תקציר
Event cameras are robust neuromorphic visual sensors, which communicate transients in luminance as events. Current paradigm for image reconstruction from event data relies on direct optimization of artificial Convolutional Neural Networks (CNNs). Here we proposed a two-phase neural network, which comprises a CNN, optimized for Laplacian prediction followed by a Spiking Neural Network (SNN) optimized for Poisson integration. By introducing Laplacian prediction into the pipeline, we provide image reconstruction with a network comprising only 200 parameters. We converted the CNN to SNN, providing a full neuromorphic implementation. We further optimized the network with Mish activation and a novel convoluted CNN design, proposing a hybrid of spiking and artificial neural network with < 100 parameters. Models were evaluated on both N-MNIST and N-Caltech101 datasets.
שפה מקורית | אנגלית |
---|---|
כותר פרסום המארח | Proceedings - 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2021 |
מוציא לאור | IEEE Computer Society |
עמודים | 1333-1341 |
מספר עמודים | 9 |
מסת"ב (אלקטרוני) | 9781665448994 |
מזהי עצם דיגיטלי (DOIs) | |
סטטוס פרסום | פורסם - יוני 2021 |
אירוע | 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2021 - Virtual, Online, ארצות הברית משך הזמן: 19 יוני 2021 → 25 יוני 2021 |
סדרות פרסומים
שם | IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops |
---|---|
ISSN (מודפס) | 2160-7508 |
ISSN (אלקטרוני) | 2160-7516 |
כנס
כנס | 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2021 |
---|---|
מדינה/אזור | ארצות הברית |
עיר | Virtual, Online |
תקופה | 19/06/21 → 25/06/21 |
הערה ביבליוגרפית
Publisher Copyright:© 2021 IEEE.