高性能低能耗目标检测框架SpikeYOLO，ECCV 2024 Oral 满分论文（附论文和源码）

文章预览

以下 文 章来源于知乎：计算机视觉最前沿 作者： 竹贤 链接：https://zhuanlan.zhihu.com/p/714264914 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 相较于传统的人工神经网络（ANN）， 脉冲神经网络（ SNN）中的神经元通过离散的脉冲（spike）通信，而非连续的数值信号。本文结合YOLO，提出 目标检测框架 SpikeYOLO，在 COCO数据集上表现出 性能更高、速度更快的优势！ 中国科学院自动化所李国齐课题组 论文链接： https://arxiv.org/abs/2407.20708 代码链接： github.com/BICLab/SpikeYOLO 脉冲神经网络（Spike Neural Networks，SNN）因其生物合理性和低功耗特性，被认为是人工神经网络（Artificial Neural Networks，ANN）的一种有效替代方案。然而，大多数SNN网络都由于其性能限制，只能应用于图像分类等简单任务。为弥补ANN和SNN在目标检测上之间的性能差距，本文提出 ………………………………