时序脉冲驱动脉冲神经网络用于自动驾驶中的快速物体识别
计算机视觉与模式识别
2020-01-29 v1 神经与进化计算
图像与视频处理
摘要
从传感数据中进行准确的实时物体识别长期以来是自动驾驶中一项关键且具挑战性的任务。尽管深度神经网络（DNNs）已成功应用于该领域，大多数现有方法仍严重依赖源自 LiDAR 传感器的脉冲信号的预处理，从而引入额外的计算开销与可观延迟。在本文中，我们提出一种利用脉冲神经网络（SNN）直接处理原始时序脉冲来解决物体识别问题的方法。在源自 LiDAR 与动态视觉传感器（DVS）的多个数据集（包括 Sim LiDAR、KITTI 与 DVS-barrel）上评估，我们提出的方法展现出与最先进方法相当的性能，同时实现了显著的时间效率。它凸显了 SNN 在自动驾驶及相关应用中的巨大潜力。据我们所知，这是首次尝试使用 SNN 直接在原始时序脉冲上执行物体识别。
引用
@article{arxiv.2001.09220,
title = {Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving},
author = {Wei Wang and Shibo Zhou and Jingxi Li and Xiaohua Li and Junsong Yuan and Zhanpeng Jin},
journal= {arXiv preprint arXiv:2001.09220},
year = {2020}
}