CIFAR10-DVS : Un ensemble de données en flux d'événements pour la classification d'objets

La recherche en vision neuromorphique nécessite des ensembles de données en flux d'événements de haute qualité et suffisamment stimulants pour soutenir l'amélioration continue des algorithmes et des méthodes. Cependant, la création d'ensembles de données en flux d'événements est une tâche chronophage qui doit être enregistrée à l'aide de caméras neuromorphiques. Actuellement, il existe peu d'ensembles de données en flux d'événements disponibles. Dans ce travail, en utilisant l'ensemble de données de vision par ordinateur populaire CIFAR-10, nous avons converti 10 000 images basées sur des images en 10 000 flux d'événements en utilisant un capteur de vision dynamique (DVS), fournissant un ensemble de données en flux d'événements de difficulté intermédiaire dans 10 classes différentes, nommé "CIFAR10-DVS". La conversion de l'ensemble de données en flux d'événements a été réalisée par un mouvement réitéré en boucle fermée lisse (RCLS) des images basées sur des images. Contrairement à la conversion d'images basées sur des images en déplaçant la caméra, le mouvement de l'image est plus réaliste en ce qui concerne ses applications pratiques. Le mouvement d'image en boucle fermée répétée génère des changements locaux d'intensité riches en temps continu qui sont quantifiés par chaque pixel de la caméra DVS pour générer des événements. De plus, une évaluation des performances en classification d'objets pilotée par événements est fournie basée sur des algorithmes de classification à la pointe de la technologie. Ce travail fournit un grand ensemble de données en flux d'événements et une évaluation initiale pour la comparaison, ce qui peut stimuler le développement d'algorithmes dans la reconnaissance de motifs pilotée par événements et la classification d'objets.