PulseAugur
中
实时 08:56:35
实体 Pedestrian Crossing Intent Classification From Event-Based Vision Using Convolutional Spiking Neural Networks With Temporal Augmentation

Pedestrian Crossing Intent Classification From Event-Based Vision Using Convolutional Spiking Neural Networks With Temporal Augmentation

PulseAugur coverage of Pedestrian Crossing Intent Classification From Event-Based Vision Using Convolutional Spiking Neural Networks With Temporal Augmentation — every cluster mentioning Pedestrian Crossing Intent Classification From Event-Based Vision Using Convolutional Spiking Neural Networks With Temporal Augmentation across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_254262 ·

    脉冲神经网络在行人过马路意图分类中实现高精度

    研究人员开发了一种新颖的卷积脉冲神经网络（Conv-SNN），用于使用事件视觉分类行人过马路意图。该方法将真实驾驶录像转换为合成动态视觉传感器（DVS）事件流，并通过模拟DVS序列进行训练增强。所得模型在各种数据集上实现了高精度，在稀疏时间数据上运行效率更高，同时优于先前的基于帧的方法。