基于事件相机的物体识别中的注意力机制
计算机视觉与模式识别
2018-11-20 v2
摘要
基于事件的相机是神经形态传感器,能够以稀疏事件序列的形式高效编码视觉信息。受生物学启发,它们常用于利用生物视觉的部分计算与功耗优势。本文我们关注视觉的一个特定特征:视觉注意力。我们提出了两种用于基于事件视觉的注意力模型:一种在视场内追踪事件活动以定位感兴趣区域的算法,以及一种基于 DRAW 神经模型的全可微注意力过程。我们在四个数据集(Shifted N-MNIST、Shifted MNIST-DVS、CIFAR10-DVS 和 N-Caltech101 集合)上利用 Phased LSTM 识别网络作为基线参考模型,突出了所提方法的优势与不足,在平移与尺度不变性方面均取得改进。
引用
@article{arxiv.1807.09480,
title = {Attention Mechanisms for Object Recognition with Event-Based Cameras},
author = {Marco Cannici and Marco Ciccone and Andrea Romanoni and Matteo Matteucci},
journal= {arXiv preprint arXiv:1807.09480},
year = {2018}
}
备注
WACV2019 camera-ready submission