English(EN) Low-Cost Neuromorphic Fall Detection Using Synthetic Event Data and Hybrid SNNs

混合SNN-CNN模型通过高效事件数据处理增强跌倒检测

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-17 06:21

研究人员开发了结合脉冲神经网络（SNN）和卷积神经网络（CNN）的混合模型，以改进跌倒检测。这些模型处理从常规视频生成的模拟事件基相机数据，以利用SNN的能效和时空处理能力。评估表明，与传统的机器学习模型相比，这些混合方法在不影响准确性的情况下实现了显著的效率提升。 AI

影响这项研究展示了一种更节能的AI驱动跌倒检测方法，有可能在低功耗边缘设备上实现更广泛的部署。

排序理由该集群包含两篇相同的arXiv提交，详细介绍了一篇关于新型混合神经网络架构的研究论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Guillermo Rojas, Gonzalo Soto, Daniel Yunge · 2026-06-18 04:00

Low-Cost Neuromorphic Fall Detection Using Synthetic Event Data and Hybrid SNNs

arXiv:2606.18732v1 Announce Type: new Abstract: This work presents the development of hybrid models that integrate spiking neural networks (SNNs) with components of convolutional neural networks (CNNs) to learn from simulated event-based camera data (Dynamic Vision Sensor, DVS) g…
arXiv cs.CV TIER_1 English(EN) · Daniel Yunge · 2026-06-17 06:21

低成本神经形态跌倒检测：利用合成事件数据和混合SNNs

This work presents the development of hybrid models that integrate spiking neural networks (SNNs) with components of convolutional neural networks (CNNs) to learn from simulated event-based camera data (Dynamic Vision Sensor, DVS) generated from conventional smartphone videos. Ai…