基于脉冲神经网络的嵌入式事件驱动目标检测
原文中文，约500字，阅读约需1分钟。发表于：。利用 SPLEAT 加速器的嵌入式神经形态测试台成功地在可嵌入设备上训练、评估、量化和部署了脉冲神经网络，通过加载最新的神经网络解决方案，估计了在专门设计的低功耗脉冲神经网络硬件上部署网络所带来的性能损失，并在神经形态硬件上实现了真实世界的基于事件的目标检测，令人惊叹的是，具有 108 万参数的嵌入式脉冲解决方案每个预测只需消耗 490 mJ。
基于事件的传感器在高速平台中部署，但稀疏和波动性对传统目标检测技术构成挑战。脉冲神经网络适用于基于事件的数据，通过调节网络活动的膜电位动力学来增强稀疏输入特征。脉冲触发的自适应阈值稳定训练，提高网络性能。提出的SNN在基准数据集上取得显著成绩，超过以前最好的SNN。模型结构简洁，保持高精度和低计算成本。
