此技術基於多功能深度學習網路架構達到物件偵測以及分割；所提出的網路架構中，透過特殊的語意關注模組，增強物件偵測準確度；技術搭配車用圖資，可偵測可行駛路面、車道線以及路上常見可行駛物件，如行人、汽車、摩托車，所偵 測得知之資訊可用於多項先進駕駛輔助系統，包括LDW、FCW、RCW、 AEB、PD、BSD等系統。

1. 首創語意關注模組 - 以少量的運算量為代價， 提高物件偵測語意分割網路提高準確度。
2. 使用輕量化網路並維持高準確度，並能於NVIDIA Jetson Xavier @15FPS嵌入式平台以及Texas Instrument TDA2x嵌入式平台及時處理，有利用深度學習網路落地於產業界。

本項技術提出Multi-task CNN演算法來解決多元需求的ADAS/自駕車系統應用，可減少資料傳輸的頻寬以及節省內存記憶體需求。因為網路共用了相同的骨架，更進一步的節省參數量與運算量，能同時具備高運算效能與低運算複雜度及功耗，凡需要物件偵測或是語意分割的應用領域皆可使用，如自駕車/ADAS應用、高階監視系統等。