論文の概要: HSMD: An object motion detection algorithm using a Hybrid Spiking Neural Network Architecture

• arxiv url: http://arxiv.org/abs/2109.04119v1
• Date: Thu, 9 Sep 2021 09:15:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-11 03:29:08.821360
• Title: HSMD: An object motion detection algorithm using a Hybrid Spiking Neural Network Architecture
• Title（参考訳）: hsmd:ハイブリッドスパイクニューラルネットワークを用いた物体運動検出アルゴリズム
• Authors: Pedro Machado, Andreas Oikonomou, Joao Filipe Ferreira, T.M. McGinnity
• Abstract要約: 運動感受性ガングリオン細胞(Object-motion-sensitive ganglion cells、OMS-GC)は、運動する物体を感知する網膜の特殊な細胞である。 OMS-GCは入力された連続信号として、光神経を介して視覚皮質に伝達されるスパイクパターンを出力として生成する。 この研究で提案されたHSMDアルゴリズムは、カスタマイズされた3層スパイキングニューラルネットワーク(SNN)を用いたGSOC動的バックグラウンドサブトラクション(DBS)アルゴリズムを強化する。 その結果,HSMDは競合するアプローチの中で第1位であった。
• 参考スコア（独自算出の注目度）: 0.2580765958706854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The detection of moving objects is a trivial task performed by vertebrate retinas, yet a complex computer vision task. Object-motion-sensitive ganglion cells (OMS-GC) are specialised cells in the retina that sense moving objects. OMS-GC take as input continuous signals and produce spike patterns as output, that are transmitted to the Visual Cortex via the optic nerve. The Hybrid Sensitive Motion Detector (HSMD) algorithm proposed in this work enhances the GSOC dynamic background subtraction (DBS) algorithm with a customised 3-layer spiking neural network (SNN) that outputs spiking responses akin to the OMS-GC. The algorithm was compared against existing background subtraction (BS) approaches, available on the OpenCV library, specifically on the 2012 change detection (CDnet2012) and the 2014 change detection (CDnet2014) benchmark datasets. The results show that the HSMD was ranked overall first among the competing approaches and has performed better than all the other algorithms on four of the categories across all the eight test metrics. Furthermore, the HSMD proposed in this paper is the first to use an SNN to enhance an existing state of the art DBS (GSOC) algorithm and the results demonstrate that the SNN provides near real-time performance in realistic applications.
• Abstract（参考訳）: 動く物体の検出は脊椎動物の網膜によって行われる自明な作業だが、複雑なコンピュータビジョンタスクである。 object-motion-sensitive ganglion cell(oms-gc)は、網膜において動く物体を感知する細胞である。 OMS-GCは入力された連続信号として、光神経を介して視覚皮質に伝達されるスパイクパターンを出力として生成する。 この研究で提案されたHybrid Sensitive Motion Detector (HSMD)アルゴリズムは、OMS-GCに似たスパイキング応答を出力する3層スパイキングニューラルネットワーク(SNN)をカスタマイズしたGSOC動的バックグラウンドサブトラクション(DBS)アルゴリズムを強化する。 このアルゴリズムは、2012年の変更検出(cdnet2012)と2014年変更検出(cdnet2014)ベンチマークデータセットを中心に、opencvライブラリで利用可能な既存のバックグラウンド減算(bs)アプローチと比較された。 その結果、HSMDは競合するアプローチの中では1位にランクされ、8つのテスト指標のうち4つのカテゴリにおいて他のアルゴリズムよりも優れていた。 さらに,本論文で提案するHSMDは,SNNを用いてアートDBS(GSOC)アルゴリズムの既存状態を向上し,実時間に近い性能を現実的なアプリケーションで実現することを示す。

関連論文リスト

• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Computational models of object motion detectors accelerated using FPGA technology [0.3626013617212667]
  このPhD研究は、物体の動き検出の領域における3つの重要な貢献を紹介する。 MHSNN:脊椎動物の網膜に触発された4層スパイキングニューラルネットワークアーキテクチャ。 HSMD: 調整された3層SNNを使用して動的バックグラウンドサブトラクション(DBS)を強化する。 NeuroHSMD: HSMD上に構築されたこの実装は、専用のハードウェア上でSNNコンポーネントを実装した。
  論文  参考訳（メタデータ） (2023-08-23T20:26:12Z)
• IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
  画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。 統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。 7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
  論文  参考訳（メタデータ） (2023-01-31T01:24:45Z)
• Detecting Algorithmically Generated Domains Using a GCNN-LSTM Hybrid Neural Network [10.617124610646488]
  ドメイン生成アルゴリズム(DGA)は、ボットネットによって秘密のコマンドと制御(C&C)通信チャネルを構築するために使用される。 AGD検出アルゴリズムは、既存のDGA技術に対応する軽量で有望なソリューションを提供する。 本稿では,AGD検出のためのGCNN-LSTM (long short-term memory) Hybrid Neural Network (GLHNN)を提案する。
  論文  参考訳（メタデータ） (2022-08-06T05:15:45Z)
• Effective classification of ecg signals using enhanced convolutional neural network in iot [0.0]
  本稿では、動的ソースルーティング(DSR)とエネルギーリンク品質(REL)に基づくIoTヘルスケアプラットフォームのためのルーティングシステムを提案する。 Deep-ECGは、重要な特徴を抽出するためにディープCNNを使用し、単純かつ高速な距離関数を用いて比較する。 その結果,提案手法は分類精度において他よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-02-08T13:37:23Z)
• NeuroHSMD: Neuromorphic Hybrid Spiking Motion Detector [2.0625936401496237]
  VertebrateRetinaは、動く物体を検知するといった簡単な視覚タスクを処理するのに非常に効率的である。 物体運動の検出は、OMS-GC(Object-motion-sensitive ganglion cells)と呼ばれる特殊な網膜神経節細胞によって行われる この研究で提案されたニューロモルフィックハイブリッドスパイキングモーション検出器(NeuroHSMD)は、フィールドプログラマブルゲートアレイ(FPGA)を用いたHSMDアルゴリズムを高速化する。 以上の結果から,NuroHSMDは品質劣化を伴わず,リアルタイムにHSMDアルゴリズムと同じ結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-12-12T00:01:15Z)
• 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)
• CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point Clouds [51.47100091540298]
  本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。 CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
  論文  参考訳（メタデータ） (2021-08-31T23:27:33Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• Urban Change Detection by Fully Convolutional Siamese Concatenate Network with Attention [0.6999740786886537]
  変更検出(CD)はリモートセンシング、特に都市管理における災害時において重要な問題である。 オブジェクトベースのモデルは、非常に高解像度のリモートセンシング(VHR RS)画像を扱うピクセルベースの手法に好まれる。 本稿では,VHR RS画像の完全自動変化検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-31T17:47:16Z)

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。