門陣列 (FPGA) 來完成。由于計算功能強(qiáng)大且設(shè)計人員對其很熟悉，這些是用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最為理想的系統(tǒng)。

在訓(xùn)練階段，開發(fā)商利用諸如 Caffe 等的框架對 CNN 進(jìn)行訓(xùn)練及優(yōu)化。參考圖像數(shù)據(jù)庫用于確定網(wǎng)絡(luò)中神經(jīng)元的最佳權(quán)重參數(shù)。訓(xùn)練結(jié)束即可采用傳統(tǒng)方法在 CPU、GPU 或 FPGA 上生成網(wǎng)絡(luò)及原型，尤其是執(zhí)行浮點(diǎn)運(yùn)算以確保最高的精確度。

作為一種車載使用解決方案，這種方法有一些明顯的缺點(diǎn)。運(yùn)算效率低及成本高使其無法在大批量量產(chǎn)系統(tǒng)中使用。

CEVA 已經(jīng)推出了另一種解決方案。這種解決方案可降低浮點(diǎn)運(yùn)算的工作負(fù)荷，并在汽車應(yīng)用可接受的功耗水平上獲得實(shí)時的處理性能表現(xiàn)。隨著全自動駕駛所需的計算技術(shù)的進(jìn)一步發(fā)展，對關(guān)鍵功能進(jìn)行加速的策略才能保證這些系統(tǒng)得到廣泛應(yīng)用。