基于对偶误差的脉冲神经网络目标检测方法

来源：电子与信息学报杂志2023年第12期北京时间：

作者：刘伟, 李文娟, 高晋, 李椋

单位：1.中国科学院自动化研究所模式识别国家重点实验室 北京 1000982.军事认知与脑科学研究所 北京 100850

摘要：脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络，为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难，一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而，转换后的SNN 经常遇到性能下降和高延迟的问题，无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题，引入对偶误差模型降低转换性能损失。首先，该文分析误差产生原因，构建对偶误差模型来模拟ANN到SNN转换误差。进一步地，将对偶误差模型引入到ANN训练过程，使转换前后的模型在训练和推理过程中误差保持一致，从而降低模型的转换性能损失。最后，利用轻量化检测算法YOLO在数据集PASCAL VOC和 MS COCO上验证了对偶误差模型的有效性。

关键词：脉冲神经网络, 目标检测, 转换误差, 对偶误差模型

基金资助：国家重点研发计划(2020AAA0105802, 2020AAA0105800)，国家自然科学基金(62202469)，北京市自然科学基金(4224091)