半導體解決方案供應商瑞薩電子與自駕車視覺處理技術解決方案供應商StradVision公司今天宣佈聯合開發深度學習式的智慧型攝像頭物件辨識解決方案，用於下一代先進駕駛輔助系統（ADAS）應用產品，以及用於ADAS 第2級以上的攝像頭。
 |
| /news/2019/09/26/1702104560S.jpg |
為了避免在市區發生危險，下一代ADAS的實作，要有能夠檢測出所謂弱勢道路使用者（vulnerable road user，VRU）的高精度物件辨識，例如行人和自行車騎士。同時，對於大眾市場的中階到入門級車輛，這些系統必須只消耗非常低的功率。瑞薩和StradVision的新解決方案，實現了這兩項目標，致力於讓ADAS能更快得到廣泛採用。
瑞薩汽車技術客戶參與業務部副總裁吉田直樹（Naoki Yoshida）表示：「作為視覺處理技術的領導者，StradVision在使用瑞薩的R-Car SoC開發ADAS的實作上，擁有豐富的經驗，透過這項合作，我們正在實現已量產的解決方案，在未來實現安全和準確的機動性。這種全新結合深度學習式，針對R-Car SoC來最佳化的解決方案，將有助於下一代ADAS實作被廣泛採用，並支援預計在未來幾年內推出，不斷升級的視覺感測器要求。」
StradVision執行長Junhwan Kim也表示：「StradVision很高興能夠與瑞薩相結合，幫助開發人員有效地加強努力，實現ADAS的下一次重大飛躍。這項共同努力，不僅可以轉化為快速有效的評估，而且還可以大幅提高ADAS的效能。隨著未來幾年前置攝像頭市場的大幅成長，這項合作將使StradVision和瑞薩在提供最佳技術方面，處於優勢的地位。」
StradVision具備深度學習式（deep learning）的專門技術，其深度學習式物件辨識軟體，在辨識車輛、行人和車道標線上，具有很高的性能。這款高精度辨識軟體，已針對瑞薩R-Car汽車系統單晶片（SoC）產品R-Car V3H和R-Car V3M，進行了最佳化，而這些晶片在量產的車種中，擁有良好的記錄。這些R-Car晶片採用稱為CNN-IP（卷積神經網路智慧財產權）的深度學習處理專用引擎，能夠以最低的功耗，高速執行StradVision的SVNet汽車深度學習網路。這項合作產生的物件辦識解決方案，實現了深度學習式的物件辨識，同時保持低功耗，使其適用在大規模生產的車輛，並促進了ADAS的採行。
深度學習式物件辨識解決方案特點
1. 解決方案可支援從早期評估一直到量產
StradVision的SVNet深度學習軟體，是強大的AI感知解決方案，用於ADAS系統的量產。其高度重視在低光環境下的辨識精確度，以及當物體被其他物體部分隱藏時處理遮蔽的能力。R-Car V3H的基本套裝軟體可同時執行車輛、人員和車道識別，以每秒25圖框的速度處理圖像資料，實現快速評估和POC開發。以這些功能作為基礎，如果開發人員希望藉由添加標誌、標線和其他物件，作為辨識目標來客製化軟體，StradVision也提供深度學習式物件識別的支援，為量產的車輛涵蓋從訓練到嵌入軟體的所有步驟。
2. R-Car V3H和R-Car V3M SoC提高智慧型攝像頭系統的可靠度，同時降低成本
除了CNN-IP專用深度學習模組之外，瑞薩R-Car V3H和R-Car V3M還配備了IMP-X5圖像識別引擎。將深度學習式的複雜物件辨識，和高度可驗證，具有人為規則的圖像識別處理相結合，使設計人員能夠建置一個強固的系統。此外，晶片內建圖像訊號處理器（ISP），被設計來轉換感測器訊號，以用於圖像彩現（image rendering）和辨識處理。這樣就可以使用沒有內建ISP的平價攝像頭來配置系統，因而降低了整體物料清單（BOM）的成本。
瑞薩R-Car SoC採用全新的結合深度學習解決方案，包括StradVision的軟體和開發支援，計畫於2020年初提供給開發人員。
