瑞萨电子公司宣布联合开发基于深度学习的对象识别解决方案，用于下一代高级驾驶员辅助系统应用中使用的智能相机和ADAS 2级及更高级别的相机。这种新的智能相机解决方案利用深度学习进行高精度和低功耗的目标识别; 它还加速了ADAS的广泛应用。
瑞萨与StradVision之间的合作使这项新技术能够识别出易受伤害的道路使用者（VRU），例如行人和骑自行车的人以及其他车辆和车道标志。所述StradVision优化了他们的软件为瑞萨R-车载汽车系统级芯片（SoC）的产品 R-车载V3H和R-汽车V3M其具有记录作为大量生产的汽车。这些R-Car设备具有专用于深度学习处理的引擎，称为CNN-IP（卷积神经网络知识产权），它使它们能够高速运行StradVision的SVNet汽车深度学习网络。
主要特征
1）该解决方案支持对批量生产的早期评估
StradVision的SVNet深度学习软件是ADAS系统大规模生产的强大AI感知解决方案，因为它具有在弱光下精确识别的能力以及当对象被其他对象部分隐藏时的遮挡能力。R-Car V3H的基本软件可以通过以每秒25帧的速度处理图像来同时识别车辆，人员和车道，从而可以快速进行评估和POC开发。借助这些基本功能，开发人员可以通过添加符号，标记和其他对象作为识别目标来定制软件。
2）R-Car V3H和R-Car V3M SoC在降低成本的同时提高了智能相机系统的可靠性
瑞萨R-Car V3H和R-Car V3M具有IMP-X5图像识别引擎。将基于深度学习的复杂对象识别和高度可验证的图像识别处理与人为规则相结合，可以使设计人员构建强大的系统。片上图像信号处理器（ISP）可以转换传感器信号以进行图像渲染和识别处理。因此，可以使用不带内置ISP的廉价摄像机来配置系统。这使得使用便宜的摄像机配置系统成为可能，从而降低了总体物料清单（BOM）成本。
新的联合深度学习解决方案（包括StradVision的软件和开发支持）将于2020年初为开发人员提供。