智慧型車輛發展的目的，是為了達到所有汽車製造廠的共同目標：安全、便利、舒適、環保。

隨著半導體及電子技術的發展，汽車製造商及零組件系統廠商巧妙地把電子技術應用在汽車設計及製造上，使得汽車從過去的封閉系統轉變成能與外界溝通的智慧型車輛。而智慧型車輛發展的目的，是為了達到所有汽車製造廠的共同目標：安全、便利、舒適、環保。

《EE Times》於2013年下半年多次報導車用電子系統技術發展的趨勢，包含預測具有全部或部分自動駕駛功能的汽車將在2025～2030年達到25～30％的市場占有率、介紹未來汽車電子系統所採用的手勢操控技術等。由於Google自動駕駛車輛成功挑戰歐亞長距離行駛，加上BOSCH研發自動駕駛汽車技術的成果，使得世界各國車廠對於自動駕駛汽車技術更具信心，也帶動了各式輔助汽車駕駛人的先進自動駕駛技術的蓬勃發展。

自動駕駛的關鍵技術之一的人工智慧技術，近幾年來也愈趨成熟，本文介紹目前應用於駕駛輔助與自動駕駛的主流深度學習演算法與實際成果。

Google 自動駕駛智慧車與BOSCH自動駕駛汽車雛型

深度學習

卷積類神經網路 在深度學習的架構中，卷積類神經網路（convolutional neural network, CNN）是相當受歡迎的一個架構。1989年由LeCun等人提出的CNN架構，在手寫辨識分類或人臉辨識方面都有不錯的準確度。

近年來，隨著CPU效能的提升與繪圖晶片平行化技術的發展，讓具高複雜度、費時的深度學習演算法在即時應用上露出曙光，透過繪圖晶片可讓訓練模組與測試的時間大幅縮短。伴隨著得以取得多樣的影像資料庫，CNN 可觸及更多在照片與影片上的應用。例如近來接續發表的AlexNet、ZF-Net、VGG Net、GoogLeNet等，在精確度與效能上都有所改善，甚至在有些情況中可以超越人眼可辨識的範圍。

在影像上的技術發展 深度學習在影像應用上正蓬勃發展，從物件分類、物件偵測、物件追蹤、行為分析至反應決策，無一不朝向提高準確度和效能的方向發展。以下介紹近年來在處理物件分類與物件辨識方向熱門的CNN網路架構與改進。

物件分類 物件分類是分析一張照片中包含的物件種類，主要是先使用convolutional layer進行特徵擷取，再經由fully- connected layer合併特徵進行判斷。而在深度學習網路優劣評比中，ILSVRC （ImageNet Large Scale Visual RecognitionCompetition）是一種標竿排名比賽，方便研究者評估與比較物件偵測以及影像分類演算法。以下是幾個著名影像物件分類的網路架構：

LeNet─這是首先成功的CNN架構，由LeCun在1990年提出，見長於辨識數字和英文字母。

AlexNet─第一個讓CNN網路架構開始在電腦視覺中蓬勃發展的網路，由Alex Krizhevsky、Ilya Sutskever和Geoff Hinton提出，並在2012年的ILSVRC比賽中比第二名取得了大幅度的領先（Top 5 error 16％，第二名是26％）。AlexNet的網路架構類似於LeNet，但更深、更大，並且開始使用多個層疊的convolutional layer，然後再連接pooling layer，有別於以往一層convolutional layer都會馬上連接一層pooling layer的架構。

ZF-Net─由Matthew Zeiler和Rob Fergus所提出，並在2013年的ILSVRC取得優勝。他們提出了一個把CNN網路中間的特徵層取出並視覺化的方法，便於分析CNN架構不足的地方並加以改進。ZF-Net便是基於AlexNet的優化，活化AlexNet中無用的特徵，以得到更好的特徵擷取和辨識效果。

VGGNet─由Karen Simonyan和Andrew Zisserman提出，最主要的貢獻是證明了CNN網路的深度對準確度的影響，愈深的網路提供愈好的準確度。但VGGNet的網路架構需要更高的計算複雜度，以及更高的記憶體需求。

GoogLeNet─由Google提出，在2014年的ILSVRC中取得優勝。GoogLeNet提出了inception module，可以同時結合不同level的特徵，並可串連不同scale下的特徵提取值，讓網路可以更深，同時減少參數（例如GoogLeNet使用400萬個參數，AlexNet使用了6,000萬個參數，而VGGNet更需要14,000萬個參數），並擁有更好的辨識效果。

ResNet—由Kaiming He等人提出，在2015年的ILSVRC中得到優勝。ResNet提出的架構可讓特徵值有捷徑跳至後幾層，讓CNN網路得以更深，並大量使用batch normalization，是目前最佳技術的CNN分類網路架構，但它的計算複雜度也最高。

R-CNN 的架構圖

物件偵測 相較於物件分類，物件偵測的挑戰更加艱難，它是在一張影像中，需要同時定位物件的座標，再做出分類。現有技術已從最早期開始的遍數法，也就是把影像中所有可能性都使用CNN網路判斷，到後來提出在辨識上能更有效率的物件找尋方式。在評估物件偵測演算法優劣上，一般使用PASCAL VOC （visual object classes）這個開源的標準資料庫進行測試。以下介紹目前著名的物件偵測技術。

Sliding windows─早期較原始的找尋目標方式，先把一張圖片由小到大的視窗，整張影像全部掃過一遍，並擷取掃過的影像，餵進CNN網路分類。這個方法簡單，但計算量非常大，不適合即時應用。

Region proposal CNN network─這個技術是先對影像進行區域提取，透過演算法把影像切分為可能含有物件的區域，再擷取這些區域，提供給物件分類的CNN網路判別。著名的架構有RCNN、Fast-RCNN、Faster-RCNN等。RCNN使用selective search演算法進行區域提取，經過演算後，可以把一張影像取出許多個有可能的區域。但這演算法過於複雜，並且每個區域中進行CNN特徵提取時會重複計算，進而導致效能瓶頸。

Fast-RCNN─改良自RCNN，加速了RoI pooling layer，使得RoI pooling layer可以把不同大小的輸入mapping到固定大小的層，並且改動RCNN的流程，先提取可能區域，然後做特徵提取，再從提取完成的特徵圖進行分類。這技術可以避免RCNN中特徵提取重複計算的問題，在保證精確度下提升運算速度。

Faster-RCNN─Faster-RCNN更進一步使用region proposal network（RPN）取代原先的selective search，把可能區域的提取方式內嵌到CNN網路中，提供訓練和測試一個end-to-end的網路架構。RPN layer也改善了原先selective search只使用CPU運算的問題，把可能區域提取透過繪圖晶片加速。

在regional proposal CNN network方面，目前常見的著名網路架構有ZF+Faster-RCNN、VGG16+Faster-RCNN、R-ResNet-101+Faster-RCNN、PVANet等，前兩個是使用ZFNet和VGGNet再加上Faster-RCNN架構產生的物件偵測網路。

ResNet-101+Faster-RCNN是目前準確度最高的架構，準確率達到83.8％，但整體運算量非常大。PVANet則多導入了C. ReLU module 以及改進了inception module，透過分析特徵層的特性，讓計算複雜度下降的同時擁有更好的精準度。在PASCAL VOC2012 中有82.5％的精準度，但運算量只有ResNet-101+Faster-RCNN 的約十分之一。

統一偵測

統一偵測─ 不同於region proposal CNN network，統一偵測（unified detection）對於物件偵測的方式不先提出可能區域再進行分類，而是直接把可能區域提取的方式轉為回歸問題。它透過預先設定好的幾個bounding box，利用CNN網路進行bounding box位置回歸以及可信度判斷，同時進行分類。這方法可大幅提升物件偵測的速度，但對於小的物件以及準確度仍有待改進。以下介紹幾個著名的unified detection物件偵測網路：

You only look once（YOLO）─ 如其名，人眼在分別物體時並非先抓取位置再進行判斷，而是看到物體的同時辨識物件。YOLO提出了unified detection的物件偵測方式，透過預先設定好的bounding box，再透過縮放平移去貼近到物件邊緣同時判斷，因而大幅提升速度。但它的準確度尤其是對於較小的物件，表現較差。

Single shot multibox detector─改良自YOLO網路架構，它把網路分為兩個結構：feature extraction和auxiliary。Feature extraction的部分與一般網路類似，用於特徵提取，auxiliary則是把提取出的特徵再進一步降低維度，讓最後的fully-connected layer同時結合不同維度的特徵，進行bounding box回歸和物件分類。相較於YOLO只使用單一維度的特徵進行判斷，這種方法可以有更佳的準確度，在PASCAL VOC有82.2％的平均準確度。

基於物件偵測的自駕車應用

深度學習演算法擁有良好的精準度和穩定性，但伴隨的是較高的計算複雜度。然而這個演算法可以大量地平行化，因此適合利用繪圖晶片加速演算。訓練的策略也是機器學習很重要的一環，且要能夠在嵌入式系統上實現，因此它的網路架構必須設法精簡。自駕車在路上容易遇到的物件有車輛、機車騎士、行人等，鎖定這幾類物件偵測可以降低深度學習的複雜度，使得在同樣的精準度下達到更快的偵測速度。

Pascal VOC2007 datasets中包含20類物件，如飛機、腳踏車、鳥、船、貓、狗等，自駕車所需的目標只需要偵測汽車、行人與機車騎士。由於機車騎士具備行人特徵，可由行人樣本來偵測，因此只需要從Pascal VOC2007 datasets的20類樣本中取其中兩類，汽車與行人，當作自駕車系統的一部分訓練樣本，就可訓練出自駕車所需要的模型。

盲點區域示意圖，後照鏡看到的範圍是黃色區域，紅色區域則是駕駛座位的盲點。

距離偵測與前車防撞警示 車距可以利用鏡頭水平拍攝後，藉由鏡頭的高度與焦距推算。在前車防撞警示方面，可利用車前方的相機擷取影像後，透過深度學習物件偵測演算法偵測物件。再由前述車距估算的方法對物件位置分類以及距離估算，並根據自駕車與前方車輛的距離調整安全距離，以避免前方車輛突然緊急煞車，導致自駕車煞車不及而追撞前方車輛。

盲區危險警示 駕駛人開車時，變換車道或轉向都應注意左右方車輛。而一般車輛在後照鏡的視覺上都有盲點，唯有透過轉頭才能注意到盲點區域的車輛。但在駕駛時轉頭又容易偏離車道或無法注意前方車況，同樣地自駕車也需考慮這問題。解決方案是藉由AI深度學習偵測物件，準確地辨識出左右後方區域中的物件，再整合所有資訊，透過鏡頭預先設定的基準線，可以判斷出偵測到的物件是否在需要警示的位置，並以相較於自身車輛的距離而警示。

應用於路面標線標字偵測 由於許多事故都是因汽車駕駛未遵循路上的標線或標字行駛而造成，因此當自駕車行駛在路上時須偵測並理解標線及標字。為使深度學習演算法訓練與偵測更加穩健，通常把路面由俯視轉為鳥瞰角度，建構可應用於馬路標線和標字偵測的模型，讓自駕車遵行路上的標線標字內容，而能安全地行駛在道路上。

Level-5自駕車

隨著深度學習演算法不斷的進步，從2012年AlexNet贏得ILSVRC-2012冠軍，到2016 AlphaGO以四比一的成績贏南韓棋王李世乭，人工智慧已成為21世紀最夯的顯學。國際大廠都以Level-5自駕車為目標開發，使得深度學習演算法有十足能量繼續突破。在可見的未來，深度學習不只有偵測物件的能力，還會分析並判斷物件的行為模式，無人操作的自動駕駛車指日可待。