.png){kind=icon}
返回
CKADisor: Central Kernel-Aligned Distillation for Efficient Event-Driven Object Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2026.3669935.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
脉冲神经网络（SNNs）是高效事件驱动目标识别的最佳实践之一。为了实现高识别精度，现有方法通常需要在线性时间步长内积累足够的二进制脉冲信号。因此，其所需的功耗可能与传统的卷积神经网络（ANNs）相当。本文介绍了CKADisor，利用卷积神经网络（ANNs）教师网络指导脉冲神经网络（SNNs）学生网络在较短时间步长设置下的直接训练。为缓解卷积神经网络（ANNs）与脉冲神经网络（SNNs）之间的表示结构差异，我们提出了一种中心核对齐的知识蒸馏策略，该策略衡量层间特征差异并将其整合到相应的优化目标中。在三个主流事件数据集上的大量实验表明，本研究的CKADisor在相同网络结构下，以短时间步长设置（T=5）实现了比多个当前最优方法更高的识别精度。
Keyword:
Spiking neural network
event-driven object recognition
centered kernel alignment
knowledge distillation
期刊
I
IF:
3.9
论文数:
784
被引数:
0
机构
引用论文
GGT-SNN: Graph learning and Gaussian prior integrated spiking graph neural network for event-driven tactile object recognitionGGT-SNN：集成图学习和高斯先验的脉冲图神经网络，用于事件驱动触觉目标识别
PREAI
分享收藏Fine-Tuning Surrogate Gradient Learning for Optimal Hardware Performance in Spiking Neural Networks
PREAI
分享收藏
Yang, S., Yu, C., Liu, L., Ma, H., Wang, A., & Li, E. (2025). Efficient ANN-guided distillation: Aligning rate-based features of spiking neural networks through hybrid block-wise replacement. In Proceedings of the computer vision and pattern recognition conference (pp. 10025–10035).杨, S., 余, C., 刘, L., 马, H., 王, A., & 李, E. (2025). 高效的ANN引导蒸馏：通过混合块级替换对脉冲神经网络基于速率的特征进行对齐。在计算机视觉与模式识别会议论文集（第10025-10035页）。.png)
IF0
PREAI
分享收藏分享收藏Converting Static Image Datasets to Spiking Neuromorphic Datasets Using Saccades使用扫视将静态图像数据集转换为尖峰神经形态数据集
OAAI
OAAI分享收藏
查看更多内容