DeepScale募资1500万美元，用于发展自动驾驶汽车感知软件
2018-04-09 20:30:49 来源：麦姆斯咨询 评论：0 点击：
DeepScale是一家致力于用于批量生产自动驾驶汽车的高效深度学习感知软件的初创公司。据麦姆斯咨询报道，该公司近期宣布由Point72和next47领投，完成1500万美元的A轮融资。
DeepScale是一家致力于用于批量生产自动驾驶汽车的高效深度学习感知软件的初创公司。据麦姆斯咨询报道，该公司近期宣布由Point72和next47领投，完成1500万美元的A轮融资。
追加的A轮投资金额由现有投资者Autotech Ventures和Trucks Venture Capital提供，这两家公司均以具备专业汽车知识而闻名。
关于DeepScale
DeepScale位于硅谷，是一家由风险投资支持的初创公司，开发用于驾驶辅助和自动驾驶的人工智能感知软件，并专注于实现汽车级处理器的高效深度神经网络。
DeepScale的深度神经网络（deep neural nets，DNNs）利用来自不同传感器的数据，帮助所有自动驾驶车辆感知周围的世界。该公司开发的感知技术以原始数据代替目标数据，并使用嵌入式处理器加速传感器融合。
DeepScale独一无二的解决方案将深度神经网络用于小型、低成本汽车级传感器和处理器，以改变感知系统的精度，实时解读和分类传感器数据以实现车辆的自动驾驶。公司正致力于以不同的定价系统实现驾驶辅助和自动驾驶车辆的大批量生产。
全球范围内，每年因交通事故而死亡的人数超过一百万人。最近的A轮融资将帮助DeepScale扩大工程团队以取得技术上的进步，进一步支持公司实现其愿景——使自动驾驶和道路变得更为安全。
DeepScale公司的联合创始人和首席执行官Forrest Iandola表示，“我们公司的核心目标之一是大幅减少道路上的伤亡人数，公司的A轮融资不仅能够使工程团队在自动驾驶安全性方面取得突破性进展，更能帮助我们吸引到行业内顶尖人才，共同改变交通运输行业的未来。”
自动驾驶汽车领域的计算机视觉现状
在一篇博文中，DeepScale的联合创始人兼首席执行官Forrest Iandola解释了用于自动驾驶汽车的计算机视觉现状。他写道，自动驾驶汽车领域的计算机视觉可分为两类。
第一类系统仅包括摄像头或摄像头与雷达相结合，它们广泛应用于先进驾驶辅助系统（ADAS，Advanced Driver Assistance Systems）。先进驾驶辅助系统的功能包括车道保持辅助、自适应巡航控制和自动紧急制动。
第二类是谷歌Waymo和其它主要专注于自动驾驶领域公司所做出的努力。对这些公司而言，其目标是不计传感器和计算硬件的成本创建高度自动化的车辆。
Mobileye就是一家这样的公司，它已经成为该行业的领导者。Mobileye向福特（Ford）、通用（General Motors）和宝马（BMW）提供先进驾驶辅助系统。
Mobileye首次开始研究计算机视觉技术要追溯到20年前。当时，计算机处理能力比现在差很多，因为处理器速度较慢，计算机视觉的能力也非常有限。这就要求公司开发一种定制芯片来实时运行计算机视觉能力。
现如今，Mobileye开始销售捆绑有定制处理器和专有计算机视觉软件的前置摄像头。这些摄像头大批量生产的成本低于100美元。
深度神经网络
这些较大规模的自动驾驶项目开始转向采用深度神经网络作为计算机视觉的工具。深度神经网络（更重要的是它们提供的精度）是近年来自动驾驶汽车迅速发展的关键催化剂。
然而，对大多数公司而言，它们的硬件解决方案价格昂贵且成本较高。现在的原型自动驾驶汽车通常依赖于深度神经网络，运行高达2千瓦的GPU或张量处理器来解读和融合车辆传感器套件中的数据。这种设置通常需要花费数万美元。DeepScale的解决方案是运用低成本深度神经网络，开发人员得以使用同样强大的技术，而不再被贴上价格高昂的标签。
DeepScale的联合创始人兼首席执行官Forrest Iandola在加州大学伯克利分校获得了博士学位，并开始从事深度神经网络和计算机视觉系统领域的相关工作。在与他的导师，现在也是联合创始人Kurt Keutzer的合作过程中，Forrest在分布式训练和深度神经网络的高效实施取得了进展，从而带来了DeepScale的成立。
Point72的负责人Sri Chandrasekar表示，“我们一直在关注Forrest Iandola多年来在高效深度学习领域的研究。Forrest的发明，例如被称为SqueezeNet的小型深度神经网络，已经成为将深度学习应用于智能手机领域的游戏改变者。当我们听说Forrest已经开始将小型深度神经网络投入汽车的大批量生产时，我们将其视为机遇并参与进来。”
DeepScale和深度神经网络
最近对深度神经网络的研究主要集中在实现高水平精度。然而，对于给定的精度而言，通常可以确定多个较小的深度神经网络架构，最终仍然可以达到所需的精度水平。
相同精度的前提下，使用较小的深度神经网络架构体现了两大主要优势。其一，较小的深度神经网络在分布式训练期间需要较少的服务器通信。
幸运的是，今天使用深度学习进行训练并不局限于机器。神经网络的高效分布式训练方面已经进行了大量的工作和研究。对自动驾驶应用而言，更为重要的是，较小的深度神经网络需要较少的带宽，通过无线电更新将新导出从云端到自动驾驶汽车的新模型。
受大数据训练的现代神经网络架构在多领域（语言和图像识别）中的性能表现获得令人深刻的印象。然而，训练这些神经网络模型对计算的要求很高。此外，网络训练在机器上可能白白花费较长的时间。
为了提供所有的优势，DeepScale开发了一种被称为SqueezeNet的小型深度神经网络架构。SqueezeNet在ImageNet上实现了AlexNet级的精度，与AlexNet相比参数数量减少50倍。此外，借助模型压缩技术，DeepScale能够将SqueezeNet压缩到小于0.5MB的空间（比AlexNet小510倍）。
DeepScale将继续推动深度神经网络在计算机视觉的精度和鲁棒性。公司也正在研究如何让上述方法在硬件上运行，且兼具价格优势（接近于10美元而不是1万美元）和低功耗（接近10瓦而不是2千瓦）的特性。
凭借深度神经网络，自动驾驶汽车可以识别物体
另一大挑战是如何让这些方法加入各种汽车传感器和计算平台，而不是将原始设备制造商（OEMs）限制在一套专有的传感器和处理器上。
DeepScale所面临的主要挑战是充分利用来自于自动驾驶汽车领域的现代计算机视觉的方法，并将其运用于汽车的大批量生产。
next47的合作伙伴T.J. Rylander指出，“DeepScale为深度神经网络带来了独特的专业知识和先进技术，并应用于汽车行业的设计。我们看到了自动驾驶汽车改变交通运输市场的潜力，并为之感到兴奋。DeepScale的团队正在加速如今的驾驶辅助系统和未来的自动驾驶车辆商业化，有可能对其它交通运输垂直行业产生深远影响。”
DeepScale与一级供应商、原始设备制造商和半导体供应商建立了多种战略合作伙伴关系，以提供自动驾驶感知解决方案，包括伟世通（Visteon）和德国汽车零部件供应商海拉的子公司HELLA-Aglaia Mobile Vision GmbH。
HELLA-Aglaia的总经理Kay Talmi解释道，“机器学习解决方案将成为自动驾驶的关键驱动因素，DeepScale在高效深度学习网络方面的核心技术非常适用于HELLA-Aglaia的汽车应用和目标市场。”
DeepScale的感知软件将于2018年下半年提供样品。
延伸阅读：
《汽车雷达技术-2018版》《恩智浦MR2001多通道77GHz雷达Rx/Tx/VCO扇出RCP芯片组》
《英飞凌76 GHz雷达接收器和发射器：RRN7740和RTN7750》
推荐会议：
2018年9月6日，麦姆斯咨询将在深圳会展中心举办『“微言大义”研讨会：毫米波雷达技术及应用』（同期展会：第二十届中国国际光电博览会）。目前已邀请到亚德诺半导体（ADI）、意法半导体（ST）、清能华波、矽杰微电子、意行半导体等公司演讲，拟邀请英飞凌（Infineon）、恩智浦（NXP）、德州仪器（TI）、博世（Bosch）、法雷奥（Valeo）、大陆集团（Continental）、奥托立夫（Autoliv）、德尔福（Delphi）、加特兰微电子、华域汽车、隼眼科技、森思泰克、行易道、智波科技、纳雷科技、木牛科技等公司参加。
如果您要参加演讲或进行产品展示，详情请联系会议招商组：
联系人：肖莉
邮箱：XiaoLi@MEMSConsulting.com
电话：18861567166
上一篇：天瞳威视CEO王曦：联通等参与新一轮亿元融资，同步发力前后装
下一篇：向蝴蝶借一双慧眼，新型相机精准识别肿瘤组织