特斯拉收购初创公司 专注自动驾驶“深度神经网络”

据外媒报道，特斯拉收购盘算机视觉初创公司DeepScale的生意业务开始收获回报，通过收购完整团队开始为这家电动汽车制造商提供新的专利。

2019年年底，有消息称特斯拉收购了位于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“深度神经网络”，收购金额未披露。DeepScale专注于盘算节能的深度学习系统，这也是特斯拉关注的重点领域，特斯拉决议设计自己的电脑芯片来驱动自动驾驶软件。有推测称，特斯拉收购这个团队是为了加速其机械学习的生长。

现在，特斯拉宣布了名为“用扩凑数据训练机械模型的系统和方法”的新专利，我们也看到了这笔收购带来的结果。这项专利的发现者包罗DeepScale的三名成员，划分是马修.库珀(Matthew Cooper)、帕拉斯.贾因(Paras Jain)和哈西姆兰.辛格.西杜(Harsimran Singh Sidhu)。

现在在特斯拉旗下事情的DeepScale团队正在实验申请的这个系统，它与使用几个差别传感器观察场景的数据来训练神经网络有关，好比特斯拉司机辅助驾驶系统Autopilot传感器阵列中的八个摄像头。

特斯拉在专利申请中形貌了这种情况的难题：“在典型的机械学习应用中，数据可以通过多种方式举行扩充，以制止过分拟适用于获取训练数据的捕捉设备的特征模型。例如，在用于训练盘算机模型的典型图像集中，图像可能代表许多差别捕捉情况的工具，这些情况具有与被捕捉工具相关的差别传感器特征。例如，这样的图像可以通过差别的传感器特性来捕捉，就像差别的尺度、焦距、镜头类型、预处置惩罚或后处置惩罚、软件情况以及传感器阵列硬件等等。这些传感器在差别的外部参数方面也可能有所差别，例如成像传感器的位置和偏向相对于捕捉图像时的情况。所有这些差别类型的传感器特性都市导致所捕捉的图像在图像集中出现差别的形式，使正确地训练盘算机模型变得越发难题。”

对此，特斯拉团队总结了他们应对这个问题的解决方案：

第一个部门是用于训练预测盘算机模型一组参数的方法。该实施例可以包罗：1)识别由一组摄像头捕捉的图像，该图像被附加到一个或多个图像收集系统中；2)对于图像荟萃中的每一幅图像，识别该图像的训练输出；3)对于该组图像中的一幅或多幅图像，通过以下特定步骤生成增强图像：通过用维护图像的摄像头属性的图像利用功效修改图像来为该组图像生成增强图像，并将该增强训练图像与该图像的训练输出相关联；4)训练预测盘算机模型的该组参数以基于包罗该图像和该组增强图像的图像训练集来预测训练输出。

第二部门包罗具有一个或多个处置惩罚器和存储指令的非暂时性盘算机存储介质系统，该指令在由一个或多个处置惩罚器执行时，会使处置惩罚器执行相关操作，这些操作包罗：1)识别由一组摄像头捕捉的、同时附着到一个或多个图像收罗系统的图像荟萃；2)对于所述图像荟萃中的每幅图像，识别图像的训练输出；3)对于该组图像中的一幅或多幅图像，通过以下步骤为一组图像生成增强图像：通过用维护图像的摄像头属性的图像处置惩罚函数修改图像来为该组图像生成增强图像，并将该增强训练图像与该图像的训练输出相关联；4)训练预测盘算机模型的参数集来预测基于图像训练集的训练输出，包罗图像和增强图像集。

第三部门以包罗具有供处置惩罚器执行指令的非暂时性盘算机可读介质，该指令在由处置惩罚器执行时使得处置惩罚器能够：1)识别由一组摄像头捕捉的、同时附着到一个或多个图像收罗系统的一组图像；2)对于该组图像中的每幅图像，识别该图像的训练输出；3)对于该组图像中的一幅或多幅图像，通过以下步骤为一组图像生成增强图像：通过用维持图像的摄像头属性的图像操作功效修改图像来为一组图像生成增强图像，并将增强的训练图像与图像的训练输出相关联；4)训练盘算机模型以学习基于包罗图像和该组增强图像的图像训练集来预测训练输出。

正如之前报道的那样，特斯拉正在履历“对特斯拉Autopilot的重大基础性重写”。作为重写的一部门，首席执行官埃隆.马斯克(Elon Musk)表现：“神经网络正在吸收越来越多的问题。”

新专利中还将包罗一个标签系统，马斯克称3D标签将改变游戏规则：汽车进入有八个摄像头的场景，画一条路，然后你可以用3D标志那条路。这种用多个摄像头训练机械学习系统的新方法，就像特斯拉的Autopilot一样，带有附加数据，可以成为Autopilot更新的一部门。

作者：镭氏研究所袁鸿永

公布时间：2020年4月18日下午4：00