Aug, 2023

自主驾驶中的硬件加速器

PDF
TL;DR自动驾驶汽车中的计算平台通过机器学习模型记录大量传感器数据，并进行决策以确保车辆的安全运行。传统的计算机处理器缺乏感知和机器视觉要求的能力和灵活性。硬件加速器是专用的协处理器，可帮助自动驾驶汽车满足更高级别自主性的性能要求。本文概述了机器学习加速器的用途，特别是在自动驾驶汽车的机器视觉方面。我们为研究人员和实践者提供建议，并突出了该新兴领域的持续和未来研究的轨迹。
发现论文，激发创造
  • 自动驾驶计算系统：现状和挑战

    本研究论文综述了自动驾驶的最新计算系统、性能指标、核心技术和挑战，并旨在吸引计算机和汽车领域的关注和更多研究。

    Sep, 2020

  • 自动驾驶车辆中的计算机视觉应用：方法、挑战与未来发展方向

    自动驾驶车辆的知觉系统及其与计算机视觉和传感器相关的技术发展和应用进行了综述，概述了自动驾驶车辆的发展、传感器和数据集、计算机视觉应用以及公众意见和担忧，并分析了当前技术挑战和未来研究方向。

    Nov, 2023

  • 使用 AutoML 实现加速器感知的神经网络设计

    采用硬件意识神经架构搜索，设计了一类适用于 Edge TPU 的计算机视觉模型，有效提升了实时图像分类性能并在像素 4 的边缘 TPU 上改善了精度 - 延迟权衡。

    Mar, 2020

  • 异构 HPC 平台深度学习硬件加速器调查

    该论文概述了近年来深度学习加速器的最新进展，并分类了最具影响力的架构和技术，以便提供给读者一个全面的视角，最终提供了一些关于深度学习加速器未来挑战的见解，例如量子加速器和光子学。

    Jun, 2023

  • 自动驾驶中基于 Transformer 模型和硬件加速的分析：综述

    系统概述了针对自动驾驶领域的 Transformer 模型，分析了编码器解码器和仅编码器模型的优缺点，并深入探讨了量化和运行时等关键因素对 Transformer 操作符及其硬件加速的影响，同时在卷积神经网络、Swin-Transformer 和具有 4D 编码器的 Transformers 层之间进行操作符水平比较。

    Apr, 2023

  • 边缘近似人工智能对于能源效率自主驾驶服务的调查

    自动驾驶需依赖多种传感器和高性能计算单元搭载的 AI 模型，但面临着巨大数据负担和能耗问题，本文回顾了连接车辆应用、车辆通信、Edge AI 技术的最新进展并重点关注能源效率，探讨了提高能源效率的方法，为低功耗、内存受限制的系统和自主车辆的能量优化提供了启示。

    Apr, 2023

  • 机器学习加速器调查和基准测试

    本文研究了公开宣布具有性能和功耗数字的多核处理器和加速器的现状，发现其中一些趋势，包括功耗、数字精度以及推理与训练等方面的趋势，并选择并测试了两个低尺寸、重量和功率的商用加速器的实际表现，将其与报道的性能和功耗数值进行比较，并将其与嵌入式应用程序中使用的 Intel CPU 进行评估。

    Aug, 2019

  • 基于深度学习的计算机视觉在自动驾驶技术中的应用研究

    该研究探索了深度学习在自动驾驶计算机视觉技术中的应用及其对系统性能的改进影响。研究结果表明，深度学习技术可以显著提高自动驾驶系统的准确性和实时响应能力。尽管在环境感知和决策支持方面仍存在挑战，但随着技术的进步，预计未来能实现更广泛的应用和更大的潜力。

    Jun, 2024

  • 嵌入式汽车平台上卷积神经网络包的性能 / 功耗评估

    最近的网络在嵌入式商用系统芯片上的有效性和效率进行了验证，为工程师选择最合适的卷积神经网络包和计算系统提供了指导。

    Oct, 2023

  • 机器学习的硬件：挑战与机遇

    本文讨论了如何在各种硬件设计级别上解决机器学习中遇到的挑战，主要包括机器学习、传感器数据、嵌入式处理、能源消耗和硬件设计。

    Dec, 2016