1. 题目描述 技术选择:参赛者需使用华为AI相关技术,如MindSpore、CANN、ModelArts等,针对行业具体挑战设计参赛作品,同时华为也鼓励参赛者将AI与其他技术相结合,如OpenHarmony、IoT、云计算、大数据等。 行业场景选择:创新赛要求参赛者通过技术应用创新解决实际场景问题,以下为部分场景供参赛队伍参考。 资源支持:华为ICT大赛项目组将为每支报名并通过审核的学生团队提供华为云代金券、赋能课程、资料、工具等华为资源,包括但不限于ModelArts、MindSpore、CANN、云计算、OpenHarmony、IoT、大数据等,参赛队伍可使用所在院校的软硬件资源。
近年来,多层感知器 (MLP) 成为计算机视觉任务领域的研究热点。由于没有归纳偏差,MLP 在特征提取方面表现良好并取得了惊人的效果。然而,由于其结构简单,其性能高度依赖于局部特征通信机制。为了进一步提高 MLP 的性能,我们引入了脑启发神经网络的信息通信机制。脉冲神经网络 (SNN) 是最著名的脑启发神经网络,在处理稀疏数据方面取得了巨大成功。SNN 中的泄漏积分和触发 (LIF) 神经元用于在不同时间步骤之间进行通信。在本文中,我们将 LIF 神经元的机制合并到 MLP 模型中,以在不增加 FLOP 的情况下实现更好的准确率。我们提出了一种全精度 LIF 操作来在块之间进行通信,包括不同方向的水平 LIF 和垂直 LIF。我们还建议使用组 LIF 来提取更好的局部特征。借助 LIF 模块,我们的 SNN-MLP 模型在 ImageNet 数据集上分别仅使用 4.4G、8.5G 和 15.2G FLOP 就实现了 81.9%、83.3% 和 83.5% 的 top-1 准确率,据我们所知,这是最先进的结果。源代码将在 https://gitee.com/mindspore/models/tree/master/research/cv/snn mlp 上提供。