文献

J-GLOBAL ID：202002262443721695   整理番号：20A2274074

スパイクフローネット:エネルギー効率の良いハイブリッドニューラルネットワークによるイベントベースオプティカルフロー推定【JST・京大機械翻訳】

Spike-FlowNet: Event-Based Optical Flow Estimation with Energy-Efficient Hybrid Neural Networks

著者 (6件)： Lee Chankyu (Purdue University, West Lafayette, IN, USA) ,  Kosta Adarsh Kumar (Purdue University, West Lafayette, IN, USA) ,  Zhu Alex Zihao (University of Pennsylvania, Philadelphia, PA, USA) ,  Chaney Kenneth (University of Pennsylvania, Philadelphia, PA, USA) ,  Daniilidis Kostas (University of Pennsylvania, Philadelphia, PA, USA) ,  Roy Kaushik (Purdue University, West Lafayette, IN, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12374  ページ： 366-382  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： イベントベースカメラは,従来のフレームベースカメラが決定的に悩まされる低光環境における高速運動検出やナビゲーションのような様々なタスクに対して大きな可能性を示す。これは,それらの高い時間分解能,高いダイナミックレンジ,および低い電力消費に起因する。しかし,従来のコンピュータビジョン法や深層アナログニューラルネットワーク(ANNs)は,イベントカメラ出力の非同期で離散的な性質でうまく動作するのに適していない。スパイキングニューラルネットワーク(SNN)は,イベントカメラ出力を扱う理想的なパラダイムとして機能するが,深いSNNはスパイク消失現象による性能の項に悩まされる。これらの問題を克服するために,筆者らは,性能を犠牲にすることなく,スパースイベントカメラ出力からの光フローを効率的に推定するために,SNNとANNを統合する深いハイブリッドニューラルネットワークアーキテクチャであるSpike-FlowNetを提案した。ネットワークを,マルチ車両ステレオイベントCamera(MVSEC)データセットに関する自己監督学習によって,エンドツーエンド訓練した。Spike-FlowNetは,重要な計算効率を提供しながら,光フロー予測能力に関して,対応するANNベースの方法より優れている。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  学習 ,  *ネットワーク ,  電力消費 ,  *ニューラルネットワーク ,  エンドツーエンド方式 ,  ダイナミックレンジ ,  コンピュータビジョン ,  深層 ,  *オプティカルフロー ,  エネルギー効率 ,  動き検出 ,  時間分解能
準シソーラス用語： 計算効率 ,  スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： イベントベースビジョン ,  オプティカルフロー推定 ,  ハイブリッドネットワーク ,  スパイキングニューラルネットワーク ,  自己教師つき学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： エネルギー効率 ,  ニューラルネットワーク ,  推定