基于存算一体编程框架的SNN神经网络推理DVS Gesture数据集准确率数据

DVSGesture数据集是由DVS相机直接从真实场景中记录下来的，DVS相机不同于传统相机以固定帧率的采样方式，而是采用AER异步传输方式的差分型视觉采样模型，以异步时空脉冲信号表示场景光强变化。VGG-ConvLIF网络通过引入LIF这一脉冲算子，并对权重进行二值化，从而形成用于图像识别的脉冲神经网络。依据测试大纲中的测试方法、用例以及步骤在本课题的存算一体编程框架下测量二值的SNN神经网络推理DVSGesture数据集的准确率。

搜集汇总

背景与挑战

背景概述

该数据集提供了在存算一体编程框架下，使用二值化权重的VGG-ConvLIF脉冲神经网络（SNN）对DVS Gesture数据集进行推理所获得的准确率数据。DVS Gesture数据集由DVS相机采集，以异步时空脉冲信号表示场景光强变化。实验旨在依据特定测试方法评估该神经网络模型的性能。