Tonic.Transforms.ToFrame()

原创

已于 2023-02-23 17:05:11 修改 · 443 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能

于 2023-02-07 20:04:26 首次发布

Tonic是一个用于神经形态数据的工具，其ToFrame函数能按时间窗口、事件计数或固定帧数将事件数据转换成帧。用户可以选择切片方法，如时间窗口确保时间一致性，事件计数保持视觉一致性，或固定帧数利于批处理。重叠参数允许在切片间提供一定的连续性。该函数适用于事件相机数据的可视化和处理。

Tonic.Transforms.ToFrame()

Tonic是一个方便下载、操作和加载基于事件/基于峰值的数据的工具。它就像PyTorch Vision，但用于神经形态数据!

函数链接

事件相机的数据处理：该博客中介绍了如何对事件数据进行可视化

函数原型：

函数作用：通过一定的方法，将事件流可视化，得到帧

@dataclass(frozen=True)
class ToFrame:
    """Accumulate events to frames by slicing along constant time (time_window), constant number of
    events (spike_count) or constant number of frames (n_time_bins / n_event_bins). All the events
    in one slice are added up in a frame for each polarity. You can set one of the first 4
    parameters to choose the slicing method. Depending on which method you choose, overlap will
    assume different functionality, whether that might be temporal overlap, number of events or
    fraction of a bin. As a rule of thumb, here are some considerations if you are unsure which
    slicing method to choose:
	通过沿着常数时间(时间窗口)、常数数量的事件(峰值计数)或常数数量的帧(n个时间箱/ n个事件箱)将事件累积到帧中。一个切片中的所有事件都被添加到每个极性的帧	   中。您可以设置前4个参数中的一个来选择切片方法。根据您选择的方法，重叠将假设不同的功能，无论是时间重叠、事件数量还是bin的部分。根据经验，如果你不确定     要选择哪种切片方法，这里有一些注意事项

    * If your recordings are of roughly the same length, a safe option is to set time_window. Bare in mind
      that the number of events can vary greatly from slice to slice, but will give you some consistency when
      training RNNs or o