Jun, 2024

脉冲耦合神经网络在计算机视觉和图像处理中的应用综述

PDF
TL;DR该论文回顾了受哺乳动物视觉皮层启发的神经模型研究，重点介绍了脉冲耦合神经网络（PCNN）的数学形式、变体和文献中的其他简化方法，并提出了在图像处理和计算机视觉领域的多个应用，包括图像分割、边缘检测、医学成像、图像融合、图像压缩、物体识别和遥感。这些应用的结果表明，PCNN 架构产生了对各种计算机视觉任务有用的感知信息。
neural modelsspiking neural networkspulse-coupled neural networksimage processingcomputer vision
发现论文，激发创造
  • 随机耦合神经网络

    提出了随机耦合神经网络（RCNN）模型，通过随机失活过程克服了脉冲耦合神经网络（PCNN）的困难，实现了海量神经连接，并在图像分割等应用中展现了鲁棒、高效、抗噪声的出色性能。

    Mar, 2024

  • 深脉冲耦合神经网络

    通过使用脉冲耦合神经网络（PCNN）取代常用的漏积分 - 发放神经元（LIF）模型神经元，我们构建了深度脉冲耦合神经网络（DPCNN），进而改善了 SNNs 在视觉任务中的表达能力和识别性能。同时，我们还提出了接受域和时间依赖批归一化（RFTD-BN）来加速 DPCNNs 的收敛和性能。

    Dec, 2023

  • 卷积神经网络综述：分析，应用和前景

    本文综述了卷积神经网络的历史，概述了卷积神经网络的结构，介绍了一些基础和高级模型，并通过实验分析总结了一些适用函数的经验法则。此外，本文还涵盖了一维、二维和多维卷积的应用，并讨论了卷积神经网络面临的一些问题和未来的方向。

    Apr, 2020

  • 具有局部循环处理的深度预测编码网络用于对象识别

    这篇论文介绍了一种新的基于神经科学理论 “预测编码” 的神经网络，该网络包含反馈和前馈连接，能够让相邻层次间逐渐优化表征以最小化预测误差，并在图像分类和对象识别等任务上获得了具有竞争力的性能。

    May, 2018

  • 卷积神经网络作为视觉系统模型：过去、现在和未来

    本综述介绍了卷积神经网络（CNN）在计算神经科学中作为良好模型的特征，以及这些模型如何在理解和实验生物视觉方面提供启示，并讨论了在基本物体识别之外的视觉研究中使用 CNN 的新兴机会。

    Jan, 2020

  • 脉冲神经网络 -- 第二部分：检测时空模式

    本文从认知神经科学方面入手，分析了 Spiking Neural Networks 这种新型生物神经样本学习 / 数据处理模型在模型、训练算法上面的优点和缺点，其中使用了概率模型和时间反向传播算法解决了部分难点，最后在神经元数据集上进行了对比实验.

    Oct, 2020

  • 深度预测编码网络在物体识别中的应用

    本研究利用预测编码理论设计了双向、递归的深度预测编码网络，在图像分类中具有较高性能表现，与其单向前馈模型相比，其性能随着递归周期的增加而提高，并逐步准确地识别物体。

    Feb, 2018

  • 低功耗神经形态处理硬件

    本文回顾了构建新一类仿效人脑以时间编码和处理信息的信息处理引擎所涉及的一些体系结构和系统级设计方面，以解决能效问题。

    Jan, 2019

  • 面向下一代计算机视觉的基于脉冲的神经形态计算

    神经形态计算有望比传统的冯・诺依曼计算模式在能效上提升数个数量级。其目标是通过学习和模拟大脑功能来开发自适应、容错、低占用、快速、低能耗的智能系统，可以通过在材料、器件、电路、架构和算法等不同抽象层面上进行创新来实现。随着复杂视觉任务的能耗因大型数据集而呈指数增长，并且资源受限的边缘设备变得越来越普遍，基于脉冲的神经形态计算方法可以成为在当前主导视觉领域的深度卷积神经网络的可行替代方案。在本书章节中，我们介绍了神经形态计算，概述了设计堆栈的几个代表性示例（器件、电路和算法），并总结了一些令人兴奋的应用和未来的研究方向，这些方向在近期的计算机视觉中似乎很有前景。

    Oct, 2023

  • 芯片上的光学卷积神经网络

    本论文介绍了一种基于光子学电路的 CNN 数字处理体系结构，相较于当前电子学电路，本体系结构在每次推断中消耗的能量仅为其一部分。

    Aug, 2018