利用位平面和颜色模型改进脉冲神经网络
计算机视觉与模式识别
2025-12-02 v5 神经与进化计算
图像与视频处理
摘要
脉冲神经网络（SNN）已在计算神经科学和人工智能领域引起广泛关注，因其低能耗和小内存占用等优势。然而，其实际应用受到性能优化等多项挑战的制约。本研究提出一种新方法，通过利用位平面表示来增强SNN处理图像的性能。该技术旨在不增加模型规模的情况下提高SNN的准确率。此外，我们还研究了不同颜色模型对所提编码方法的影响。通过大量实验验证，我们展示了该编码策略在多个数据集上均能实现性能提升。迄今为止，首次将位平面和颜色模型引入SNN的研究尚未有人报道。我们希望能够利用位平面的独特特征， unlocks SNN性能的新潜力，为未来的研究和应用铺设更高效、更有效的SNN模型之路。
引用
@article{arxiv.2410.08229,
title = {Improvement of Spiking Neural Network with Bit Planes and Color Models},
author = {Nhan T. Luu and Duong T. Luu and Nam N. Pham and Thang C. Truong},
journal= {arXiv preprint arXiv:2410.08229},
year = {2025}
}
备注
Accepted for publication at IEEE Access