Applications of Spiking Neural Networks in Visual Place Recognition

要約

ロボット工学では、スパイキング ニューラル ネットワーク (SNN) は、特にニューロモーフィック ハードウェアに実装された場合、ほとんど実現されていない潜在エネルギー効率と低遅延としてますます認識されています。
私たちの論文では、Visual Place Recognition (VPR) における SNN の 3 つの進歩に焦点を当てています。
まず、モジュラー SNN を提案します。モジュラー SNN では、各 SNN が重複しない地理的に異なる場所のセットを表し、大規模環境向けのスケーラブルなネットワークを可能にします。
次に、複数のネットワークが同じ場所を表すモジュラー SNN のアンサンブルを提示します。これにより、単一ネットワーク モデルと比較して精度が大幅に向上します。
当社の SNN はコンパクトで小さく、わずか 1500 個のニューロンと 474k のシナプスで構成されており、サイズが小さいためアンサンブルに最適です。
最後に、SNN ベースの VPR におけるシーケンス マッチングの役割を調査します。これは、連続画像を使用して場所認識を改良する手法です。
他の VPR 手法と比較して、アンサンブルおよびシーケンス マッチングに対する SNN の応答性を分析します。
私たちの貢献は、VPR 用の SNN の実現可能性を強調し、スケーラブルで堅牢なソリューションを提供し、エネルギーに敏感なさまざまなロボット タスクにおける SNN の応用への道を切り開きます。

要約(オリジナル)

In robotics, Spiking Neural Networks (SNNs) are increasingly recognized for their largely-unrealized potential energy efficiency and low latency particularly when implemented on neuromorphic hardware. Our paper highlights three advancements for SNNs in Visual Place Recognition (VPR). First, we propose Modular SNNs, where each SNN represents a set of non-overlapping geographically distinct places, enabling scalable networks for large environments. Secondly, we present Ensembles of Modular SNNs, where multiple networks represent the same place, significantly enhancing accuracy compared to single-network models. Our SNNs are compact and small, comprising only 1500 neurons and 474k synapses, which makes them ideally suited for ensembling due to this small size. Lastly, we investigate the role of sequence matching in SNN-based VPR, a technique where consecutive images are used to refine place recognition. We analyze the responsiveness of SNNs to ensembling and sequence matching compared to other VPR techniques. Our contributions highlight the viability of SNNs for VPR, offering scalable and robust solutions, paving the way for their application in various energy-sensitive robotic tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google