Spiking CenterNet：一种用于目标检测的蒸馏增强脉冲神经网络
计算机视觉与模式识别
2024-06-07 v2 机器学习
神经与进化计算
摘要
在边缘人工智能、自动驾驶汽车和气候变化的时代，对节能、小型、嵌入式人工智能的需求日益增长。脉冲神经网络（SNN）凭借其事件驱动的信息流和稀疏激活，是应对这一挑战的一种有前景的方法。我们提出了 Spiking CenterNet，用于事件数据上的目标检测。它将一个 SNN CenterNet 适配与一个高效的基于 M2U-Net 的解码器相结合。我们的模型在 Prophesee 具有挑战性的 GEN1 汽车检测数据集上显著优于以往可比的工作，同时能耗不到一半。将非脉冲教师模型的知识蒸馏到我们的 SNN 中进一步提高了性能。据我们所知，我们的工作是首个在脉冲目标检测领域利用知识蒸馏的方法。
引用
@article{arxiv.2402.01287,
title = {Spiking CenterNet: A Distillation-boosted Spiking Neural Network for Object Detection},
author = {Lennard Bodden and Franziska Schwaiger and Duc Bach Ha and Lars Kreuzberg and Sven Behnke},
journal= {arXiv preprint arXiv:2402.01287},
year = {2024}
}
备注
8 pages, 5 figures. Accepted at IJCNN 2024