脉冲神经网络目标检测的低成本延迟
计算机视觉与模式识别
2023-09-28 v1
摘要
脉冲神经网络作为第三代神经网络，因其二值脉冲特性而非常适用于边缘 AI 应用。然而，在目标检测等复杂任务中，SNN 通常需要大量时间步才能达到高性能。这一限制严重阻碍了 SNN 在延迟敏感型边缘设备中的广泛采用。本文中，我们专注于生成专为目标检测设计的高精度、低延迟 SNN。首先，我们系统地推导了 SNN 与 ANN 之间的转换，并分析了如何提高它们之间的一致性：提高脉冲发放率和减少量化误差。然后我们提出结构替换、ANN 激活量化和残差修正以减轻差异。我们在具有挑战性的数据集 MS COCO、PASCAL VOC 以及我们的脉冲数据集上评估了我们的方法。实验结果表明，与先前工作 Spiking-YOLO 相比，所提方法实现了更高的精度和更低的延迟。同时也展示了 SNN 处理脉冲信号的优势。
引用
@article{arxiv.2309.15555,
title = {Low Latency of object detection for spikng neural network},
author = {Nemin Qiu and Chuang Zhu},
journal= {arXiv preprint arXiv:2309.15555},
year = {2023}
}