利用扫视运动将静态图像数据集转换为脉冲神经形态数据集
数据库
2015-10-20 v1 神经元与认知
摘要
创建神经形态视觉数据集是一项具有挑战性的任务。缺乏来自神经形态视觉传感器的可用记录意味着数据通常必须专门记录以创建数据集，而不是收集和标记现有数据。同时希望提供传统的基于帧的记录以便与传统的计算机视觉算法直接比较，这使任务更加复杂。这里我们提出一种使用主动云台相机平台将现有计算机视觉静态图像数据集转换为神经形态视觉数据集的方法。移动传感器而非场景或图像是一种更具生物真实性的感知方法，并消除了在计算机显示器上模拟运动时由显示器更新引入的时序伪影。我们展示了两个流行的图像数据集（MNIST和Caltech101）的转换，这些数据集在计算机视觉的发展中发挥了重要作用，并且我们使用基于脉冲的识别算法在这些数据集上提供了性能度量。这项工作为该领域未来的使用贡献了数据集，以及基于脉冲算法的结果，未来工作可与之比较。此外，通过转换计算机视觉中已流行的数据集，我们实现了与基于帧的方法更直接的比较。
引用
@article{arxiv.1507.07629,
title = {Converting Static Image Datasets to Spiking Neuromorphic Datasets Using Saccades},
author = {Garrick Orchard and Ajinkya Jayawant and Gregory Cohen and Nitish Thakor},
journal= {arXiv preprint arXiv:1507.07629},
year = {2015}
}
备注
10 pages, 6 figures in Frontiers in Neuromorphic Engineering, special topic on Benchmarks and Challenges for Neuromorphic Engineering, 2015 (under review)