Neuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen
dc.contributor.author | Nitzsche, Sven | |
dc.contributor.author | Pachideh, Brian | |
dc.contributor.author | Pazmino, Victor | |
dc.contributor.author | Link, Norbert | |
dc.contributor.author | Schauer, Christoph | |
dc.contributor.author | Theurer, Lukas | |
dc.contributor.author | Haas, Valentin | |
dc.contributor.author | Marquardt, Philipp | |
dc.contributor.author | Biniaminov, Sergey | |
dc.contributor.author | Becker, Jürgen | |
dc.date.accessioned | 2021-12-14T10:56:55Z | |
dc.date.available | 2021-12-14T10:56:55Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Zur schnellen Erkennung von gefährlichen Stürzen in betreuten Wohnsituationen können klassische Kameras kombiniert mit künstlichen neuronalen Netzen (Artificial Neural Networks) verwendet werden. Solche Lösungen haben allerdings eine hohe elektrische Leistungsaufnahme und erfordern daher eine dauerhafte Stromversorgung. Dies macht die Integration in bestehende Räume aufwendig. Im Rahmen des Projekts EmbeddedNeuroVision wird daher eine extrem energieeffiziente Lösung basierend auf neuromorphen Kameras und Spiking Neural Networks erforscht, die die elektrische Leistungsaufnahme um mehrere Größenordnungen senken kann. Die energieeffiziente Verarbeitung schafft neue Möglichkeiten für batteriebetriebene Visionssysteme, die nicht nur im betreuten Wohnen, sondern auch in industriellen und Smart-City-Anwendungen flexibler eingesetzt werden können. | de |
dc.identifier.doi | 10.18420/informatik2021-103 | |
dc.identifier.isbn | 978-3-88579-708-1 | |
dc.identifier.pissn | 1617-5468 | |
dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/37607 | |
dc.language.iso | de | |
dc.publisher | Gesellschaft für Informatik, Bonn | |
dc.relation.ispartof | INFORMATIK 2021 | |
dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume P-314 | |
dc.subject | Spiking Neural Networks | |
dc.subject | Neuromorphic Vision | |
dc.subject | Event-based Vision | |
dc.subject | Neuromorphic Computing | |
dc.subject | Human Action Recognition | |
dc.subject | Machine Learning | |
dc.subject | Neuronale Netze | |
dc.subject | Low Power | |
dc.subject | Edge AI | |
dc.title | Neuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen | de |
gi.citation.endPage | 1253 | |
gi.citation.startPage | 1247 | |
gi.conference.date | 27. September - 1. Oktober 2021 | |
gi.conference.location | Berlin | |
gi.conference.sessiontitle | Workshop: Künstliche Intelligenz für kleine und mittlere Unternehmen (KI-KMU 2021) |
Dateien
Originalbündel
1 - 1 von 1