| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 机器视觉系统概述 | 第9-11页 |
| 1.2 仿生视觉系统研究现状 | 第11-15页 |
| 1.2.1 生物视觉系统 | 第11-12页 |
| 1.2.2 AER视觉系统研究现状 | 第12-15页 |
| 1.3 选题意义 | 第15-16页 |
| 1.4 论文内容安排 | 第16-17页 |
| 第2章 AER视觉系统原理 | 第17-27页 |
| 2.1 AER视觉传感器 | 第17-20页 |
| 2.1.1 AER方式原理 | 第17-18页 |
| 2.1.2 AER视觉传感器硬件结构 | 第18-20页 |
| 2.2 基于事件的卷积算法原理 | 第20-25页 |
| 2.2.1 LIF神经元模型 | 第20-22页 |
| 2.2.2 SRM神经元模型 | 第22-23页 |
| 2.2.3 基于事件的卷积算法 | 第23-25页 |
| 2.3 基于事件的卷积处理器结构 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于事件的卷积算法分析和识别系统设计 | 第27-45页 |
| 3.1 事件数据的生成 | 第27-30页 |
| 3.2 Gabor卷积模板 | 第30-32页 |
| 3.3 基于事件的卷积算法分析 | 第32-35页 |
| 3.3.1 事件卷积单元基本结构 | 第32-33页 |
| 3.3.2 基于事件的卷积处理行为级仿真 | 第33-34页 |
| 3.3.3 实验结果 | 第34-35页 |
| 3.4 脉冲神经网络及学习算法 | 第35-39页 |
| 3.4.1 脉冲神经网络结构 | 第35-36页 |
| 3.4.2 脉冲神经网络监督学习算法 | 第36-39页 |
| 3.5 基于多层事件卷积的目标识别系统设计 | 第39-43页 |
| 3.5.1 识别系统结构 | 第39-41页 |
| 3.5.2 实验结果及分析 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 用于特征提取的小尺寸事件型卷积处理器电路设计 | 第45-67页 |
| 4.1 基于事件的小尺寸卷积处理器架构设计 | 第45-46页 |
| 4.2 卷积核精度与硬件消耗的关系分析 | 第46-49页 |
| 4.2.1 卷积核生成和评价方式 | 第46-48页 |
| 4.2.2 实验结果分析 | 第48-49页 |
| 4.3 事件卷积阵列设计 | 第49-52页 |
| 4.3.1 卷积单元设计 | 第49-51页 |
| 4.3.2 卷积阵列设计 | 第51-52页 |
| 4.4 卷积核RAM设计 | 第52-53页 |
| 4.5 移位模块设计 | 第53-54页 |
| 4.6 仲裁模块设计 | 第54-59页 |
| 4.6.1 仲裁单元设计 | 第54-56页 |
| 4.6.2 仲裁器设计 | 第56-57页 |
| 4.6.3 仲裁器仿真结果 | 第57-59页 |
| 4.7 控制模块设计与后端综合 | 第59-62页 |
| 4.7.1 控制模块设计 | 第59-61页 |
| 4.7.2 控制模块后端设计 | 第61-62页 |
| 4.8 电路仿真及结果分析 | 第62-65页 |
| 4.9 本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 后续工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 发表论文和参加科研情况说明 | 第73-75页 |
| 致谢 | 第75-76页 |