用于车辆感知系统的神经网络中的激活零旁路和权重剪枝

    公开(公告)号:CN111105030A

    公开(公告)日:2020-05-05

    申请号:CN201910499155.7

    申请日:2019-06-10

    Abstract: 本发明题为“用于车辆感知系统的神经网络中的激活零旁路和权重剪枝”。在根据本公开的方面的一个示例具体实施中,一种计算机实现的方法包括在与车辆相关联的相机处捕获多个图像并将与多个图像相关联的图像数据存储到存储器。该方法还包括将车辆感知任务分派给与存储器通信的加速器的多个处理元件。该方法还包括通过多个处理元件中的至少一个处理元件使用神经网络来执行用于车辆感知的车辆感知任务,其中执行车辆感知任务包括对低于第一阈值的值执行激活旁路,以及至少部分地基于第二阈值,执行神经网络的突触和神经元的权重剪枝。该方法还包括至少部分地基于执行车辆感知任务的结果来控制车辆。

    车辆摄像头的自动校准
    52.
    发明公开

    公开(公告)号:CN110738705A

    公开(公告)日:2020-01-31

    申请号:CN201910418537.2

    申请日:2019-05-20

    Inventor: 佟维 曾树青

    Abstract: 在各种实施例中,提供了校准车辆摄像头的方法、系统和车辆。在某些实施例中,车辆包括摄像头、存储器和处理器。摄像头设置在车辆上,并且被配置成生成摄像图像,在摄像图像中,在车辆上检测到物体。存储器被配置成存储与检测到的物体相关的地图数据。处理器设置在车辆上,并且被配置成使用地图数据和摄像头的校准参数的初始值来进行初始投影;以及利用初始投影与摄像图像的比较来更新校准参数的值。

    用于端对端自主车辆验证的系统和方法

    公开(公告)号:CN110103983A

    公开(公告)日:2019-08-09

    申请号:CN201910068515.8

    申请日:2019-01-24

    Abstract: 提供用于评估自主车辆的控制特征以实现开发或验证目的的系统和方法。真实世界传感器数据集由具有传感器的自主车辆生成。感测和感知模块生成真实世界传感器数据集的扰动。发生器模块从真实世界传感器数据集生成三维对象数据集。规划和行为模块生成三维对象数据集的扰动。测试模块使用三维对象数据集测试诸如算法或软件之类的控制特征。控制模块执行来自控制特征的指令输出以进行评估。

    使能用于高级驾驶员辅助系统和自主车辆的连续验证的验证即服务的系统和方法

    公开(公告)号:CN116709245A

    公开(公告)日:2023-09-05

    申请号:CN202211267799.1

    申请日:2022-10-17

    Abstract: 本发明涉及使能用于高级驾驶员辅助系统和自主车辆的连续验证的验证即服务的系统和方法。机动车辆连续验证系统包括后端,该后端从车辆车队收集数据并且与车辆车队无线通信。后端与至少一个客户无线通信。车辆模块提供为车载在车辆车队的多个机动车辆中的各个机动车辆上并且执行车载车辆验证分析。基于车队的验证模块或者提供在后端处或者基于云提供,该基于车队的验证模块管理定义车辆车队的多个机动车辆的配置和能力的数据。验证管理器基于用户的定义或验证分析的验证任务的期望产出和车队车辆可用性生成验证任务。客户端模块相对于车辆车队的多个机动车辆而言是远程的,该客户端模块具有由寻求执行验证分析的至少一个客户应用的界面项目。

    用于自主车辆和自主驾驶系统中的按需的特征集中的数据收集的系统和设备

    公开(公告)号:CN116704744A

    公开(公告)日:2023-09-05

    申请号:CN202211266936.X

    申请日:2022-10-17

    Abstract: 一种机动车辆的按需的特征集中的数据收集系统包括配备有机动车辆的至少一个数据收集装置。响应于用户提交的数据收集请求,数据收集单元从至少一个数据收集装置接收数据。数据场景组组合由数据收集单元接收的数据的部分并且存储在机动车辆的数据收集单元中或远程服务器处。控制逻辑装置接收数据收集请求并激活数据的收集。控制逻辑装置包括:数据收集策略,如果不同类型的数据可用,则该数据收集策略不同;加载或部署的参考算法;为数据分配的存储容量;以及用于保存数据的存储策略。

    高精度低位卷积神经网络
    60.
    发明授权

    公开(公告)号:CN110852414B

    公开(公告)日:2023-08-29

    申请号:CN201910462515.6

    申请日:2019-05-30

    Abstract: 本发明题为“高精度低位卷积神经网络”。本文描述了用于生成并训练高精度低位卷积神经网络(CNN)的系统、方法和计算机可读介质。使用一个或多个二元滤波器来模拟CNN的每个卷积层的滤波器,并且使用二元激活的线性组合来模拟实值激活函数。更具体地,使用缩放的二元滤波器来模拟非1×1滤波器(例如,k×k滤波器,其中k>1),并且使用二元滤波器的线性组合来模拟1×1滤波器。因此,针对模拟不同权重(例如,1×1滤波器对非1×1滤波器)而采用不同的策略。以这种方式,在高精度低位CNN的(一个或多个)卷积层中执行的卷积变为二元卷积,该二元卷积产生较低的计算成本,同时仍保持高性能(例如,高准确度)。

Patent Agency Ranking