Description

Les modèles actuels récupérant des données de caméras événementielles reconstruisent des images de pixels sur lesquelles peuvent s’appliquer des algorithmes de traitement d’image. Ainsi le caractère asynchrone et événementiel est finalement peu pris en compte. Un modèle reposant sur des réseaux de neurones à spikes permettrait de rester fidèle à la dynamique des entrées et donnerait lieu à des algorithmes novateurs dépassant les chaînes de traitement actuelles.

Compétences requises

IA, réseaux de neurones, traitement d'images Programmation Python

Bibliographie

• Bergoin R, Torcini A, Deco G, Quoy M, Zamora-López G (2025) Emergence and maintenance of modularity in neural networks with Hebbian and anti-Hebbian inhibitory STDP. PLOS Computational Biology 21(4): e1012973. https://doi.org/10.1371/journal.pcbi.1012973.
• Cuadrado, J., Rançon, U., Cottereau, B. R., Barranco, F., & Masquelier, T. (2023). Optical flow estimation from event-based cameras and spiking neural networks. Frontiers in Neuroscience, 17, 1160034.
• Nazari, S., Amiri, M. An accurate and fast learning approach in the biologically spiking neural network. Sci Rep 15, 6585 (2025). https://doi.org/10.1038/s41598-025-90113-0
° Rançon, U., Cuadrado-Anibarro, J., Cottereau, B. R., & Masquelier, T. (2022). Stereospike: Depth learning with a spiking neural network. IEEE Access, 10, 127428-127439.
• Simon Chane, Camille, Ernst Niebur, Ryad Benosman, and Sio-Hoi Ieng (2024) An event-based implementation of saliency-based visual attention for rapid scene analysis. IEEE Transactions on Cognitive and Developmental Systems, 1 13. https://doi.org/10.1109/TCDS.2024.3480153.
• Vicente-Sola, A., Manna, D.L., Kirkland, P., Di Caterina, G., Bihl, T.J. (2025) Spiking Neural Networks for event-based action recognition: A new task to understand their advantage, Neurocomputing 611, https://doi.org/10.1016/j.neucom.2024.128657

Mots clés

réseaux de neurones, caméra événementielle