DeepScale是一家總部位于美國加州山景城(Mountain View, CA)的新創(chuàng)公司，在2015年成立后，持續(xù)專注于為先進駕駛輔助系統(tǒng)(ADAS)和自動駕駛車開發(fā)深度學習感知軟件。該公司不久前還從Point72和Next47兩家創(chuàng)投公司完成了1,500萬美元的A輛融資。

Deepscale bounding box DeepScale的深度神經(jīng)網(wǎng)絡軟件采用低功耗的汽車級芯片，為自動駕駛車偵測車輛、行人和對象（來源：DeepScale）

該新創(chuàng)公司并與Hella-Aglaia Mobile Vision GmbH展開新的合作伙伴關系。今年初，一家位于美國密執(zhí)安州的一級(tier one)代理商Visteon也宣布與DeepScale展開合作，并開發(fā)出首款自動駕駛技術平臺——DriveCore。

然而，最令人印象深刻的是，DeepScale執(zhí)行長Forrest Iandola在接受《EE Times》的電話采訪時所說的話——當今世界上還沒有足夠的深度學習專家。

深度學習專家不足？

汽車OEM和tier-one供貨商對于軟件專業(yè)知識(特別是深度學習)的需求，都是在過去18個月來才開始有所增加。整體而言，業(yè)界在深度學習方面存在長期的知識差距，也不太知道該如何利用它來開發(fā)軟件。

甚至是DeepScale，也感到迫切需要更快地在公司內(nèi)部擴展其專業(yè)知識，以滿足外部的需求。Forrest Iandola是DeepScale的共同創(chuàng)辦人，還曾經(jīng)在美國加州大學柏克萊分校(U.C. Berkeley)取得神經(jīng)網(wǎng)絡與計算機視覺研究領域的博士學位。

那么，DeepScale打算如何運用這筆1,500萬美元資金？Iandola告訴《EE Times》，“我們不僅需要聘請深度學習專家，還必須開發(fā)內(nèi)部“深度學習”訓練計劃，進一步擴展自家團隊?！?/p>

事實上，Iandola坦言，深度學習領域仍處于起步階段——即使在學術界亦然。因此，這家新創(chuàng)公司想在內(nèi)部擴大團隊規(guī)模，可不像單純招聘一批具有深度學習博士學位的人一樣簡單。

Forrest Iandola

Iandola認為，深度學習“可說是一門跨學科的領域，你不僅要有數(shù)學和算法方面的專家，也需要知道如何在平臺上建置軟件的計算機系統(tǒng)專家。然后，我們也會需要熟悉數(shù)據(jù)管線的專家來調(diào)整和管理數(shù)據(jù)組合。”

總之，深度學習專家是以前所未有的方式配對組合知識的人。我們必須要有深度學習模式方面的專家、了解深度學習基礎架構(gòu)的人員，以及熟悉深度學習數(shù)據(jù)集的人員。Iandola說：“我們計劃提供內(nèi)部課程，并為每二到三名初級工程師指派一名導師。”

他解釋說，其目標在于培養(yǎng)內(nèi)部軟件工程師，使其在一至兩年內(nèi)熟習深度學習。而當被問及DeepScale的內(nèi)部訓練與教授深度學習的研究生課程有何不同時，Iandola說：“二者將會十分類似。我們將復制在柏克萊大學教授的內(nèi)容?！?/p>

然而，Iandola說，：“這并不是說我們?nèi)〉昧松疃葘W習的教科書，而是將會教授基于問題的學習徑?！崩?，當深度學習專家面對自動駕駛的實際問題時，他們將會有許多能與團隊其他成員共同分享的東西。

今年初，DeepScale有12名員工，而在最近增加新進人員后，Iandola說：“我們是一家擁有18人的公司，其中大部份都是工程師?！?/p>

開發(fā)中的產(chǎn)品

DeepScale目前正為汽車OEM和tier one供貨商提供參考套件，協(xié)助其改善感知系統(tǒng)。

DeepScale的優(yōu)勢是在小型、低成本的車用級傳感器和處理器上導入高效率的深度神經(jīng)網(wǎng)絡(DNN)，能夠提高感知系統(tǒng)的精確度，實時解析并分類自動車輛的傳感器數(shù)據(jù)。DeepScale的目標在于以各種價格點為量產(chǎn)車輛提供不同的駕駛輔助和自動駕駛功能。

Deepscale Deep Sensor Fusion DeepScale的途徑：深度神經(jīng)網(wǎng)絡傳感器融合

Iandola在參酌來自汽車制造商和tier one供貨商的意見后，希望該公司的參考套件能夠成為部署至汽車中的大規(guī)模生產(chǎn)軟件。

同時，DeepScale期望開發(fā)自家的測試方法—— 類似于傳統(tǒng)的功能安全方法，但專門為軟件密集型的車輛而設計。Iandola指出，傳統(tǒng)的設計/測試是為具有少量電子組件的機械驅(qū)動車輛而開發(fā)的。隨著新一代車輛帶來更多軟件和人工智能(AI)，測試方法必須改變。“我們希望在今年年底前開發(fā)一些產(chǎn)品，并希望與客戶和業(yè)界組織分享我們的方法?！?/p>