基于 Slow-ELM 的事件驱动视觉姿态不变目标识别
计算机视觉与模式识别
2019-03-20 v1
摘要
神经形态图像传感器在每个像素处产生由活动驱动的脉冲输出。这些以脉冲形式编码视觉变化信息的低功耗成像器有助于降低计算开销并实现复杂实时系统，例如目标识别与姿态估计。然而，事件驱动视觉中缺乏旨在捕获变换不变性的算法。本文中，我们提出一种利用动态视觉传感器（DVS）识别姿态不变对象的方法。提出一种新颖的 slow-ELM 架构，其结合了极限学习机与慢特征分析的有效性。该系统在 Intel Core i5-4590 CPU 上测试，每秒可执行 10,000 次分类，并对在 90 度 2D 姿态范围内累积视图的 8 个对象实现 1% 的分类错误率。
引用
@article{arxiv.1903.07873,
title = {Pose-Invariant Object Recognition for Event-Based Vision with Slow-ELM},
author = {Rohan Ghosh and Siyi Tang and Mahdi Rasouli and Nitish Thakor and Sunil Kukreja},
journal= {arXiv preprint arXiv:1903.07873},
year = {2019}
}
备注
Appeared in 25th International Conference on Artificial Neural Networks (ICANN), Barcelona, Spain