《表4 常见网络的计算规模 (224×224图片)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度神经网络的关键技术及其在自动驾驶领域的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

自动驾驶汽车中，DNN由于其拟合能力强、表征能力佳以及泛化能力优而备受瞩目。但同时DNN存在计算密集、访存密集的特点，实现低延时、高实时应用是十分困难的。由表4知，以图片分类（输入分辨率224×224）为例，常见网络的单帧前向推断运算次数已达109次级别，权重数量处于106个级别以上。而自动驾驶场景，图像传感器的分辨率不仅更高，且个数更多，加上激光雷达、毫米波雷达等多源传感器的实时处理需求，DNN的计算问题更为突出。因此，面向自动驾驶的深度网络，一是要根据智能化等级（L1到L5），选取合适性价比的计算硬件（包括模型训练和前向推断），提高硬件本身的利用效率；二是对网络进行优化和压缩，保证推断精度的同时，降低模型本身的计算量和存储量。