donghunkang

0. Abstract- SNN을 이용한 Object Detection을 수행- 이를 위해 2가지 새로운 기법을 적용1. Channel-wise-normalization2. signed neuron with imbalanced threshold- 결과적으로 최초의 SNN 기반 Object Detection model인 Spiking-YOLO를 제안한다.- PASCAL VOC와 MS COCO 데이터 셋에서 Tiny YOLO와 최대 98%에 달하는 유사한 성능을 보임.- Neuromorphic chip에서 Tiny YOLO 대비 약 280배 적은 에너지 소비 최초의 SNN 기반 Object Detection model인 Spiking-YOLO를 제안 1. Channel-wise-normalization2. s..

01. 인공지능과 방법론인공지능: 일반적으로 인간 지능이 필요한 작업을 커퓨터 시스템이 수행하는 기술강인공지능: 스스로 학습과 인식이 가능, 지능 또는 지성의 수준이 인간과 근사한 수준에 이른 경우ex) 휴머노이드, 안드로이드약인공지능: 인간이 해결할 수 있으나, 기존의 컴퓨터로 처리하기 힘든 작업을 처리하기 위한 일련의 알고리즘1. 규칙 기반 AI: 미리 결정된 일련의 규칙 또는 알고리즘에 따라 문제를 해결하거나 작업을 수행 2. 머신러닝: 데이터를 이용해 모델을 학습하고, 이를 통해 예측이나 분류를 수행 3. 딥러닝: 정보를 처리하고 전송하는 방식을 시뮬레이션하도록 설계된 알고리즘인 인공 신경망을 사용, 머신러닝의 한 유형으로 대규모 데이터를 학습함으로써 성능 향상  머신러닝 시스템Machine Le..

0. Abstract- SNN은 뇌에서 영감을 받은 에너지 효율적인 모델로, 공간-시간적(spatiotemporal) 정보를 활용하여 연산을 수행- 객체 탐지(Object Detection)와 같은 회귀(Regression) 문제에 직접 학습된 SNN을 적용하는 것은 여전히 과제- " EMS-YOLO" 라는 새로운 직접 학습 SNN 프레임워크를 제안- ANN-SNN 변환 없이 surrogate gradient를 활용하여 직접 학습되는 최초의 SNN 기반 객체 탐지 모델1. 깊은 네트워크 학습 가능 (Gradient Vanishing/Exploding 문제 해결)2. 낮은 전력 소비 유지 (Non-Spike 연산 최소화)- 실험 결과, EMS-YOLO는 기존 ANN-SNN 변환 모델(최소 500개의 타임 ..