TRIP: 可训练的感兴趣区域预测技术,用于基于事件视觉的硬件高效神经形态处理
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了第一种硬件高效的基于神经形态处理器的硬注意力框架 Trainable Region-of-Interest Prediction (TRIP),该框架通过利用稀疏事件的低信息密度来减少 ROI 预测的开销。在多个基于事件的分类数据集上,该方法达到了最先进的准确性,并在 DvsGesture 数据集上实现了 46 倍的计算量减少和更高的准确性,同时相比传统解决方案,在 SENECA...
本文提出了一种基于神经形态处理器的硬注意力框架TRIP,通过利用稀疏事件的低信息密度来减少ROI预测的开销。该方法在多个基于事件的分类数据集上达到了最先进的准确性,并在DvsGesture数据集上实现了计算量减少和更高的准确性。在SENECA神经形态处理器上实现了超过2倍的延迟和能耗改进。