新的研究论文题为“振荡神经网络作为图像边缘检测Hetero-Associative记忆”从LIRMM Laboratoire d 'Informatique de Robotique et de Microelectronique de蒙彼利埃。
文摘
“要处理的数据量增加边缘设备,如摄像头、促使人工智能(AI)集成在边缘。典型的图像处理方法进行边缘,如特征提取、边缘检测、能源使用卷积过滤器,计算,而且算法消耗大量内存。但边缘设备和摄像机有计算资源稀缺、带宽和功率和有限由于隐私约束将数据发送到云。因此,有一个需要处理图像数据的优势。多年来,这个需要有煽动很多兴趣实现神经形态计算的优势。神经形态系统旨在模仿生物神经功能来实现节能的计算。最近,振荡神经网络(ONN)呈现出小说brain-inspired计算方法,模拟脑振荡执行autoassociative内存类型的应用程序。加快图像边缘检测,降低其能耗,我们用ONNs进行深入调查。我们提出一种新的图像处理方法,利用ONNs hetero-associative内存(火腿)图像边缘检测。我们模拟ONN-HAM解决方案使用第一,Matlab仿真器,然后一个全数字ONN设计。 We show results on gray scale square evaluation maps, also on black and white and gray scale 28×28 MNIST images and finally on black and white 512×512 standard test images. We compare our solution with standard edge detection filters such as Sobel and Canny. Finally, using the fully digital design simulation results, we report on timing and resource characteristics, and evaluate its feasibility for real-time image processing applications. Our digital ONN-HAM solution can process images with up to 120×120 pixels (166 MHz system frequency) respecting real-time camera constraints. This work is the first to explore ONNs as hetero-associative memory for image processing applications.”
找到这里的技术论文。2022年。
玛德琳Abernot,蒂埃里吉尔,Aida Todri-Sanial。振荡神经网络作为图像边缘检测Hetero-Associative记忆。好2022 - 9日Neuro-Inspired计算元素研讨会,2022年3月,美国纽约(虚拟)。pp.13-21,⟨⟩10.1145/3517343.3517348。⟨lirmm - 03586865⟩。
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复