适用于SCNN的多维度注意力方法

作者：徐宇奇; 王欣悦; 徐小良^*

来源：杭州电子科技大学学报(自然科学版), 2023, 43(03): 37-46.

DOI：10.13954/j.cnki.hdu.2023.03.006

• 脉冲卷积神经网络
• 神经形态视觉任务
• 多维度注意力

脉冲卷积神经网络(Spiking Convolutional Neural Network, SCNN)具有强大的局部特征提取能力，但维度分布复杂，对脉冲事件易作出错误判断，影响网络的识别精度与收敛速度。受卷积神经网络的多维度注意力方法(Convolutional Block Attention Module, CBAM)启发，采用双路压缩-提取技术来获取各维度的注意力，提出一种适用于SCNN的多维度注意力方法，提升了网络对脉冲事件的感知能力，并优化了网络整体性能。实验结果表明，相比于基准的空域反向传播(Spatio-Temporal Backpropagation, STBP)算法，提出方法的识别精度提高了4.31%。

• 单位
  杭州电子科技大学