DNN车用影像识别产品相继问世 CEVA等厂商引领自动驾驶前行

DIGITIMES Research观察，以深层神经网络(Deep Neural Network；DNN)的深度学习架构为基础的人工智能(AI)技术在全球如火如荼展开，并运用在影像识别上，其中，以美商NVIDIA和以色列业者Mobileye推出的车用半导体相关技术产品最受注目；因神经网络架构针对庞大数量影像能做更精确的识别处理任务，未来应用在汽车市场中，将能因应判别速度及精度要求更高的自动驾驶时代来临。

NVIDIA于2017年美国消费性电子展(CES 2017)正式发布Xavier单芯片(SoC)产品，其具备8核心ARM 64处理器与新的Volta显示处理单元，加上NVIDIA原本在绘图处理器(GPU)的技术优势，让自驾车的机器学习系统得以有效应用。透过GPU运算，Xavier能比现场可程式逻辑闸阵列(Field Programmable Gate Array；FPGA)、中央处理器(CPU)有更佳表现，也让NVIDIA事业从GPU朝向人工智能领域发展。

另一方面，也有采用IP核心或FPGA的通用影像识别产品，其应用领域不只限于汽车市场，也广泛用于其他影像处理芯片。其中，IP核心产品提共业者包括Cadence Design System、Synopsys、CEVA等美商，各家产品在动作频率、数值表现和处理性能、耗电量等各有不同。例如CEVA推出的即时神经网络软件架构CEVA深层神经网络，已被用于安全监控需求的行人侦测和脸部识别、先进驾驶辅助系统等。

自动驾驶技术的挑战在于城市路况复杂多变，恐无法做有效判断，因此需将多种侦测装置与数据作结合，以精确定位车辆位置，并侦测周遭路况、设定路线和控制方向盘。而神经网络的加入，让车辆对周边物体的探测和分类能力大幅提高，让各传感器所取得多项数据的结合变得更准确，而这些加工的数据也成为车辆感知、定位和规划路线等的重要依据。