Autonomous learning in a neuromorphic vision system : an active efficient coding spiking model applied to vision ; Apprentissage autonome dans un système de vision neuromorphique : un modèle de codage impulsionnel actif et efficace appliqué à la vision
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Electronic Thesis;
E-Book;
Text
Title:
Autonomous learning in a neuromorphic vision system : an active efficient coding spiking model applied to vision ; Apprentissage autonome dans un système de vision neuromorphique : un modèle de codage impulsionnel actif et efficace appliqué à la vision
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Les systèmes biologiques adaptent continuellement leurs représentations neuronalesaux statistiques de leurs signaux d’entrée sensoriels pour fonctionner efficacement. Cependant, ces statistiques sont façonnées directement par le comportement de l’organisme lorsqu’il échantillonne l’environnement. Dans le cas de la vision, l’organisme doit donc résoudre un problème complexe d’apprentissage conjoint du codage visuel et du contrôle oculaire sans supervision externe. Cet apprentissage autonome conjoint des représentations visuelles et des actions a été précédemment modélisé dans le cadre Active Efficient Coding (AEC) et mis en œuvre en utilisant des caméras traditionnelles basées sur les images comme entrées sensorielles visuelles. Ce type de capteur est très bien étudié et utilisé dans de nombreuses applications visuelles. Néanmoins, ses performances en termes de taux d’acquisition, de plage dynamique ou de consommation d’énergie restent loin des capacités des systèmes de vision biologiques. Les caméras événementielles constituent un nouveau type de capteur de vision. Basées sur les yeux des mammifères, elles imitent les premières voies visuelles, telles que la rétine. Chaque pixel est indépendant et émet un signal lorsqu’elle détecte une variation suffisamment importante de l’intensité lumineuse. Cependant la sortie asynchrone des caméras événementielles n’est pas adaptée à la vision par ordinateur conventionnelle. De nombreux algorithmes populaires, tels que les réseaux neuronaux artificiels, dépendent d’opérations discrètes, ce qui les rend incompatibles avec ce nouveau type de capteur. Ce sont des réseaux bio-inspirés qui tentent de reproduire les calculs des systèmes neuronaux biologiques. Ils sont particulièrement bien adaptés pour être utilisés avec des caméras événementielles.En se basant sur le cadre AEC et en utilisant ces nouveaux capteurs événementiels comme entrée sensorielle, nous voulons créer un système capable d’apprendre la pour-suite oculaire et la vergence en douceur en se basant sur des ...