Contents
Moderne toepassingen voor detectie van auto's vereisen op maat gemaakte AI-versnellers.
Als het gaat om toepassingen van kunstmatige intelligentie in automotive, vooral die met data-intensieve of sensorgestuurde operaties, is speciale AI-hardware essentieel geworden.
Deze AI-versnellers presteren aanzienlijk beter dan hun tegenhangers voor algemene doeleinden – GPU's of FPGA's – en leveren krachtige computerprestaties tegen aanzienlijk verminderde stroomverbruik.
“De komst van kunstmatige intelligentie, met speciale hardware, accelerators genaamd, maakt een beter begrip van de omgeving rond de auto mogelijk en kan daarom meer en meer autonomie mogelijk maken naarmate de software en de hardware verbeteren.”
<Yole Développement (Yole), rapport “Artificial Intelligence Computing for Automotive”, mei 2020
Ambarella's AI-versneller, bekend als CVflow®, is speciaal ontworpen voor krachtige computervisie, neurale netwerkverwerking en machine learning in automobieltoepassingen. Het resultaat? Op CVflow gebaseerde oplossingen zijn in staat om meerdere neurale netwerken tegelijk te laten draaien, waarbij elk netwerk is getraind om een andere klasse objecten te detecteren of complexe segmentatie van beeldinhoud in verschillende verkeersscenario's uit te voeren – allemaal zonder overmatig vermogen te verbruiken of onrealistische, niet-productieve vereisten te vereisen -klare vormfactoren.
Onze op CVflow gebaseerde SoC's beschikken ook over de Arm Cortex-A53-processor, waardoor de parallelle uitvoering van intelligente taken zoals het volgen van objecten of het nemen van beslissingen mogelijk is, naast traditionele computertaken.
Een korte CVflow case study: de ADAS-camera aan de voorkant.
Laten we, om de voordelen van CVflow te illustreren, kijken naar ADAS-camera's aan de voorzijde, die in snel tempo een vaste waarde worden in moderne voertuigen. Als stand-alone apparaat moet deze camera snelle en complexe computer vision-verwerking op het apparaat zelf leveren binnen een strikt stroombudget – doorgaans minder dan 5 watt voor het hele systeem. Vanwege de locatie op het voertuig (naar de bovenkant van de voorruit), moet een ADAS-camera aan de voorkant relatief compact en gestroomlijnd zijn en een minimale hoeveelheid ruimte innemen zonder in te boeten aan prestaties.
Het apparaat moet een enorm aantal objecten detecteren, complexe gedragsmodellen toepassen om hun bewegingen in een dynamische scène te schatten en te voorspellen, tijdige waarschuwingen geven aan de bestuurder met hoge nauwkeurigheid en zelfs de uitvoering van kritieke interventies activeren, zoals als noodstop.
Front ADAS-camera's die momenteel in massaproductie zijn, hebben vaak enkele camera's met resoluties tussen 1 en 2 megapixels, een relatief bescheiden technische vereiste. Verwacht wordt echter dat de ADAS-camera's aan de voorkant van de volgende generatie resoluties van 8 megapixels zullen bereiken voor een grotere detectiedekking op lange afstanden, evenals voor bredere kijkhoeken op kortere afstanden. Met CVflow zijn onze computer vision SoC's in staat om deze ontmoedigende uitdaging aan te gaan: het mogelijk maken van low-power, high-performance, automotive AI aan de rand met behulp van hoge resolutie beelden.
“We hebben voor Ambarella's CVflow SoC's gekozen vanwege hun vermogen om extreem hoge computer vision-verwerkingsprestaties te leveren met een zeer laag stroomverbruik.”
HELLA Aglaia
Wat zijn de belangrijkste kenmerken van CVflow?
- Flexibele neurale netwerkversneller ontworpen om CNN's/DNN's efficiënt in kaart te brengen die zijn getraind met industriestandaard tools zoals TensorFlow, PyTorch, Caffe of ONNX
- Schaalbaarheid over verschillende prijs-/prestatiepunten
- Flexibiliteit om een verscheidenheid aan neurale netwerkarchitecturen aan te pakken
- Lage DRAM-bandbreedte, lage latentie en laag stroomverbruik
- Robuuste set softwaretools
Klik hier voor meer informatie over onze CVflow-architectuur.
Voor aanvullende informatie op, neem dan contact met ons op.
Jens Landgraf
Directeur Automotive Marketing, Ambarella
