Convolutional spiking neural network model for robust face detection
Convolutional spiking neural network model for robust face detection
复制标题
用于鲁棒人脸检测的卷积尖峰神经网络模型
DOI：
10.1109/iconip.2002.1198140
复制
发表时间：
2002
期刊：
影响因子：
--
通讯作者：
Yusuke Mitarai
中科院分区：
文献类型：
--
作者：
M. Matsugu;Katsuhiko Mori;Mie Ishii;Yusuke Mitarai
我们提出了一种具有群体编码的卷积尖峰神经网络（CSNN）模型，用于鲁棒的人脸检测。网络的基本结构包括用于特征检测和特征池化的分层交替层。该模型通过对结构化脉冲数据包进行时间积分来实现分层模板匹配。分组信号表示某种中间或复杂的视觉特征（例如，一对线段、拐角、眼睛、鼻子等）构成了一个面部模型。特征池化神经元的输出脉冲表示某个局部特征（例如，线段）。在CSNN结构中引入一种种群编码方案，我们展示了生物启发模型如何实现对人脸大小和位置变化的不变性，并确保了人脸检测的效率。
We propose a convolutional spiking neural network (CSNN) model with population coding for robust face detection. The basic structure of the network includes hierarchically alternating layers for feature detection and feature pooling. The proposed model implements hierarchical template matching by temporal integration of structured pulse packet. The packet signal represents some intermediate or complex visual feature (e.g., a pair of line segments, corners, eye, nose, etc.) that constitutes a face model. The output pulse of a feature pooling neuron represents some local feature (e.g., line segments). Introducing a population coding scheme in the CSNN architecture, we show how the biologically inspired model attains invariance to changes in size and position of face and ensures the efficiency of face detection.