Spiking-YOLO:Spiking Neural Network for Energy-Efficient Object Detection

前言

• Spiking-YOLO:Spiking Neural Network for Energy-Efficient Object Detection - 原文 ；AAAI 20。
• IF模型，SNN在检测领域的一次尝试
• 新的norm方法
• imbalanced threshold

Methods

• ANN-to-SNN方法

• IF模型（似乎没有明说，但在relate work里提到）

Key Point

• 新的channel wise的norm方法（就是把常用的layer-wise的方法改了一下）。看实验数据的话，对平衡firing rate效果不错。

• imbalanced threshold 模拟 leaky relu
  • 新的负阈值（与正阈值不对称，$V_{th-}=-V_{th+}/\alpha$，模拟leaky的α）
  • 超过负阈值发放负脉冲（模拟leaky relu的负值激活）

Others

然后论文跑了一下实验，其他部分就没啥了，图我也不放了。文章更大的亮点可能还是做了个性能还行的SNN版本yolo，而且还没有上板测试，是纯理论的模型。把以上几点搅拌到一起，一篇AAAI就诞生了。

另一个需要注意的点是SNN要如何处理回归问题。YOLO里需要对bounding box进行回归，这对离散的SNN来说是一个非常难处理的问题。因为回归问题要求高精确度的浮点值（而非相对的分类结果），天然与SNN的离散性相悖。所以，基于bounding box回归的方法肯定不是SNN做检测的最优解，Spiking YOLO花费上千的timesteps来做一帧的检测也实属无奈之举。