NA-STM增强型节能定制脉冲U-Net去噪器,用于抗噪声的CIFAR-10分类任务

《IEEE Open Journal of the Computer Society》:NA-STM Enhanced Energy-Efficient Custom Spiking U-Net Denoiser for Noise-Robust CIFAR-10 Classification

【字体: 大 中 小 】 时间:2026年04月09日 来源:IEEE Open Journal of the Computer Society 8.2

编辑推荐:

  摘要:基于事件驱动的卷积脉冲神经网络(CSNN)的U-Net在图像去噪和分类应用中相比传统的卷积U-Net提供了更高效的能量解决方案。我们提出了一种新颖的方法,包括噪声自适应脉冲阈值调制(NA-STM)、自定义脉冲U-Net、基于时间的批量归一化(BNTT)以及CosineAne

  

摘要:

基于事件驱动的卷积脉冲神经网络(CSNN)的U-Net在图像去噪和分类应用中相比传统的卷积U-Net提供了更高效的能量解决方案。我们提出了一种新颖的方法,包括噪声自适应脉冲阈值调制(NA-STM)、自定义脉冲U-Net、基于时间的批量归一化(BNTT)以及CosineAnealingWarmRestarts(CAWR)调度器,用于去除受高斯噪声(GN)、散斑噪声(SN)和椒盐噪声(S&PN)污染的CIFAR-10图像。我们通过峰值信噪比(PSNR)、结构相似性指数(SSIM)、均方误差(MSE)以及去噪后CIFAR-10图像的分类准确性来评估去噪性能。在去噪后,CIFAR-10图像的分类准确性分别提高了σ25的噪声水平。在去除GN、SN和S&PN噪声后,分类准确性分别提高了25.35%、35.16%和38.9%。与已发表的研究相比,我们提出的模型在去噪性能和分类准确性上都有所提升。我们设计的自定义脉冲U-Net的计算复杂度降低了24.8%,能耗降低了4.83%,因此非常适合在低功耗边缘设备上部署。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号