BriefGPT - AI 论文速递
·
基于事件视觉的脉冲神经网络的异步生物合理神经元
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
基于事件的传感器具有高时间分辨率和动态范围，适用于高速平台。脉冲神经网络在表示基于事件的数据方面非常适用，可以增强稀疏输入的特征。研究开发了一种高效的用于基于事件的目标检测的脉冲特征金字塔网络，取得了显著的成绩。
🎯
关键要点
- 基于事件的传感器具有高时间分辨率（1微秒）和动态范围（120dB），适用于高速平台。
- 事件的稀疏性和波动性对传统的基于人工神经网络的目标检测技术构成挑战。
- 脉冲神经网络因其时间动态性，适合表示基于事件的数据。
- 膜电位动力学可以调节网络活动，增强稀疏输入的特征。
- 脉冲触发的自适应阈值有助于稳定训练，提高网络性能。
- 开发了一种高效的脉冲特征金字塔网络用于基于事件的目标检测。
- 提出的SNN在Gen1基准数据集上取得了47.7%的平均精度，超过了之前最好的SNN 9.7%。
- 模型结构简洁，保持高精度和低计算成本，适合稀疏计算。
- 代码将公开提供。
➡️
