脉冲神经网络（SNN）论文阅读（六）-----ECCV-2024 脉冲驱动的SNN目标检测框架：SpikeYOLO

ECCV-2024脉冲驱动SNN目标检测框架SpikeYOLO
已于 2024-10-21 16:35:41 修改
阅读量2.1k 收藏 24
点赞数 21
CC 4.0 BY-SA版权
分类专栏： 脉冲神经网络（SNN）论文阅读 文章标签： 神经网络 论文阅读 目标检测
于 2024-10-06 13:06:29 首次发布
本文为CSDN博主【lan人啊】原创文章，未经允许不得转载！
本文链接：https://blog.csdn.net/qq_43622216/article/details/142725712

原文链接：CSDN-脉冲神经网络（SNN）论文阅读（六）-----ECCV-2024 脉冲驱动的SNN目标检测框架：SpikeYOLO

Integer-Valued Training and Spike-Driven Inference Spiking Neural Network for High-performance and Energy-efficient Object Detection

目录

论文信息

论文标题：Integer-Valued Training and Spike-Driven Inference Spiking Neural Network for High-performance and Energy-efficient Object Detection
论文地址
code
由中科院自动化所（李国齐团队）研究人员发表于ECCV 2024 Oral。

主要贡献

  • 设计了SpikeYOLO architecture用于目标检测。
  • 设计了新的脉冲神经元：I-LIF，训练时保持整数值通信推理时重参数化为低功耗的二元脉冲。
  • 在静态以及神经形态目标检测数据集上均取得了SOTA性能。
    在这里插入图片描述

SpikeYOLO

  • 宏观设计参考YOLOv8，微观设计参考作者团队之前提出的Meta-SpikeFormer[1]中的meta SNN block。
  • 设计了SNN-Block-1和SNN-Block-2，其他架构和YOLO
最低0.47元/天 解锁文章

200万优质内容无限畅学
ICCV 2023 | 首个用于目标检测任务的直接训练脉冲神经网络
Paper weekly
11-01 1003
©PaperWeekly 原创 ·作者 |李国齐课题组单位 |中国科学院自动化研究所研究方向 |类脑计算论文地址：https://arxiv.org/abs/2307.11411代码地址：https://github.com/BICLab/EMS-YOLO脉冲神经网络（Spiking neural networks，SNNs）是一种受到大脑启发且具有能耗高效性的神经网络模型，通过将信息编码...
【2025CVPR】基于脉冲神经网络的能效目标检测模型：Multi-scale Spiking Detector（MSD）深度解析
最新发布
hasakie的博客
06-23 754
本文提出了一种创新的多尺度脉冲神经网络目标检测器(MSD)，通过生物启发的ONNB模块和MSDF框架实现了高效准确的目标检测。该模型采用端到端直接训练策略，在COCO数据集上达到62.0%mAP的精度，同时仅需7.8M参数和6.43mJ能耗，较传统方法提升2.8%精度并降低82.9%能耗。实验验证了其在小目标检测和事件数据处理的优越性，为边缘计算应用提供了新范式。
SNN目标识别MNIST
m0_74982304的博客
03-05 1066
总体来说这篇论文提出的方法用了多种更精密的细节，如LIF膜电位公式，三种STDP方法，但我觉得还可以有很大的改进，比如输入层全连接到兴奋层，兴奋层通过抑制层实现的侧向抑制，抑制层不参与学习等等。尤其是兴奋层通过抑制层实现侧向抑制这里，当神经元兴奋时，通过抑制层再倒回兴奋层，所抑制的已经经过一了一段时间的延迟。如有错误，请不吝赐教。
【译】A Fully Spiking Hybrid Neural Network for Energy-Efficient Object Detection
a_piece_of_ppx的博客
05-24 1409
外文文献译
脉冲神经网络原理及应用_Spiking-YOLO：脉冲神经网络在目标检测上的首次尝试
weixin_39607865的博客
11-21 786
论文提出Spiking-YOLO是脉冲神经网络在目标检测领域的首次成功尝试，实现了与卷积神经网络相当的性能，而能源消耗极低。本文大部分内容来自：Spiking-YOLO : 前沿性研究，脉冲神经网络在目标检测的首次尝试 | AAAI 2020脉冲神经网络的简单理解：初识CV：脉冲神经网络（SNN）​zhuanlan.zhihu.com论文：Spiking-YOLO: Spiking Neural ...
Spiking-YOLO:脉冲神经网络高效的目标检测
像风一样自由
06-10 8144
Spiking-YOLO: Spiking Neural Network for Energy-Efficient Object Detection |AAAI 2020 Spiking-YOLO:脉冲神经网络高效的目标检测AbstractIntroduction相关工作DNN-to-SNN conversion目标检测MethodsChannel-wise data-based normalizationConventional normalization methodsAnalysis of layer
【读论文】Spiking-YOLO Spiking Neural Network for Energy-Efficient Object Detection
qq_45664326的博客
01-27 1776
AAAI-20 Spiking-YOLO Spiking Neural Network for Energy-Efficient Object Detection 论文总结
第三代神经网络SNN脉冲神经网络中integrate-and-fire神经元matlab仿真测试,包含仿真操作录像，中文注释
04-21
3.内容：第三代神经网络SNN脉冲神经网络中integrate-and-fire神经元matlab仿真测试。 Ni=15; %最大外部电流水平数目用于I-O曲线 del_I=2; %两个外部电流之间的差值（Iext=del_I * i，i=0,1,...,Ni） del_T=0.1; % ...
第三代SNN脉冲神经网络中IF-Neurons神经元的MATLAB模拟和仿真,含仿真操作录像
04-06
2.领域：SNN脉冲神经网络 3.内容：第三代SNN脉冲神经网络中IF_Neurons神经元的MATLAB模拟和仿真。SNN脉冲神经网络中IF_Neurons神经元的MATLAB仿真 RI =I_e_vect(i)*R_m; if (V_vect(i) > V_th) %cell spiked ...
hybrid-snn-conversion:通过混合Ann-SNN转换和基于尖峰的反向传播来训练尖峰网络
05-16
这是与在发表的论文“使用混合转换和峰值定时依赖的反向传播实现深度尖峰神经网络”相关的代码。 培训方法 培训分以下两个步骤进行： 训练ANN（'ann.py'） 将ANN转换为SNN并执行基于尖峰的反向传播（'snn.py'） ...
snn-for-asr-master_SNN_SNNnetwork_神经网络_脉冲神经网络_脉冲神经_
10-04
而“snn-for-asr-master”项目则是将研究焦点转向了脉冲神经网络（Spike Neural Networks，简称SNN），这是一种模拟生物神经系统的计算模型，为语音识别带来了新的解决方案。本文将深入探讨SNN、SNN网络以及它们在...
AAAI 2020 -目标检测 -《Spiking-YOLO:Spiking Neural Network for Energy-Efficient Object Detection》理解
weixin_44669387的博客
02-29 2524
主要贡献：1.第一次将深度SNN应用到目标检测领域 2.channel-wise normalization （一种新的标准化方法，方便数据的处理） 3.signed neuron with imbalanced threshold （一种新的激活函数） baseline：Tiny YOLO（文中说8个卷积层，我硬是没找到这是YOLO的哪个版本。YOLO v1中的Fast YOLO有9个卷积层） ...
【亲测免费】 深度直接训练的脉冲神经网络——面向目标检测的创新解决方案
gitblog_00038的博客
06-20 508
深度直接训练的脉冲神经网络——面向目标检测的创新解决方案 项目介绍 在计算机视觉领域，深度学习已经取得了显著的成就，其中目标检测任务尤为关键。而【Deep Directly-Trained Spiking Neural Networks for Object Detection】项目带来了一个全新的视角，通过引入脉冲神经网络（SNN）的深度学习模型，实现了高效且精确的对象检测。这个项目是由BICL...
Yolo框架大改 | 消耗极低的目标检测新框架
limingmin2020的博客
08-30 603
在过去的十年中，深度神经网络(DNNs)在各种应用中表现出显著的性能。
脉冲目标检测网络模型SpikeYOLO——基于整值训练和脉冲驱动推理的高性能节能目标检测神经网络
Together_CZ的博客
10-12 2620
Integer-Valued Training and Spike-Driven Inference Spiking Neural Network for High-performance and Energy-efficient Object Detection 脉冲目标检测网络模型SpikeYOLO——基于整值训练和脉冲驱动推理的高性能节能目标检测神经网络
2024年7月31日Arxiv人工智能相关论文
数智笔记
07-31 1457
原标题作者机构: 比勒菲尔德大学 AG 机器学习实验室摘要: 在最近的研究中，线搜索方法已被证明可以显著提升传统随机梯度下降技术在各种数据集和架构上的性能，同时使学习率调度这一原本关键的选择变得不那么重要。在本文中，我们识别了当前最先进的线搜索方法存在的问题，提出了改进方案，并严格评估了它们的有效性。此外，我们在比以往更大规模的数据集和更复杂的数据领域上评估了这些方法。更具体地说，我们通过加速计算和将动量项纳入Armijo准则，改进了Armijo线搜索方法，使其更适用于随机小批量处理。
Spiking-YOLO
whaosoft143ai的博客
01-30 1012
可以看到每层的归一化后的激活值偏差较大，总体而言，layer-norm使得神经元的channel偏向激活不足，这在仅需选择分类的图片分类任务是不被察觉的，但对于需要预测准确值的检测任务的回归则不一样。DNN-to-SNN是近期广泛的SNN训练方法，该方法将目标DNN转化成SNN的中间DNN网络进行训练，然后转成SNN并复用其训练的参数，在小数据集分类上能达到不错的性能，但是在大数据集上分类结果不太理想。然而，SNN很难训练，主要是因为它们的神经元复杂的动力学和不可微的尖峰操作。whaosoft aiot
12、论文阅读：SpikeYOLO：高性能低能耗目标检测网络
DQHNB的博客
10-16 1266
脉冲神经网络（Spiking Neural Networks, SNNs）具有生物合理性和低功耗的优势，相较于人工神经网络（Artificial Neural Networks, ANNs）。然而，由于性能较差，目前 SNNs 的应用仅限于简单的分类任务。在这项工作中，我们专注于缩小 SNNs 和 ANNs在物体检测任务上的性能差距。我们的设计围绕网络架构和脉冲神经元展开。首先，YOLO 系列在转换为对应的脉冲版本时，由于模块设计过于复杂，导致了脉冲退化。为了解决这个问题，我们设计了一种。
SpikeYOLO：项目核心功能/场景
gitblog_00084的博客
03-30 431
SpikeYOLO：项目核心功能/场景 项目介绍 在深度学习领域，脑启发的尖峰神经网络（Spiking Neural Networks，SNNs）以其生物合理性及低功耗优势，逐渐成为研究的热点。然而，由于性能上的限制，SNNs的应用目前主要集中在简单的分类任务上。针对这一问题，SpikeYOLO项目通过创新的网络架构和神经元设计，成功地将SNNs应用于复杂的目标检测任务，实现了高性能与低能耗的完美...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值