基于事件刺激的不变特征提取
计算机视觉与模式识别
2016-06-22 v3
摘要
我们提出了一种新颖的架构，即基于事件的GASSOM（event-based GASSOM），用于从神经形态视觉传感器产生的事件流中学习和提取不变表示。该框架受视觉处理的前馈皮层模型启发。该模型基于稀疏性和时间缓慢性的概念，能够学习类似于初级视觉皮层中神经元的特征提取器。所提模型中的单元层可以级联，以学习具有不同复杂性和选择性的特征提取器。我们通过将学习到的网络用于物体识别，探索了该框架在真实世界任务中的适用性。与其他最先进的基于事件的处理方法相比，所提模型实现了更高的分类准确率。我们的结果还展示了该方法的通用性和鲁棒性，因为针对不同数据集和不同任务的识别器都使用了同一组学习到的特征检测器，这些检测器是在独立于测试数据收集的数据上训练的。
引用
@article{arxiv.1604.04327,
title = {Invariant feature extraction from event based stimuli},
author = {Thusitha N. Chandrapala and Bertram E. Shi},
journal= {arXiv preprint arXiv:1604.04327},
year = {2016}
}
备注
6 pages