面向车规级芯片的对象检测模型优化方法

卷积神经网络复杂的网络结构使得模型计算复杂度高,限制了其在自动驾驶等实际终端场景中的应用。针对终端场景下的计算资源受限的问题,本文从轻量化深度模型设计和车规级芯片模型部署验证两方面进行研究。针对深度模型计算效率和检测精度的矛盾,本文设计了基于中心卷积的轻量化对象检测模型,实现功耗低且精度高的模型性能。进一步,本文基于量化感知训练的模型加速部署方法在车规级芯片上开展了系统级部署验证,在车规级芯片tda4上成功实现了高效的对象检测模型,在自动驾驶场景中取得了良好的性能。

中国自动驾驶芯片的现状、机遇与风险(二)

2021年以来,"芯片荒"无疑是汽车行业最受关注的话题。疫情、自然灾害等因素带来的影响是阶段性的,但全球政治环境带来的影响将成为常态。随着自动驾驶的快速发展,车用芯片是否也会遭遇与华为类似的尴尬局面?为探其究竟,《汽车观察》特别邀请自动驾驶科技公司禾多科技撰写分析报告,厘清自动驾驶芯片的技术分布与产业链格局,从而探索中国技术进步与替代国际传统供应商的可能性。

中国自动驾驶芯片的现状、机遇与风险

2021年以来,“芯片荒”无疑是汽车行业最受关注的话题。疫情、自然灾害等因素带来的影响是阶段性的,但全球政治环境带来的影响将成为常态。随着自动驾驶的快速发展,车用芯片是否也会遭遇与华为类似的尴尬局面?为探其究竟,《汽车观察》特别邀请自动驾驶科技公司禾多科技撰写分析报告,厘清自动驾驶芯片的技术分布与产业链格局,从而探索中国技术进步与替代国际传统供应商的可能性。

中国自动驾驶芯片的现状、机遇与风险(三)

2021年以来,"芯片荒"无疑是汽车行业最受关注的话题。疫情、自然灾害等因素带来的影响是阶段性的,但全球政治环境带来的影响将成为常态。随着自动驾驶的快速发展,车用芯片是否也会遭遇与华为类似的尴尬局面?为探其究竟,《汽车观察》特别邀请自动驾驶科技公司禾多科技撰写分析报告,厘清自动驾驶芯片的技术分布与产业链格局,从而探索中国技术进步与替代国际传统供应商的可能性。

自动驾驶量产落地未来可期

在自动驾驶这样一个长的的赛道上,量产是算法升级和工程迭代的最佳选择。自动驾驶市场从过去的ADAS到未来的自动驾驶,正在面临一个分水岭。