Deep Learnng und KI im Auto: Entwicklungs-Toolkits wie eIQ Auto entlasten den Entwickler von ADAS-Funktionen und beschleunigen die Implementierung in die ADAS-Zielanwendung. Die Grundlagen dafür liefert das Webinar am 02.12.2020. (Bild: NXP)
Für die Mehrzahl der Entwickler sind die Software-Abläufe für die Entwicklung von ADAS-Systemen basierend auf künstlicher Intelligenz im Automotive-Bereich absolutes Neuland. Die wichtigste Grundlage ist die Bereitstellung qualifizierter Datensätze – für die Objekterkennung kann es sich dabei zum Beispiel um einen Datensatz von Verkehrszeichen handeln.
Das reine Training des KI-Modells ist jedoch erst der Anfang. Nach dem Training gilt es, die Genauigkeit des Modells zu bewerten und potenziell beginnt damit eine interative Entwicklungsphase, die von der für die Anwendung benötigten Genauigkeit abhängt. Bevor das trainierte Modell bereitgestellt werden kann, ist es notwendig, es für die Zielhardware zu optimieren. Diese Phase ist von entscheidender Bedeutung, da sich die theoretische Leistung des Systems nur erreichen lässt, wenn es die physikalsichen Ressourcen optimal nutzt.
Webinar beschreibt Entwicklungsablauf von KI-Systemen fürs Auto
Für Entwicklerteams eröffnen sich damit viele weitere komplexe Ebenen, denn nach jeder Iteration muss überprüft werden, ob das Modell noch die gewünschte Leistung und Genauigkeit bringt. Mit einem auf Automotive-Qualität ausgelegten Softwareentwicklungs-Ablauf und einem dafür optimierten Tookit wie dem eiQ Auto von NXP lassen sich KI- und Deep-Learning-basierte ADAS-Funktionen schneller integrieren. Was das Toolkit kann und eine detaillierte Beschreibung des Entwicklungsablaufs bietet das Webinar am 02.12.2020 um 10 Uhr.
Das Webinar
Embedded KI: Entwicklung von hochoptimierten und performanten Anwendungen im Automobilsektor auf Basis von Deep Learning Algorithmik:
Im Automobilsektor vollzieht sich ein Paradigmenwechsel: Von Hardware zu Software – von traditioneller SW Entwicklung zu Anwendungen basierend auf künstlicher Intelligenz: Das Webinar legt die Grundlagen für KI-Anwendungen im Automotive-Sektor, gibt eine Einführung in NXPs Toolkit eIQ Auto, beschreibt den Entwicklungsablauf und die Optimierung beim Einsatz spezieller Software-Tools und Frameworks, auch nach Standards wie A-SPICE.
(na)
