对偶误差目标检测算法数据

为了减少ANN目标检测网络转SNN过程精度损失和模拟时间，本研究从目标检测SNN结构角度对转换过程产生的误差进行了理论分析，提出引入对偶误差的转换策略，使目标检测SNN推理过程中的误差与ANN训练过程误差保持一致，减少转换精度损失。模型测试结果包括2022年1月-2023年1月期间采用设计模型在COCO、VOC目标检测库上的结果测试，以及消融实验测试。数据库大小为2M。

搜集汇总

背景与挑战

背景概述

该数据集针对人工神经网络（ANN）向脉冲神经网络（SNN）转换过程中的精度损失问题，提出并采用对偶误差转换策略，使SNN推理误差与ANN训练误差保持一致，从而降低转换精度损失。数据包含2022年1月至2023年1月期间在COCO和VOC目标检测库上的模型测试结果及消融实验数据，数据量约2MB，涵盖11个文件，格式包括JPG、XLSX和DOCX。