脉冲视觉神经元优化算法数据

针对脉冲的二值编码类脑、功耗低但也带来了信息损失问题，提出新的二进制编码形式，并辅助提出阈值对齐策略。将LIF 0/1的数值域在已被I-LIF扩充到整数的基础上，又进一步扩充到实数上。主要通过优化脉冲神经元编码方式实现。 数据集包括本方案设计的视觉分类与检测模型结构代码、模型训练及评测代码。在各公开数据集含ImageNet数据集上进行训练测试，并在实际场景中测试优化。可用于图像分类、目标检测任务。数据集大小177M。

搜集汇总

背景与挑战

背景概述

该数据集针对脉冲二值编码类脑中的信息损失问题，提出了新的二进制编码形式和阈值对齐策略，扩展了神经元数值域。它包含视觉分类与检测的模型结构、训练及评测代码，在ImageNet等公开数据集和实际场景中进行了测试优化，适用于图像分类和目标检测任务，数据量约为177M。