基于空间对比的高效低占用目标分类
计算机视觉与模式识别
2023-11-08 v1 神经与进化计算
图像与视频处理
摘要
基于事件的视觉传感器传统上计算时间对比，为低功耗和低延迟感知与计算提供了潜力。本研究探讨了一种基于事件传感器的替代范式，即在相对和绝对两种不同阈值技术下使用局部空间对比（SC）。鉴于空间对比相较于基于时间的传感器成熟较慢，本文探索了此类硬件传感器的理论仿真输出。此外，我们使用德国交通标志数据集（GTSRB）和知名深度神经网络（DNNs）评估了交通标志分类。本研究表明，与使用高精度 RGB 图像和 DNN 相比，空间对比配合二值化 DNN 能有效捕获分类所需的显著图像特征，并将输入数据用量减少至少 12 倍、内存资源减少 17.5 倍，而宏 F1 分数仅微小损失约 2%。二值化 MicronNet 使用空间对比取得了 94.4% 的 F1 分数，而使用 RGB 输入图像时仅 56.3%。因此，SC 在为算力和资源受限的边缘计算环境部署方面极具前景。
引用
@article{arxiv.2311.03422,
title = {Efficient and Low-Footprint Object Classification using Spatial Contrast},
author = {Matthew Belding and Daniel C. Stumpp and Rajkumar Kubendran},
journal= {arXiv preprint arXiv:2311.03422},
year = {2023}
}
备注
6 pages, 6 figures