Description

Les modèles actuels récupérant des données de caméras événementielles reconstruisent des images de pixels sur lesquelles peuvents’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 àdes 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 withHebbian 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 camerasand 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 neuralnetwork. IEEE Access, 10, 127428-127439.
• Simon Chane, Camille, Ernst Niebur, Ryad Benosman, and Sio-Hoi Ieng (2024) An event-based implementation of saliency-basedvisual 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 actionrecognition: A new task to understand their advantage, Neurocomputing 611, https://doi.org/10.1016/j.neucom.2024.128657

Mots clés

Réseaux de neurones à Spikes, caméra événementielle