論文の概要: HyNNA: Improved Performance for Neuromorphic Vision Sensor based
Surveillance using Hybrid Neural Network Architecture
- arxiv url: http://arxiv.org/abs/2003.08603v1
- Date: Thu, 19 Mar 2020 07:18:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 04:07:37.557994
- Title: HyNNA: Improved Performance for Neuromorphic Vision Sensor based
Surveillance using Hybrid Neural Network Architecture
- Title（参考訳）: HyNNA:ハイブリッドニューラルネットワークアーキテクチャによるニューロモルフィック視覚センサによるサーベイランスの性能向上
- Authors: Deepak Singla, Soham Chatterjee, Lavanya Ramapantulu, Andres Ussa,
Bharath Ramesh and Arindam Basu
- Abstract要約: 領域提案のための形態素画像処理アルゴリズムを用いて,最近提案されたハイブリッドイベントフレームアプローチを改善した。
また、様々な畳み込みニューラルネットワーク(CNN)アーキテクチャを探索することにより、オブジェクト検出と分類の低消費電力要求にも対処する。
具体的には、対象検出フレームワークから得られた結果を最先端の低出力NVS監視システムと比較し、63.1%から82.16%の改善精度を示した。
- 参考スコア（独自算出の注目度）: 7.293414498855147
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applications in the Internet of Video Things (IoVT) domain have very tight
constraints with respect to power and area. While neuromorphic vision sensors
(NVS) may offer advantages over traditional imagers in this domain, the
existing NVS systems either do not meet the power constraints or have not
demonstrated end-to-end system performance. To address this, we improve on a
recently proposed hybrid event-frame approach by using morphological image
processing algorithms for region proposal and address the low-power requirement
for object detection and classification by exploring various convolutional
neural network (CNN) architectures. Specifically, we compare the results
obtained from our object detection framework against the state-of-the-art
low-power NVS surveillance system and show an improved accuracy of 82.16% from
63.1%. Moreover, we show that using multiple bits does not improve accuracy,
and thus, system designers can save power and area by using only single bit
event polarity information. In addition, we explore the CNN architecture space
for object classification and show useful insights to trade-off accuracy for
lower power using lesser memory and arithmetic operations.
- Abstract（参考訳）: Internet of Video Things (IoVT)ドメインのアプリケーションは、パワーと領域に関して非常に厳しい制約がある。
ニューロモルフィック視覚センサ(NVS)は、この領域における従来のイメージセンサよりも有利であるが、既存のNVSシステムは電力制約を満たしていないか、エンドツーエンドのシステム性能を示していない。
そこで我々は,領域提案のための形態的画像処理アルゴリズムを用いて,最近提案されたハイブリッドイベントフレームアプローチを改善し,様々な畳み込みニューラルネットワーク(CNN)アーキテクチャを探索することにより,オブジェクト検出と分類の低消費電力要件に対処する。
具体的には、対象検出フレームワークから得られた結果を最先端の低出力NVS監視システムと比較し、63.1%から82.16%の改善精度を示した。
さらに,複数ビットを使用すると精度が向上せず,システム設計者は単一ビットイベントの極性情報のみを用いて電力と面積を節約できることを示す。
さらに、オブジェクト分類のためのCNNアーキテクチャ空間を探索し、より少ないメモリと演算演算を用いて低消費電力のトレードオフ精度を示す。
関連論文リスト
- SpikeAtConv: An Integrated Spiking-Convolutional Attention Architecture for Energy-Efficient Neuromorphic Vision Processing [11.687193535939798]
スパイキングニューラルネットワーク(SNN)は、従来の人工ニューラルネットワークに代わる生物学的にインスパイアされた代替手段を提供する。
SNNは、画像分類などの複雑な視覚的タスクにおいて、まだ競争力のある性能を達成できていない。
本研究では,有効性とタスク精度の向上を目的とした新しいSNNアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-11-26T13:57:38Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Optimizing Convolutional Neural Network Architecture [0.0]
畳み込みニューラルネットワーク(CNN)は、音声認識や自然言語処理、コンピュータビジョンといった課題に直面するために広く使われている。
我々は,プルーニングと知識蒸留に基づく新しいCNN最適化と構築手法であるOCNNAを提案する。
提案手法は,20以上の畳み込みニューラルネットワークの単純化アルゴリズムと比較し,優れた結果を得た。
論文 参考訳（メタデータ） (2023-12-17T12:23:11Z) - Parameter Convex Neural Networks [13.42851919291587]
本研究では,ある条件下でのニューラルネットワークのパラメータに関して凸である指数的多層ニューラルネットワーク(EMLP)を提案する。
後期実験では,指数グラフ畳み込みネットワーク(EGCN)を同じアーキテクチャで構築し,グラフ分類データセット上で実験を行う。
論文 参考訳（メタデータ） (2022-06-11T16:44:59Z) - Vision Transformer with Convolutions Architecture Search [72.70461709267497]
本稿では,畳み込み型アーキテクチャサーチ(VTCAS)を用いたアーキテクチャ探索手法を提案する。
VTCASによって探索された高性能バックボーンネットワークは、畳み込みニューラルネットワークの望ましい特徴をトランスフォーマーアーキテクチャに導入する。
これは、特に低照度屋内シーンにおいて、物体認識のためのニューラルネットワークの堅牢性を高める。
論文 参考訳（メタデータ） (2022-03-20T02:59:51Z) - Hybrid SNN-ANN: Energy-Efficient Classification and Object Detection for
Event-Based Vision [64.71260357476602]
イベントベースの視覚センサは、画像フレームではなく、イベントストリームの局所的な画素単位の明るさ変化を符号化する。
イベントベースセンサーによる物体認識の最近の進歩は、ディープニューラルネットワークの変換によるものである。
本稿では、イベントベースのパターン認識とオブジェクト検出のためのディープニューラルネットワークのエンドツーエンドトレーニングのためのハイブリッドアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-12-06T23:45:58Z) - CondenseNeXt: An Ultra-Efficient Deep Neural Network for Embedded
Systems [0.0]
畳み込みニューラルネットワーク(英: Convolutional Neural Network, CNN)は、画像センサが捉えた視覚画像の分析に広く用いられているディープニューラルネットワーク(DNN)のクラスである。
本稿では,組込みシステム上でのリアルタイム推論のために,既存のCNNアーキテクチャの性能を改善するために,深層畳み込みニューラルネットワークアーキテクチャの新しい変種を提案する。
論文 参考訳（メタデータ） (2021-12-01T18:20:52Z) - A Spiking Neural Network for Image Segmentation [3.4998703934432682]
我々は,深層ニューラルネットワーク(ANN)アーキテクチャのU-Netを,Nengoフレームワークを用いたスパイキングニューラルネットワーク(SNN)アーキテクチャに変換する。
レートベースモデルとスパイクベースモデルの両方がトレーニングされ、パフォーマンスとパワーのベンチマークに最適化されている。
Intel Loihiのニューロモルフィックチップのニューロモルフィック実装は、従来のハードウェアよりも2倍エネルギー効率が高い。
論文 参考訳（メタデータ） (2021-06-16T16:23:18Z) - Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。
実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。
ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
論文 参考訳（メタデータ） (2021-03-15T12:54:26Z) - MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。
我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。
我々は精度-速度トレードオフの観点から最先端の結果を得る。
論文 参考訳（メタデータ） (2020-09-29T11:56:01Z) - Modeling from Features: a Mean-field Framework for Over-parameterized
Deep Neural Networks [54.27962244835622]
本稿では、オーバーパラメータ化ディープニューラルネットワーク(DNN)のための新しい平均場フレームワークを提案する。
このフレームワークでは、DNNは連続的な極限におけるその特徴に対する確率測度と関数によって表現される。
本稿では、標準DNNとResidual Network(Res-Net)アーキテクチャを通してフレームワークを説明する。
論文 参考訳（メタデータ） (2020-07-03T01:37:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。