【他山之石】ECCV 2024 Oral 最佳论文候选！SpikeYOLO：高性能低能耗目标检测网络

文章预览

“他山之石，可以攻玉”，站在巨人的肩膀才能看得更高，走得更远。在科研的道路上，更需借助东风才能更快前行。为此，我们特别搜集整理了一些实用的代码链接，数据集，软件，编程技巧等，开辟“他山之石”专栏，助你乘风破浪，一路奋勇向前，敬请关注！ 前言 本文提出了目标检测框架 SpikeYOLO ，以及一种能够执行整数训练脉冲推理的脉冲神经元。在静态COCO数据集上，SpikeYOLO的mAP@50和mAP@50:95分别达到了 66.2% 和 48.9% ，比之前最先进的SNN模型分别提高了 +15.0% 和 +18.7% 。 中国科学院自动化所李国齐课题组 论文： https://arxiv.org/abs/2407.20708 代码： 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 ………………………………