Bài báo này nghiên cứu ứng dụng của mạng nơ-ron tăng đột biến (SNN), đặc trưng bởi mức tiêu thụ điện năng thấp và suy luận nhanh trên phần cứng hình thái thần kinh, vào các tác vụ nhận dạng thị giác. Các phương pháp chuyển đổi ANN sang SNN hiện có đã cho thấy hiệu suất tuyệt vời trong các tác vụ phân loại, nhưng lại kém hiệu quả trong các tác vụ phát hiện thị giác. Để giải quyết vấn đề này, bài báo đề xuất một phương pháp tăng đột biến trễ và kiến trúc nơ-ron tích hợp bắn phụ thuộc thời gian (tdIF) giúp giảm thiểu các vấn đề về điện thế màng còn sót lại do các mẫu tăng đột biến không đồng nhất gây ra. Các nơ-ron tdIF tự động điều chỉnh hành vi tích lũy và bắn của chúng theo thứ tự các bước thời gian, cho phép các xung đột biến thể hiện các đặc điểm thời gian riêng biệt mà không cần dựa vào biểu diễn dựa trên tần số. Hơn nữa, chúng duy trì mức tiêu thụ năng lượng tương đương với các nơ-ron IF thông thường. Các đánh giá mở rộng về hai tác vụ thị giác—phát hiện đối tượng và phát hiện làn đường—cho thấy phương pháp được đề xuất vượt trội hơn các phương pháp chuyển đổi ANN sang SNN hiện có, đạt được hiệu suất tiên tiến trong chưa đầy năm bước thời gian.
