聚类时序去噪网络

F1 达 0.92

将 DBSCAN 与 Kmeans++ 聚类同 LSTM 时序建模结合，给出健壮的事件传感器去噪方案。

Jianing, Li · 徐江涛 · Jiandong, Gao

Optoelectronics Letters 2025

参数信息

F1_score

0.8931

F1_score

0.9215

F1 提升（对比 NNb）

49.90 %

技术优势

去噪更彻底

在三个数据集上 F1 最高达 0.9215，远超传统方法。

泛化能力更强

在不同类型数据集（交通、行人、转台）上均表现良好。

时序建模有效

LSTM 拟合带时序信息的聚类中心，提升去噪准确率。

应用场景

• 事件相机去噪：直接提升事件相机输出事件的精度，减少噪声点。
• 动态视觉传感器降噪：在保留动态信息的同时滤除背景噪声。
• 机器人视觉增强：为机器人视觉提供更干净的事件流，提高感知可靠性。
• 低延迟视觉处理：基于聚类的快速去噪保持低延迟处理。
• 神经形态信号处理：与 LSTM 时序建模契合神经形态信号特性。