需要處理的圖像像素過多與芯片算力不足的矛盾，已經(jīng)成為了當(dāng)前制約自動(dòng)駕駛發(fā)展的瓶頸之一。

為了解決上述問題，事件相機(jī)與脈沖神經(jīng)網(wǎng)絡(luò)的結(jié)合或許會(huì)是一個(gè)可行的解決方案。

卷積神經(jīng)網(wǎng)絡(luò)是目前圖像目標(biāo)檢測算法的重要手段。以ResNet-152為例，一個(gè)152層的卷積神經(jīng)網(wǎng)絡(luò)，處理一張224*224大小的圖像所需的計(jì)算量大約是226億次，如果這個(gè)網(wǎng)絡(luò)要處理一個(gè)1080P的30幀的攝像頭，那么它所需要的計(jì)算量將高達(dá)每秒33萬億次，十分龐大。

以當(dāng)前典型的百度的無人車為例，計(jì)算平臺(tái)約為800TOPS，其中1TOPS代表處理器可以每秒鐘進(jìn)行一萬億次操作。

假設(shè)一個(gè)攝像頭所需要的算力為33TOPS，更遑論無人車動(dòng)輒配置十余個(gè)攝像頭，以及多個(gè)激光雷達(dá)和毫米波雷達(dá)。

為了準(zhǔn)確檢測行人并預(yù)測其路徑，芯片往往需要多幀處理，至少是10幀，也就是330毫秒。這意味著相關(guān)系統(tǒng)可能需要數(shù)百毫秒才能實(shí)現(xiàn)有效探測，而對于一輛以60公里每小時(shí)行進(jìn)中的車輛來說，330毫秒的時(shí)間就能行駛5.61米。

如果為了保證足夠的安全，將幀數(shù)增加到每秒30幀，圖像數(shù)據(jù)很可能讓自動(dòng)駕駛芯片不堪重負(fù)。

針對算力不足的問題，提高算力是業(yè)內(nèi)玩家最容易想到的方法。然而，目前芯片的制程正在不斷壓縮，在極小尺寸下，量子遂穿效應(yīng)逐漸顯著，摩爾定律逐漸失效，芯片算力的提升也在面臨巨大挑戰(zhàn)。

同時(shí)，算力的提高也伴隨著功耗的提高，但在新能源的大背景下，分配給芯片的能量越多，續(xù)航能力就會(huì)受到越大的影響。

算力與能耗正在逐漸成為自動(dòng)駕駛發(fā)展的一對矛盾。

那么我們能不能另辟蹊徑呢？仿生學(xué)也許能給我們帶來新的思路。

對于人類來講，在靜止的畫面中注意到運(yùn)動(dòng)物體并不難。對于青蛙來說，它甚至只能看到運(yùn)動(dòng)的物體，對靜止的背景畫面視而不見。

針對生物這一特性，研究者們設(shè)計(jì)出一種事件相機(jī)。

傳統(tǒng)相機(jī)以固定幀率重復(fù)掃描整個(gè)場景，無論場景中是否有目標(biāo)活動(dòng)，均忠實(shí)的輸出由一幀幀圖片組成的視頻流。毫無疑問，這種連續(xù)的視頻流存在高度的信息冗余，大量無用的背景圖片也被送入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)算。

事件相機(jī)則不同，事件相機(jī)僅記錄亮度“變化”的像素點(diǎn)。

傳統(tǒng)幀相機(jī)與事件相機(jī)輸出的效果對比如下圖所示，即傳統(tǒng)的幀相機(jī)輸出為整個(gè)視場的全部信息（左圖），而事件相機(jī)只捕捉場景中運(yùn)動(dòng)的手臂，如（右圖）所示。

基于重點(diǎn)關(guān)注運(yùn)動(dòng)目標(biāo)這一特點(diǎn)，事件相機(jī)也許能在自動(dòng)駕駛領(lǐng)域大展身手。

由于事件相機(jī)剔除了靜止的背景圖片，所以每幀產(chǎn)生的數(shù)據(jù)量大大減少，達(dá)到幾十kb的級(jí)別。

相對于傳統(tǒng)相機(jī)，事件相機(jī)還有高幀率、低功耗、高動(dòng)態(tài)范圍等優(yōu)點(diǎn)：

• 1）高幀率。實(shí)際上，所謂的“幀率”概念，對事件相機(jī)是不存在的。事件相機(jī)每個(gè)感光單元都可以以異步的形式來記錄像素亮度的變化，無需等待傳統(tǒng)相機(jī)每秒30次的“曝光”時(shí)機(jī)。基于沒有曝光的特點(diǎn)，事件相機(jī)的輸出頻率可以高達(dá)每秒100萬次，遠(yuǎn)遠(yuǎn)超過每秒30次傳統(tǒng)相機(jī)的幀率。

• 2）低時(shí)延。事件相機(jī)僅僅傳輸亮度變化，從而避免了大量冗余數(shù)據(jù)的傳輸，因此能耗僅用于處理變化的像素。大多數(shù)事件相機(jī)的功耗約在 10 mW 級(jí)，而有部分相機(jī)原型的功耗甚至小于10 μW，遠(yuǎn)遠(yuǎn)低于傳統(tǒng)基于幀的相機(jī)。

• 3）高動(dòng)態(tài)范圍。事件相機(jī)的動(dòng)態(tài)范圍高達(dá)140 dB，遠(yuǎn)遠(yuǎn)優(yōu)于 60 dB 的幀相機(jī)。這使得事件相機(jī)既能在光照條件良好的白天工作，也能在光線較暗的夜晚采集視場中的動(dòng)態(tài)信息。這是由于事件相機(jī)每個(gè)像素的光感受器以對數(shù)方式獨(dú)立工作，而非全局快門工作模式。因此，事件相機(jī)具有與生物視網(wǎng)膜相似的特性，其像素可以適應(yīng)非常暗和非常亮的感光刺激。

下面兩張圖展現(xiàn)了事件相機(jī)的關(guān)注運(yùn)動(dòng)物體和高動(dòng)態(tài)范圍的特性。傳統(tǒng)相機(jī)在光線較暗的情況下，難以辨識(shí)圖片中右邊的行人。然而事件相機(jī)卻能夠十分清晰的捕捉到右邊的行人，并同時(shí)濾出圖像右下靜止的車輛信息。

傳統(tǒng)相機(jī)

事件相機(jī)

在自動(dòng)駕駛領(lǐng)域，事件相機(jī)相對于傳統(tǒng)相機(jī)具有巨大的優(yōu)勢，不過需要注意的是，事件相機(jī)無法提取出距離信息，需要激光雷達(dá)配合判斷目標(biāo)距離。

或許會(huì)有人感到疑惑：事件相機(jī)這么好，為什么沒有大量應(yīng)用在自動(dòng)駕駛領(lǐng)域呢？

實(shí)際上，相機(jī)獲取信息僅僅是第一步，后續(xù)事件相機(jī)信息的處理則是更為關(guān)鍵的一環(huán)。

如下圖所示，傳統(tǒng)相機(jī)的輸出是一幀幀的靜止圖片，而事件相機(jī)則是一個(gè)個(gè)事件（Event）流。

一般來說，目前的神經(jīng)網(wǎng)絡(luò)都專注于如何提取每幀靜止圖片中的行人、汽車等目標(biāo)，如YOLO，resnet等算法。針對基于時(shí)間戳的事件流，目前尚無有效的算法進(jìn)行目標(biāo)識(shí)別。

而事件流處理算法的缺失，與當(dāng)前的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是分不開的。

當(dāng)前主流的神經(jīng)網(wǎng)絡(luò)被稱為第二代人工神經(jīng)網(wǎng)絡(luò)，以精確的浮點(diǎn)運(yùn)算為基礎(chǔ)，缺失了在自然界中最重要的一個(gè)因素：時(shí)間。對于神經(jīng)網(wǎng)絡(luò)而言，輸出的結(jié)果會(huì)和輸入一一對應(yīng)，任何時(shí)候輸入相同的圖片，神經(jīng)網(wǎng)絡(luò)都會(huì)輸出一樣的結(jié)果。

然而真實(shí)的大腦，是以這種浮點(diǎn)運(yùn)算為基礎(chǔ)的嗎？顯然不是，真實(shí)的大腦是以脈沖為基礎(chǔ)的，以脈沖傳遞和處理信息。

這種以脈沖傳遞為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)是脈沖神經(jīng)網(wǎng)絡(luò)（spiking neural network，SNN），被譽(yù)為第三代人工神經(jīng)網(wǎng)絡(luò)?；诿}沖神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的芯片也被稱為類腦芯片。

脈沖發(fā)生的時(shí)刻攜帶著重要信息，脈沖神經(jīng)網(wǎng)絡(luò)天然具備對時(shí)序信息處理的能力，這與事件相機(jī)基于時(shí)間戳的事件流輸出十分吻合。

此外，脈沖神經(jīng)網(wǎng)絡(luò)還具有事件驅(qū)動(dòng)、異步運(yùn)算、極低功耗等特性。

• 1）事件驅(qū)動(dòng)。在我們的大腦中，同一時(shí)刻大約有90%以上的神經(jīng)元都是沉默的。也就是說，當(dāng)沒有事件輸入的時(shí)候神經(jīng)元是不活動(dòng)的。這一特點(diǎn)也使得事件相機(jī)的事件流的輸出與SNN十分契合，同時(shí)功耗也極大降低。

• 2）異步運(yùn)算。脈沖神經(jīng)網(wǎng)絡(luò)不存在“主頻”的概念。傳統(tǒng)的計(jì)算機(jī)都需要一個(gè)時(shí)鐘，以確保所有的操作都在時(shí)間步上進(jìn)行，這個(gè)時(shí)鐘的頻率被稱為主頻。目前主流的計(jì)算機(jī)主頻都達(dá)到每秒1GHz以上。然而，以IBM的神經(jīng)態(tài)硬件TrueNorth為例，100Hz左右的脈沖發(fā)放率即可完成圖像識(shí)別、目標(biāo)檢測等任務(wù)。當(dāng)前通用的計(jì)算機(jī)基本是馮·諾依曼結(jié)構(gòu)，這種結(jié)構(gòu)下，隨著CPU的運(yùn)算速度遠(yuǎn)遠(yuǎn)超過內(nèi)存的存取速度，已然形成難以逾越的計(jì)算瓶頸。然而，脈沖神經(jīng)網(wǎng)絡(luò)所有的內(nèi)存和運(yùn)算都體現(xiàn)在神經(jīng)元的異步脈沖之中，有很大希望突破目前計(jì)算機(jī)運(yùn)算能力瓶頸。

• 3）極低功耗。在2016年著名的人機(jī)圍棋大戰(zhàn)中，Google公司的AlphaGo系統(tǒng)每局圍棋博弈的平均耗電費(fèi)用高達(dá)3000美元。而作為脈沖神經(jīng)網(wǎng)絡(luò)架構(gòu)的人腦，功率僅僅為20W左右。此前，有學(xué)者將目標(biāo)檢測中的經(jīng)典算法YOLO進(jìn)行脈沖化，在完成相同任務(wù)的情況下，功耗降低了280倍左右，同時(shí)速度提高了2.3到4倍。

總的來說，事件相機(jī)和脈沖神經(jīng)網(wǎng)絡(luò)的結(jié)合，正如人類用眼睛和大腦觀察四周：自動(dòng)忽略周圍靜止的事物，對突然出現(xiàn)的運(yùn)動(dòng)物體予以重點(diǎn)關(guān)注和運(yùn)算。

當(dāng)前學(xué)術(shù)界已經(jīng)掀起了對脈沖神經(jīng)網(wǎng)絡(luò)研究的熱潮，但由于神經(jīng)態(tài)硬件的發(fā)展正處于起步階段，并且人們對于大腦的工作機(jī)理認(rèn)識(shí)還不夠全面，目前尚無基于脈沖神經(jīng)網(wǎng)絡(luò)在商業(yè)上的應(yīng)用。

隨著人們對大腦認(rèn)識(shí)的深入，以及國外的TrueNorth、SpiNNaker、Loihi和國內(nèi)清華的天機(jī)芯（Tianjic）和浙大的達(dá)爾文等類腦芯片的研發(fā)。我們也期待，事件相機(jī)與脈沖神經(jīng)網(wǎng)絡(luò)的結(jié)合能夠給自動(dòng)駕駛行業(yè)帶來新的突破。雷峰網(wǎng)雷峰網(wǎng)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))

參考文獻(xiàn)：

https://mp.weixin.qq.com/s/9DSaLUuIIndV1s71VKDRRA

https://mp.weixin.qq.com/s/iEBPf4VZYUv-hYLnYdJcYg

桑永勝,李仁昊,李耀仟,王薔薇,毛耀.神經(jīng)形態(tài)視覺傳感器及其應(yīng)用研究[J].物聯(lián)網(wǎng)學(xué)報(bào),2019,3(04):63-71.

Kim S ,  Park S ,  Na B , et al. Spiking-YOLO: Spiking Neural Network for Energy-Efficient Object Detection[J]. Proceedings of the AAAI Conference on Artificial Intelligence, 2020, 34(7):11270-11277.

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。