大改Yolo框架 | 能源消耗极低的目标检测新框架（附论文下载）

文章预览

欢迎关注“ 计算机视觉研究院 ” 计算机视觉研究院专栏 作者：Edison_G 使用常规深度神经网络到 脉冲神经网络 转换方法应用于脉冲神经网络域时，性能下降的很多，深入分析后提出了可能的解释：一是来自 逐层归一化 的效率低，二是用于leaky-ReLU函数的负激活缺乏表示。 1.前言 在过去的十年中，深度神经网络(DNNs)在各种应用中表现出显著的性能。当我们试图解决更艰难和最新的问题时，对计算和电力资源的需求增加已经成为不可避免的。 Spiking neural networks (SNNs)作为第三代神经网络，由于其 事件驱动（event-driven ）和低功率 特性，引起了广泛的兴趣。 然而，SNN很难训练，主要是因为它们的神经元复杂的动力学和不可微的尖峰操作。此外，它们的应用仅限于相对简单的任务，如图像分类。 在今天的分享中，作者研究了SNN在一个更具挑战性的回归问 ………………………………