使用 CSNN 在 ASL-DVS 上进行事件驱动数据处理和分类
原文中文，约200字，阅读约需1分钟。发表于：。通过开发卷积型尖峰神经网络（CSNN）结构，结合事件相机和尖峰神经网络（SNNs）的技术，可以处理异步和稀疏的事件序列，以识别美国手语（ASL）中 24 个字母（排除 J 和 Z）的手势，并在经过预处理的 ASL-DVS 数据集的子集上进行分类，取得了 100% 的训练准确率。
本文提出了一种基于简单卷积层的神经网络架构，结合低成本的动态时间编码水库节点，实现了异步时间特征的高效处理。RN-Net 在 DVS128 手势数据集上取得了最高的 99.2% 的准确率，并在较小的网络规模下，在 DVS Lip 数据集上实现了达到 67.5% 的准确率。代码将公开发布。
