(EN) In various examples, high beam control for vehicles may be automated using a deep neural network (DNN) that processes sensor data received from vehicle sensors. The DNN may process the sensor data to output pixel-level semantic segmentation masks in order to differentiate actionable objects (e.g., vehicles with front or back lights lit, bicyclists, or pedestrians) from other objects (e.g., parked vehicles). Resulting segmentation masks output by the DNN(s), when combined with one or more post processing steps, may be used to generate masks for automated high beam on/off activation and/or dimming or shading – thereby providing additional illumination of an environment for the driver while controlling downstream effects of high beam glare for active vehicles.
(FR) Dans divers exemples, une commande de faisceau élevée pour des véhicules peut être automatisée à l'aide d'un réseau neuronal profond (DNN) qui traite des données de capteur reçues en provenance de capteurs de véhicule. Le DNN peut traiter les données de capteur pour délivrer en sortie des masques de segmentation sémantique de niveau de pixel afin de différencier des objets exploitables (par exemple, des véhicules ayant des feux avant ou arrière allumés, des cyclistes ou des piétons) à partir d'autres objets (par exemple, des véhicules en stationnement). Des masques de segmentation résultants fournis par le ou les DNN, lorsqu'ils sont combinés à une ou plusieurs étapes de post-traitement, peuvent être utilisés pour générer des masques pour une activation/désactivation et/ou gradation ou ombrage automatisé(e) de faisceau élevé, ce qui permet d'obtenir un éclairage supplémentaire d'un environnement pour le conducteur tout en commandant les effets en aval d'éblouissement de faisceau élevé pour des véhicules actifs.