event-based sensors | BriefGPT

关键词event-based sensors

搜索结果 - 7

深度状态空间模型的可扩展事件处理神经形态感知信号
本研究探讨了使用完全事件驱动的处理方法和基于现代循环深度状态空间模型的事件流建模来实现几个事件流基准测试的最新性能。
PDF2 months ago
警报转换器：连接异步和同步机器学习以实时处理基于事件的时空数据
我们旨在实现对由密集机器学习模型生成的连续超稀疏时空数据的经典处理。我们提出了一种新颖的混合流水线，由异步感知和同步处理组成，结合了几个思想：（1）基于 PointNet 模型的嵌入 ——ALERT 模块，可以通过泄漏机制持续集成新事件并丢
PDF5 months ago
通过时间动力学学习稀疏事件来进行汽车目标检测
基于事件的传感器与其高时间分辨率（1 微秒）和动态范围（120dB），能够在车辆和无人机等高速平台中部署。然而，事件的高度稀疏和波动性对基于人工神经网络（ANNs）的传统目标检测技术构成了挑战。相比之下，脉冲神经网络（SNNs）由于其固有的
PDFa year ago
使用自适应脉冲编码器 - 解码器网络进行准确高效的基于事件的语义分割
本文提出了一种高效的 SNN 编码器 - 解码器网络，并结合层次搜索来优化编码器，从而实现对大规模事件信号的语义分割任务。此外，利用神经元固有的自适应阈值来调节网络激活，并开发了双通道刺激的空间自适应调制 (SSAM) 块，显著提高了网络性
PDFa year ago
EV-Catcher: 使用低延迟事件驱动神经网络实现高速目标捕捉
使用事件传感器进行实时感知的轻量化学习方法。可用于快速移动物体的准确检测。在实验中，对于打向不同位置、速度达到 13m/s 的乒乓球，成功率高达 81%。
PDFa year ago
一种高效的脉冲神经网络，在 Loihi 神经形态处理器上使用 DVS 摄像机识别手势
本文介绍了第三代神经网络 —— 脉冲神经网络（Spiking Neural Networks，SNNs），阐述了它们与传统的深度神经网络（Deep Neural Networks，DNNs）相比的优点和特点，重点讨论了如何将经过训练的 DN
PDF4 years ago
使用事件传感器的实时聚类和多目标跟踪
本文提出了利用事件驱动视觉传感器的独特特性进行实时聚类的技术，以降低计算成本，提高多目标跟踪的准确性。通过数据集和实际物体操纵任务的实验验证了该方法的有效性。
PDF6 years ago