一种用于高能效目标检测的全脉冲混合神经网络
计算机视觉与模式识别
2021-11-24 v2 人工智能
图像与视频处理
摘要
本文提出了一种全脉冲混合神经网络（FSHNN），用于在资源受限平台上实现高能效且鲁棒的目标检测。该网络架构基于采用漏积分发放（leaky-integrate-fire）神经元模型的卷积脉冲神经网络（SNN）。该模型将无监督的脉冲时间依赖可塑性（STDP）学习与反向传播（STBP）学习方法相结合，并使用蒙特卡洛 dropout（Monte Carlo Dropout）来估计不确定性误差。与基于 DNN 的目标检测器相比，FSHNN 在精度更优的同时实现了 150 倍的高能效。在输入数据含噪声且标记训练数据较少的情况下，FSHNN 也具有更低的不确定性误差，优于这些目标检测器。
引用
@article{arxiv.2104.10719,
title = {A Fully Spiking Hybrid Neural Network for Energy-Efficient Object Detection},
author = {Biswadeep Chakraborty and Xueyuan She and Saibal Mukhopadhyay},
journal= {arXiv preprint arXiv:2104.10719},
year = {2021}
}
备注
10 pages, Submitted Manuscript