澳洲厂商BrainChip宣布采用其脉冲神经处理器(spiking neural processor)技术，开发了自主性视觉特征提取(Autonomous Visual Feature Extraction，AVFE)系统。Kjresmc
BrainChip的神经网络处理器被称为SNAP，采用信号脉冲来传输数据，以及一种叫做脉冲时机相关可塑性(Spike Time Dependent Plasticity，STDP)的学习方法。AVFE是一项突破，证明能从视觉数据流进行无人监督的学习，可应用于诸如自动驾驶车辆与无人机的防碰撞功能。Kjresmc
根据BrainChip所提供的资料，SNAP上的AVFE每秒能处理100万个视觉事件，而且能在几秒钟学习并辨别资料流中的图形；SNAP/AVFE是以该公司向瑞士开发商Inilabs采购的Davis动态视觉传感器(Dynamic Vision Sensor)，做为串流数字视频数据的来源。Kjresmc
Davis 动态视觉传感器是一种人工视网膜，拥有与SNAP相同的位置事件表现(Address Event Representation，AER)接口；并非将视讯讯框输出，每个画素只要在对比(contrast)变化时就会输出一个或更多脉冲。
AVFE 系统架构Kjresmc
执行于SNAP上并链接至一个恰当视频来源的AVFE潜在应用，包括车辆以及无人机内的防碰撞系统、异常状况检测、保全与医疗成像等等。Kjresmc
该系统最初对于输入数据流内容并无所知，会藉由重复性与强度自主学习，并开始找到影像串流内的图形；影像串流可以是由视觉影像传感器(如Davis人工视网膜)所产生，或是经过恰当设计的雷达或超音波来源设备。Kjresmc
AVFE已经在美国加州帕沙迪那(Pasadena)的高速公路上进行过测试，持续运作了78.5秒，SNAP脉冲神经网络学习辨别车辆并开始实时计算其数量。Kjresmc
以Inilabs的Davis视网膜芯片撷取的视觉影像，显示在高速公路上移动的车流 (图片来源：BrainChip)Kjresmc
BrainChip执行长、SNAP神经处理器的发明人Peter van der Made表示：“我们对于此大幅度进展感到非常兴奋，展现了BrainChips的神经处理器SNAP能在无人类监督的情况下，从视觉馈入撷取信息并学习。”Kjresmc
AVFE 系统架构
以Inilabs的Davis视网膜芯片撷取的视觉影像，显示在高速公路上移动的车流 (图片来源：BrainChip)
