计算机应用研究

作者：林凯滨,陈云华,钟金煜,魏鹏飞,

单位：广东工业大学计算机学院,广州510006；

关键词：事件相机,目标分类,事件表示,

基金：国家社科基金资助项目(20BKG031)；；

事件相机具有超高动态范围和超低延迟等优势，通过事件流分割、过滤与事件表示来提取事件相机输出数据的有效时空特征是发挥其优势的关键。现有基于时间戳采用指数核函数计算时间面的事件表示方法，可以保留事件中更多的有效信息，但仍然存在事件冗余度高、容易受到噪声事件的影响等问题。针对现有的事件流分割与过滤方法存在冗余度高的问题，提出一种新的基于密度排序的事件降尺度算法，通过分析事件流中的时空邻域关系计算时空关联密度，并根据时空关联密度进行密度排序，从而减少冗余事件，降低计算资源的消耗。针对现有事件表示易受噪声事件影响的问题，提出一种基于时空邻域关联去噪时间面的事件数据表示，考虑时空间上的关联性来形成时间面上的事件簇，从而筛选出有效事件，在提高时间面信噪比的同时降低计算复杂度。该方法在三个主流的神经形态数据集上取得了SOTA的分类准确率。对事件相机目标分类的事件流数据降维和事件表示方向进行研究，有效提高了事件相机目标分类的效率和精度。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期