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)
Während andere industrielle Anwendungsbereiche Deep Learning-Inferenzmaschinen beliebiger Größe in Kauf nehmen können, verfügt der Automobilmarkt über viel begrenztere Ressourcen. Bis heute wird KI in der Regel auf Systemen mit nahezu uneingeschränktem Zugriff auf Prozessor- und Speicherressourcen entwickelt und bereitgestellt.
Die Verfügbarkeit von Softwareabläufen, die dazu erforderlich sind, ist nach wie vor begrenzt. Das eIQ Auto Toolkit ist ein Vertreter einer neuen Art von Tools, die den Einsatz von Deep Learning in ADAS im Laufe des gesamten Entwicklungszyklus unterstützen sollen. Das Toolkit wurde entwickelt, um den Entwicklungszyklus zu adressieren. Dabei wird ein auf einem vorhandenen Framework basierendes trainiertes Modell verwendet, welches die Konvertierung wie auch die Optimierung für die Zielhardware übernimmt. Der Benutzer kann dann die Leistung des konvertierten Modells anhand des bereitgestellten Feedbacks analysieren und eine Feinabstimmung des Modells vornehmen.
Webinar beschreibt Entwicklungsablauf von KI-Systemen fürs Auto
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.
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)
