Neuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen

Nitzsche, SvenPachideh, BrianPazmino, VictorLink, NorbertSchauer, ChristophTheurer, LukasHaas, ValentinMarquardt, PhilippBiniaminov, SergeyBecker, Jürgen2021-12-142021-12-142021978-3-88579-708-1https://dl.gi.de/handle/20.500.12116/37607Zur 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.deSpiking Neural NetworksNeuromorphic VisionEvent-based VisionNeuromorphic ComputingHuman Action RecognitionMachine LearningNeuronale NetzeLow PowerEdge AINeuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen10.18420/informatik2021-1031617-5468