基于相关性传播指导的事件数据增强：EventRPG
计算机视觉与模式识别
2024-03-15 v1
摘要
事件相机，这种新型仿生视觉传感器，因其低延迟、低功耗和高动态范围而受到广泛关注。当前，由于其相对较弱的空间表征能力，基于事件的分类任务在脉冲神经网络 (SNN) 中仍面临严重过拟合问题。数据增强是一种简单但高效的方法，可缓解过拟合并提高神经网络的泛化能力，敏感度基于增强方法在图像处理领域中已被证明有效。然是，尚无方法可从SNN中提取敏感度图。因此，我们首次提出脉冲层-时间相关性传播规则 (SLTRP) 和脉冲层相关性传播规则 (SLRP)，使SNN能够生成稳定且准确的CAM和敏感度图。基于此，我们提出EventRPG，该方法利用脉冲神经网络上的相关性传播实现更高效的增强。我们的方法在几个SNN结构上进行了评估，在包括N-Caltech101、CIFAR10-DVS在内的目标识别任务中实现了最先进的性能，准确率分别为85.62%和85.55%，在动作识别任务SL-Animals中达到91.59%准确率。我们的代码可在 https://github.com/myuansun/EventRPG 获取。
引用
@article{arxiv.2403.09274,
title = {EventRPG: Event Data Augmentation with Relevance Propagation Guidance},
author = {Mingyuan Sun and Donghao Zhang and Zongyuan Ge and Jiaxu Wang and Jia Li and Zheng Fang and Renjing Xu},
journal= {arXiv preprint arXiv:2403.09274},
year = {2024}
}
备注
Accepted by ICLR 2024