ASP Vision：利用角度敏感像素光学计算卷积神经网络第一层
计算机视觉与模式识别
2016-11-17 v3
摘要
使用卷积神经网络（CNN）的深度学习正迅速成为具有挑战性的计算机视觉应用的最先进技术。然而，深度学习的功耗和带宽需求目前限制了其在能量预算紧张的嵌入式和移动系统中的应用。在本文中，我们探索了通过光学方式计算 CNN 第一层所带来的节能效果。为此，我们利用了受生物启发的角度敏感像素（ASP），这是一种定制的 CMOS 衍射图像传感器，其作用类似于人类视觉皮层 V1 层中的 Gabor 滤波器组。ASP 通过直接执行光学边缘滤波，取代了传统 CNN 中的图像传感和第一层，从而节省了传感能量、数据带宽以及 CNN 的计算 FLOPs。我们在多种视觉任务（如数字识别、物体识别和人脸识别）上的实验结果（包括合成数据和硬件原型）表明，使用 ASP 可以在实现与传统深度学习流程相似性能的同时达到节能目的。
引用
@article{arxiv.1605.03621,
title = {ASP Vision: Optically Computing the First Layer of Convolutional Neural Networks using Angle Sensitive Pixels},
author = {Huaijin Chen and Suren Jayasuriya and Jiyue Yang and Judy Stephen and Sriram Sivaramakrishnan and Ashok Veeraraghavan and Alyosha Molnar},
journal= {arXiv preprint arXiv:1605.03621},
year = {2016}
}
备注
Presented in CVPR 2016 (oral), 10 pages, 12 figures. This new version corrects the comparison between imaging power for ASPs and a regular image sensor