内容标题35

  • <tr id='K2eImL'><strong id='K2eImL'></strong><small id='K2eImL'></small><button id='K2eImL'></button><li id='K2eImL'><noscript id='K2eImL'><big id='K2eImL'></big><dt id='K2eImL'></dt></noscript></li></tr><ol id='K2eImL'><option id='K2eImL'><table id='K2eImL'><blockquote id='K2eImL'><tbody id='K2eImL'></tbody></blockquote></table></option></ol><u id='K2eImL'></u><kbd id='K2eImL'><kbd id='K2eImL'></kbd></kbd>

    <code id='K2eImL'><strong id='K2eImL'></strong></code>

    <fieldset id='K2eImL'></fieldset>
          <span id='K2eImL'></span>

              <ins id='K2eImL'></ins>
              <acronym id='K2eImL'><em id='K2eImL'></em><td id='K2eImL'><div id='K2eImL'></div></td></acronym><address id='K2eImL'><big id='K2eImL'><big id='K2eImL'></big><legend id='K2eImL'></legend></big></address>

              <i id='K2eImL'><div id='K2eImL'><ins id='K2eImL'></ins></div></i>
              <i id='K2eImL'></i>
            1. <dl id='K2eImL'></dl>
              1. <blockquote id='K2eImL'><q id='K2eImL'><noscript id='K2eImL'></noscript><dt id='K2eImL'></dt></q></blockquote><noframes id='K2eImL'><i id='K2eImL'></i>
                歡迎光臨中國圖象圖形學︾學會官方網站,讓我們一起努〗力,探索圖象圖形領域的廣袤天地!
                首頁 > 學會動態 > 活動預告

                CSIG交通視頻專委會“學術新星”將於5月10日舉辦

                2022-05-07


                舉辦單位


                主辦單位:中國圖象圖形學∮學會
                承辦單位:CSIG交通視頻專委會


                會議安排


                會議時間:2022年5月10日 19:00-20:30

                會議形式:騰訊會議(會議ID:262250178)


                會議議程


                1.png


                報告人簡介

                2.png

                朱林


                報告題目:基於脈沖神經網絡的圖像重建方法研究

                報告摘要:事件相機采用了一種新的〖仿生成像範式,通過對光強異步的▂、連續的測量,生成高時間分辨率和高動態範圍的事件信號來表達】場景信息。通過圖像重建算法,可以把稀疏的事除了城主府件數據重建為符合人類視覺的灰度圖像。到目◥前為止,事件相機的圖像重建方法都是基於人工神經網絡(ANN)或手工設計的時空平滑先驗。在本█工作中,我們首次探索了使用深層脈沖神經網絡(SNN)結構實現圖像重建工作。作為生物啟發的神經網絡,SNN具有處理時域上的二值脈沖數據的能力,在事件驅動硬件上會帶來更高的計算效率。我們發現,脈沖神經元可以提取和存儲有用的時間信息,以完成圖像重建這種∮時間相關的任務。實驗結果表明,在基於事件的圖像重建任務上,SNN網絡在大部分公共數據集上可以達到與基本ANN模型相當的性能。同時,SNN中突觸操作的低消耗◢與脈沖激活的稀漆黑色疏性相結合,大大提高了計算效ω 率。本工作提出的兩種網絡EVSNN和PA-EVSNN的能耗分別比其ANN結構低19.36倍和7.75倍。

                個人簡介:朱林,現就讀於北京大ξ學計算機學院,計算機應用技術博▓士,導師為田永鴻教◎授。主要研究方向為神經形顯然是靈魂態視覺和脈沖神經網絡,目前以第一作卻又偏偏無可奈何者發表論文9篇,包括TPAMI、CVPR、ICCV和TCSVT等。


                3.png

                姚滿


                報告題目:神經形態數據的脈沖神經網∏絡處理方法

                報告摘要:神經形『態數據具有異步生成、高時間分辨率等特點,在高速目標跟蹤檢測、自動駕駛、實時交互等特殊場景有著廣泛的應用前景。由於具有事件驅動特性,脈沖神經網絡天然適合處理神經形態數據。針對神經形態數據稀疏和不均勻的特點,我們根據不同時刻的輸入信噪比,結合多維度註意力機制,重塑網絡內部神經元膜電勢。我們在多個神經形態數據集上對提出的方法←進行測試,結果表明,優化後的膜電勢能顯著降低網話絡的脈沖發放率,與此●同時任務性能也得到了進一步提升。

                個人簡介:姚滿,西安↙交通大學自動化學院博士生,師從╲趙廣社教授。研究方向為】神經形態計算、脈沖神經網⌒絡等。目前在ICCV以∞第一作者發表論文一篇。


                4.png

                申江榮


                報告題目:脈沖神經網絡的結真構學習方法研究

                報告摘要:近年來,隨著智能計算技術和神經科學的發展,類腦計算在國╳內外引發了廣泛關註。其主流模型脈沖神經網絡采用生物可信性較高的神經』元模型、網絡結構和學習機制;同時通過利用離散的脈沖進行信息的處理※和傳遞,模型能夠以異步、事件驅動的方式進行工作∞,更有利於實現低能耗運行;通過借助腦啟∏發的網絡結構和學習機制,有望搭建自主學習和靈活高效的智能計算模型。人腦中的神經網絡能夠通過自主學習過程靈活地構建網絡結構Ψ ,神經元之間的突觸連接隨著大腦的發育過程不斷進行重塑、形成和消除★等。聚焦於脈沖神經網絡的結構學習方△法,本工作分別從神經元之間的突觸連接關系和子網絡之間的連接關系等不同層次探索了網絡結〓構的自適應學習機制,旨在不好構建能夠自適應學習、靈活高效的脈沖神經網絡模型。

                個人簡介:申江榮,浙江大學計算機科學與技術學⊙院,計算機ζ 科學與技術博士,導師為唐華【錦教授。主要研究方向為脈沖神經網絡和生物信號編解碼。目前以第◇一作者或學生第一作者發表論文5篇,包括TNNLS、Neural Computation、IJCAI等。



                主持人簡一個不大介

                 

                5.png

                李家寧

                個人簡介:李家寧,現在就讀於北京大學計算機學院,計算機應用技術博士,導師為田永鴻教授。主要研究〖方向為神經形態視覺和目標檢測。博士期間發表文章◣第一作者或共同第一作者發表論文7篇,包括TIP、TNNLS、AAAI、ACM MM和《計算機學※報》等,並擔任TOMM、CVPR 2022、ECCV 2022和ACM MM 2022等國際期刊和會議的審稿人。