ES-ImageNet：用于脉冲神经网络的大规模事件流分类数据集
计算机视觉与模式识别
2021-12-08 v1 数据库
摘要
随着事件驱动算法，尤其是脉冲神经网络（SNN）在神经形态视觉处理中持续取得进展，亟需一个更具挑战性的事件流数据集。然而，众所周知，使用动态视觉传感器（DVS）等神经形态相机创建事件流（ES）数据集是一项耗时且昂贵的任务。在本文中，我们提出一种快速有效的称为全向离散梯度（ODG）的算法，将流行的计算机视觉数据集 ILSVRC2012 转换为其事件流（ES）版本，生成约 1,300,000 张基于帧的图像为 1000 类中的 ES 样本。由此，我们提出一个名为 ES-ImageNet 的 ES 数据集，其规模是目前其他神经形态分类数据集的数十倍，且完全由软件生成。ODG 算法通过图像运动在不同方向上以离散梯度信息生成局部数值变化，为将基于帧的图像转换为事件流提供了一种低成本、高速的方法，并配合边缘积分（Edge-Integral）从事件流重建高质量图像。此外，我们从多个角度分析了 ES-ImageNet 的统计特性，并使用著名的深度神经网络算法与脉冲神经网络算法提供了该数据集的性能基准。我们相信该工作将为 SNN 与神经形态视觉提供一个新的大规模基准数据集。
引用
@article{arxiv.2110.12211,
title = {ES-ImageNet: A Million Event-Stream Classification Dataset for Spiking Neural Networks},
author = {Yihan Lin and Wei Ding and Shaohua Qiang and Lei Deng and Guoqi Li},
journal= {arXiv preprint arXiv:2110.12211},
year = {2021}
}