特斯拉收购初创公司,专注自动驾驶“深度神经网络”

 人工智能的未来     |      2020-04-19 12:06

导读:据外国媒体报道,4月18日消息称,特斯拉收购计算机视觉初创公司DeepScale,开始收获回报,并开始通过收购一个完整的团队向电动汽车制造商提供新的专利。据报道,2019年底,特斯拉收购了

据外国媒体报道,4月18日消息称,特斯拉收购计算机视觉初创公司DeepScale,开始收获回报,并开始通过收购一个完整的团队向电动汽车制造商提供新的专利。

据报道,2019年底,特斯拉收购了旧金山湾区的初创公司DeepScale,该公司专注于开发自动驾驶汽车的“深层神经网络”。收购金额没有披露。DeepScale专注于计算和节能深度学习系统,这也是特斯拉的重点领域。特斯拉决定设计自己的电脑芯片来驱动自动驾驶软件。有人猜测,特斯拉收购该团队是为了加速其机器学习的发展。

现在特斯拉发布了一项新专利,名为“用扩展数据训练机器模型的系统和方法”。我们也看到了这次收购的结果。这项专利的发明者包括深度天平的三名成员:马修·库珀、帕尔斯·贾恩和哈齐姆的哈辛兰·辛格·西迪乌。

目前,在特斯拉旗下工作的DeepScale团队正在尝试应用该系统,该系统通过使用来自几个不同传感器观察场景的数据来训练神经网络,例如特斯拉的驾驶员辅助系统自动驾驶传感器阵列中的八个摄像机。

特斯拉在专利申请中描述了这种情况的困难:“在典型的机器学习应用中,数据可以以多种方式扩展,以避免过度拟合用于获取训练数据的捕捉设备的特征模型。例如,在用于训练计算机模型的一组典型图像中,图像可以代表许多不同捕捉环境中的对象,这些不同捕捉环境具有与所捕捉的对象相关联的不同传感器特性。例如,这种图像可以由不同的传感器特性捕获,例如不同的比例、焦距、透镜类型、预处理或后处理、软件环境、传感器阵列硬件等。这些传感器还可以在不同的外部参数方面有所不同,例如成像传感器相对于捕获图像的环境的位置和方向。所有这些不同类型的传感器特征将导致捕获的图像在图像集中采取不同的形式,这使得更难正确地训练计算机模型。”

作为回应,特斯拉的团队总结了他们对此问题的解决方案:

第一部分是用于训练和预测计算机模型的一组参数的方法。该实施例可以包括:1)识别由附接到一个或多个图像收集系统的一组相机捕获的图像;2)对于图像集中的每个图像,识别图像的训练输出;3)对于图像组中的一个或多个图像,通过用保持图像的相机属性的图像操纵功能修改图像来生成增强的图像,并将增强的训练图像与图像的训练输出相关联;4)训练预测计算机模型的参数集,以基于包括图像和增强图像集的图像训练集来预测训练输出。


  • 共2页:
  • 上一页
  • 1
  • 2
  • 下一页