面向高效脉冲图像去噪的神经信息编码
计算机视觉与模式识别
2023-05-23 v1 人工智能
摘要
近年来，深度卷积神经网络（DCNNs）在图像复原任务上的性能已超越经典算法。然而此类方法大多未考虑计算效率，因而在嵌入式与移动设备上运行成本过高。本工作中，我们研究用于高斯去噪的脉冲神经网络（SNNs），旨在接近传统 DCNN 性能的同时降低计算负载。我们对泄漏积分发放（LIF）神经元所执行的信息转换处理给出形式化分析，并将其性能与经典速率编码机制进行比较。随后通过实验，针对最先进深度卷积神经网络的去噪性能与计算效率对神经编码方案进行评估。结果表明，带 LIF 神经元的 SNNs 可提供具竞争力的去噪性能，且计算开销更低。
引用
@article{arxiv.2305.11898,
title = {Neural information coding for efficient spike-based image denoising},
author = {Andrea Castagnetti and Alain Pegatoquet and Benoît Miramond},
journal= {arXiv preprint arXiv:2305.11898},
year = {2023}
}