Sequence-SOD：仿生学SNN目标检测器用于事件相机，提高准确性

研究人员开发了Sequence-SOD，一种用于事件相机的、利用仿生学脉冲神经网络（SNN）的新型目标检测系统。与处理孤立事件间隔的先前方法不同，Sequence-SOD处理扩展的事件序列，跨时间步保留神经状态，以更好地利用时间信息。这种序列感知方法提高了检测精度，在应用数据增强的情况下，在Gen1汽车检测数据集上实现了26.88的平均精度均值（mAP），而单间隔训练的mAP为23.38。该系统可以以40 Hz的理论预测频率运行，突显了序列感知训练对基于事件的SNN检测的好处。 AI

影响 通过SNN更好地利用时间数据，增强了事件相机的目标检测能力。

排序理由 详细介绍新模型/方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Event cameras
• Gen1 Automotive Detection Dataset
• Katharina Bendig
• Sequence-SOD
• Spiking DenseNet
• Spiking Neural Networks

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →