嵌入式深度學習模型可偵測200公尺外車輛，超越現有技術4倍

在高精度嵌入式AI深度學習演算法開發上，郭教授團隊開發出最遠可偵測超過200公尺外車輛的嵌入式深度學習演算法，超越現階段文獻標竿演算法(YOLO v2) 4倍，且在運算複雜度相當下，準確度高於YOLO v2約10% mAP(平均準確度)，可於 nVidia自駕車平台 (DRIVE-PX2)上即時運算，適用於各式天候，非常適合自駕車/ADAS應用。另外，郭教授團隊也開發出低功耗適合嵌入式SOC應用之AI深度學習物件辨識演算法(NCTU SSD lite)，在相同準確度下其模型大小僅為YOLO v2的7%，運算複雜度僅為 YOLO v2模型的 27%，可於 TI TDA2X 與國內廠商所研發的車規AI 晶片(iCatch V37)上達到即時物件偵測運算效能。另外，郭教授團隊結合物件偵測與物件分割之深度學習技術，針對自駕車應用開發出多重功能ADAS系統，可同時支援各式ADAS功能，包含LDWS/FCWS/RCWS/ACC/AEB/BSD等，並可於嵌入式系統上實現。

首創深度學習行為預測技術(以預測後方車輛3秒內是否超車)

郭教授團隊將深度學習技術延伸應用於物件行為預測甚至駕駛控制，開發出全球首見可預測後方車輛(汽車或機車)是否超車之深度學習行為預測技術，於行車時可準確預測後方車輛於未來3秒鐘是否超車，可作為車輛駕駛人第三隻眼睛，守護行車安全。

郭教授團隊所產出之嵌入式AI自駕車快速資料標記工具、自駕車圖資、物件偵測與行為預測深度學習技術之產業應用潛力相當大，目前合作廠商已達28家，未來潛在的合作廠商包含AI晶片公司、車電系統公司與自駕車圖資公司等。

研究成果聯絡人

郭峻因教授國立交通大學電子研究所

電話： (03)5131597 E-mail：jiguo@nctu.edu.tw