EventRPG：関連性伝播ガイダンスを用いたイベントデータ拡張

イベントカメラは、生体にインスパイアされた新しいビジョンセンサであり、低遅延、低消費電力、高ダイナミックレンジという特長から、近年注目を集めている。一方、スパikingニューラルネットワーク（SNN）におけるイベントベース分類タスクでは、空間表現能力が相対的に弱いため、過学習（overfitting）が依然として重要な課題である。データ拡張は、過学習を軽減し、ニューラルネットワークの汎化能力を向上させるための単純ながら効果的な手法であり、画像処理分野においては、サリエンシーベースの拡張手法が有効であることが実証されている。しかし、SNNからサリエンシーマップを抽出する手法はこれまで存在しなかった。そこで本研究では、初めてSNNが安定かつ正確なCAM（Class Activation Map）およびサリエンシーマップを生成できるようにする「スパイキング層時系列 relevance 伝播ルール（SLTRP）」および「スパイキング層ごとの relevance 伝播ルール（SLRP）」を提案する。この手法を基盤とし、SNN上でrelevance伝播を活用したより効率的なデータ拡張を実現する「EventRPG」を提案する。評価実験では、複数のSNNアーキテクチャ上で本手法を検証し、N-Caltech101およびCIFAR10-DVSにおける物体認識タスクでそれぞれ85.62%、85.55%の精度を達成し、SL-Animalsにおける行動認識タスクでも91.59%の精度を実現し、いずれも最先端の性能を示した。本研究のコードは、https://github.com/myuansun/EventRPG にて公開されている。