【预告】CSIG交通视频专委会“学术新星”将于5月10日举办

举办单位

主办单位：中国图象图形学学会

承办单位：CSIG交通视频专委会

会议安排

会议时间：2022年5月10日 19:00-20:30

会议形式：腾讯会议（会议ID：262250178）

会议议程

报告人简介

朱林

报告题目：基于脉冲神经网络的图像重建方法研究

报告摘要：事件相机采用了一种新的仿生成像范式，通过对光强异步的、连续的测量，生成高时间分辨率和高动态范围的事件信号来表达场景信息。通过图像重建算法，可以把稀疏的事件数据重建为符合人类视觉的灰度图像。到目前为止，事件相机的图像重建方法都是基于人工神经网络（ANN）或手工设计的时空平滑先验。在本工作中，我们首次探索了使用深层脉冲神经网络（SNN）结构实现图像重建工作。作为生物启发的神经网络，SNN具有处理时域上的二值脉冲数据的能力，在事件驱动硬件上会带来更高的计算效率。我们发现，脉冲神经元可以提取和存储有用的时间信息，以完成图像重建这种时间相关的任务。实验结果表明，在基于事件的图像重建任务上，SNN网络在大部分公共数据集上可以达到与基本ANN模型相当的性能。同时，SNN中突触操作的低消耗与脉冲激活的稀疏性相结合，大大提高了计算效率。本工作提出的两种网络EVSNN和PA-EVSNN的能耗分别比其ANN结构低19.36倍和7.75倍。

个人简介：朱林，现就读于北京大学计算机学院，计算机应用技术博士，导师为田永鸿教授。主要研究方向为神经形态视觉和脉冲神经网络，目前以第一作者发表论文9篇，包括TPAMI、CVPR、ICCV和TCSVT等。

姚满

报告题目：神经形态数据的脉冲神经网络处理方法

报告摘要：神经形态数据具有异步生成、高时间分辨率等特点，在高速目标跟踪检测、自动驾驶、实时交互等特殊场景有着广泛的应用前景。由于具有事件驱动特性，脉冲神经网络天然适合处理神经形态数据。针对神经形态数据稀疏和不均匀的特点，我们根据不同时刻的输入信噪比，结合多维度注意力机制，重塑网络内部神经元膜电势。我们在多个神经形态数据集上对提出的方法进行测试，结果表明，优化后的膜电势能显著降低网络的脉冲发放率，与此同时任务性能也得到了进一步提升。

个人简介：姚满，西安交通大学自动化学院博士生，师从赵广社教授。研究方向为神经形态计算、脉冲神经网络等。目前在ICCV以第一作者发表论文一篇。

申江荣

报告题目：脉冲神经网络的结构学习方法研究

报告摘要：近年来，随着智能计算技术和神经科学的发展，类脑计算在国内外引发了广泛关注。其主流模型脉冲神经网络采用生物可信性较高的神经元模型、网络结构和学习机制；同时通过利用离散的脉冲进行信息的处理和传递，模型能够以异步、事件驱动的方式进行工作，更有利于实现低能耗运行；通过借助脑启发的网络结构和学习机制，有望搭建自主学习和灵活高效的智能计算模型。人脑中的神经网络能够通过自主学习过程灵活地构建网络结构，神经元之间的突触连接随着大脑的发育过程不断进行重塑、形成和消除等。聚焦于脉冲神经网络的结构学习方法，本工作分别从神经元之间的突触连接关系和子网络之间的连接关系等不同层次探索了网络结构的自适应学习机制，旨在构建能够自适应学习、灵活高效的脉冲神经网络模型。

个人简介：申江荣，浙江大学计算机科学与技术学院，计算机科学与技术博士，导师为唐华锦教授。主要研究方向为脉冲神经网络和生物信号编解码。目前以第一作者或学生第一作者发表论文5篇，包括TNNLS、Neural Computation、IJCAI等。

主持人简介

李家宁

个人简介：李家宁，现在就读于北京大学计算机学院，计算机应用技术博士，导师为田永鸿教授。主要研究方向为神经形态视觉和目标检测。博士期间发表文章第一作者或共同第一作者发表论文7篇，包括TIP、TNNLS、AAAI、ACM MM和《计算机学报》等，并担任TOMM、CVPR 2022、ECCV 2022和ACM MM 2022等国际期刊和会议的审稿人。

来源：CSIG交通视频专委会