ECCV 2024 | 满分Oral论文！整数训练脉冲推理的高性能低能耗目标检测网络

文章预览

©PaperWeekly 原创 · 作者 |  竹贤 单位 |  中科院自动化所李国齐课题组 研究方向 |  脉冲神经网络 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%；在神经形态目标检测数据集 Gen1 上，SpikeYOLO 的 mAP@50 达到了 67.2%，比同架构的 ANN 提高了 +2.5%，并且能效提升 5.7×。 论文标题： Integer-Valued Training and Spike-Driven Inference Spiking N ………………………………