Applications of Spiking Neural Networks in Visual Place Recognition

要約

ロボット工学において、スパイキング・ニューラル・ネットワーク（SNN）は、特にニューロモルフィック・ハードウェアに実装された場合、その潜在的なエネルギー効率と低レイテンシーが、ほとんど実現されていないことから、ますます認知されるようになってきている。本稿では、視覚的場所認識（VPR）におけるSNNの3つの進歩に注目する。第一に、各SNNが地理的に異なる重複しない場所の集合を表すモジュールSNNを提案し、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する。第二に、複数のネットワークが同じ場所を表現することで、単一ネットワークモデルよりも精度が大幅に向上する、モジュールSNNのアンサンブルを提案する。我々のモジュラーSNNモジュールはそれぞれ、わずか1500ニューロンと474kシナプスからなるコンパクトなもので、サイズが小さいためアンサンブルに理想的である。最後に、SNNベースのVPR（連続した画像を用いて場所認識を精緻化する手法）におけるシーケンスマッチングの役割を調べる。他のVPR手法と比較して、SNNのアンサンブルとシーケンスマッチングに対する応答性を分析する。我々の貢献は、VPRのためのSNNの実行可能性を浮き彫りにし、スケーラブルでロバストなソリューションを提供し、エネルギーに敏感な様々なロボットタスクへの応用への道を開くものである。

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). Firstly, 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. Each of our Modular SNN modules is compact, comprising only 1500 neurons and 474k synapses, making them ideally suited for ensembling due to their 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, and 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, DeepL