时域感兴趣区域精确定位与膜电位多核调整的 动态视觉传感器数据分类

• 作者: 兰浩鑫 张灵 陈云华 黄庆坤
• 来源期刊: 控制理论与应用
• 关键词: 动态视觉传感器DVS DVS数据分类 目标识别 时域感兴趣区域ROI 神经网络 MK–Tempotron
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 论文与报告
• 页码范围: 1837-1845
• 页数: 9页
• 字数: 6882字
• 语种: 中文
• DOI: 10.7641/CTA.2020.91001

摘要

动态视觉传感器(DVS)因其在获取视觉信息时具有低功耗,低延迟等特性,本质上十分适用于便携式设备上的实时动作识别.在对DVS事件流时域感兴趣区域(ROI)进行定位与分割时,现有方法往往不能根据不同物体运动自适应地设定最佳检测阈值、无法对静态场景中少量背景噪声进行过滤,为此,提出基于LIF神经元模型和脉冲最大值监测单元的运动符号检测(MSD),以实现在多种不同物体运动下事件流时域ROI关键时间点的自适应精确定位;在对分类器进行训练时,对不同的脉冲输入模式,使用不同的核函数调整突触后神经元膜电位,使训练得到的突触权重朝着正确发放的方向改变,提出一种具有抗噪性的脉冲神经网络学习算法MK–Tempotron.实验结果表明,与同类方法相比,本文方法在DVS数据集上的识别精度能获得高达14.61％的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张灵	广东工业大学计算机学院	56	196	8.0	10.0
2	陈云华	广东工业大学计算机学院	35	152	8.0	10.0
3	黄庆坤	广东工业大学计算机学院	1	0	0.0	0.0
4	兰浩鑫	广东工业大学计算机学院	1	0	0.0	0.0