基于事件的脉冲神经网络用于目标检测：数据集、架构、学习规则与实现综述
计算机视觉与模式识别
2024-11-27 v1
摘要
脉冲神经网络（SNNs）代表了一种受生物启发的范式，为计算机视觉（CV）应用提供了比传统人工神经网络（ANNs）更高效的能源替代方案。本文系统综述了用于CV基于目标检测任务的SNN所使用的datasets、architectures、learning methods、implementation techniques以及evaluation methodologies。基于对151篇期刊和会议文章的分析，综述概括了：1）完全连接、卷积和循环架构的有效性；2）直接无监督、直接监督和间接学习方法的性能；3）神经硬件实现中能源消耗、延迟和内存之间的权衡。提供了一个开源仓库，以及用于构建SNN模型、事件基数据处理和SNN仿真的详细Python代码和资源。还识别了SNN训练、硬件集成和面向CV应用的未来方向。
引用
@article{arxiv.2411.17006,
title = {Event-based Spiking Neural Networks for Object Detection: A Review of Datasets, Architectures, Learning Rules, and Implementation},
author = {Craig Iaboni and Pramod Abichandani},
journal= {arXiv preprint arXiv:2411.17006},
year = {2024}
}
备注
63 pages, 15 figures