EM-SNN脉冲神经网络用于遥感图像去雾
热点事件持续更新
EM-SNN脉冲神经网络用于遥感图像去雾
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jie Shao 等作者提交了 EM-SNN 脉冲神经网络框架，用于遥感图像去雾。该框架集成统计驱动的阈值调制 LIF 神经元（TM-LIF）与 Spike Sobel 调制（SSM）模块，以缓解雾霾高频衰减与脉冲阈值耦合导致的细节丢失。 在 HRSD、RICE、RRSHID 和 SateHaze1K 数据集上，EM-SNN 的去雾性能与强 ANN 基线 SFRDP-Net 相当，能耗仅为其四分之一。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
EM-SNN：面向遥感图像去雾的高效调制脉冲神经网络报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CVEM-SNN：面向遥感图像去雾的高效调制脉冲神经网络
研究提出 EM-SNN 脉冲神经网络框架用于遥感图像去雾，集成统计驱动的阈值调制 LIF 神经元（TM-LIF）与 Spike Sobel 调制（SSM）模块，以缓解雾霾高频衰减与脉冲阈值耦合导致的细节丢失。在 HRSD、RICE、RRSHID 和 SateHaze1K 数据集上，EM-SNN 去雾性能与强 ANN 基线 SFRDP-Net 相当，能耗仅为其四分之一。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。