神経シナプスコアのネットワークにおける視覚的顕著性

画像の中で興味深い、または顕著な領域を特定することは、マルチメディア検索、物体追跡、能動的視覚、セグメンテーション、および分類において重要な役割を果たします。既存の顕著性抽出アルゴリズムは、従来のフォン・ノイマン計算モデルを使用して実装されています。私たちは、霊長類の視覚皮質に触発された、視覚的顕著性のボトムアップモデルを提案します。このモデルは、低消費電力の脳型ニューロモルフィック基盤であるTrueNorthと互換性があり、大規模なスパイキングニューラルネットワークをリアルタイムで実行します。私たちのモデルは、色、動き、輝度、および形状を使用して、ビデオシーケンス内の顕著な領域を特定します。240 x 136ピクセルの3色チャンネルビデオで、1秒間に30フレームのモデルを示し、300万ニューロンを利用して公開データセット上で競争力のある検出性能を達成しつつ、200mWの消費電力を実現します。