基于深度连续局部学习的深度脉冲卷积神经网络用于单目标定位
计算机视觉与模式识别
2021-05-13 v1
摘要
随着神经形态硬件的出现，脉冲神经网络可以成为一种节能的人工神经网络替代方案。然而，利用脉冲神经网络执行计算机视觉任务仍然有限，主要集中在数字识别等简单任务上。由于针对这些任务的深度脉冲神经网络研究较少，处理更复杂的任务（如分割、目标检测）仍然困难。本文的目标是向有监督脉冲神经网络的现代计算机视觉迈出第一步。我们提出了一种深度卷积脉冲神经网络，用于在灰度图像中定位单个目标。我们提出了一种基于 DECOLLE 的网络，DECOLLE 是一种支持基于局部替代梯度的学习的脉冲模型。在 Oxford-IIIT-Pet 上报告的令人鼓舞的结果验证了未来将脉冲神经网络与有监督学习方法用于更精细视觉任务的开发。
引用
@article{arxiv.2105.05609,
title = {Deep Spiking Convolutional Neural Network for Single Object Localization Based On Deep Continuous Local Learning},
author = {Sami Barchid and José Mennesson and Chaabane Djéraba},
journal= {arXiv preprint arXiv:2105.05609},
year = {2021}
}