يمكن تحليل و معالجة بيانات صور الفيديو من خلال العديد من الطرق. يكشف هذا البحث إلى أي مدى يمكن أن تكون الخلية العصبونية النابضة Spiking Neuron المصممة وفق النموذج Hodgkin-Huxley ملائمة لهذه المهمة. ستناقِش عمليات المحاكاة الموثقة في هذا البحث استجابة
الخلايا العصبونية من النموذج تكامل- إطلاق لتيارات الدخل الثابتة و المتغيرة و المدخلات المقادة بكثافة البكسل. و بشكل عام تستخدم برمجيات التطبيق المصمم 64 خلية عصبونية نابضة تعمل بشكل مستقل حيث تقوم هذه الخلايا العصبونية بمعالجة بيانات الصورة المأخوذة كل 25 ميلي ثانية.
تم اختبار العصبونات المصممة على 100 صورة تتضمن حالات مختلفة من الإضاءة و الإشباع اللوني و التباين, و أظهرت النتائج أن الخلية العصبونية من النموذج تكامل – إطلاق حساسة للتغيرات في كثافة البكسل إذا تم اختيار بارامتراتها بشكل جيد, مما يجعل استخدام شبكة عصبونية من هذه العصبونات أمراً مناسباً في بعض التطبيقات مثل Saliency Maps و التي تعتمد بشكل كبير على قيم الكثافة لمجموعة من البكسلات.
مع صعود البحث عن تصنيف التعليق السام، تم إصدار المزيد والمزيد من البيانات المشروحة. أدت مجموعة واسعة من المهمة (لغات مختلفة، وعمليات وصفات ومخططات مختلفة) إلى كمية كبيرة من مجموعات البيانات غير المتجانسة التي يمكن استخدامها للتدريب واختبار إعدادات مح
ددة للغاية. على الرغم من الجهود الأخيرة لإنشاء صفحات ويب توفر نظرة عامة، فإن معظم المنشورات لا تزال تستخدم فقط مجموعة بيانات واحدة. لا يتم تخزينها في قاعدة بيانات مركزية واحدة، وتأتي في العديد من تنسيقات البيانات المختلفة، ومن الصعب تفسير ملصقات الفئة وكيفية إعادة استخدام هذه الملصقات في مشاريع أخرى. للتغلب على هذه المشكلات، نقدم مجموعة من أكثر من ثلاثين بيانات البيانات في شكل أداة برمجية تقوم بتجميع تنزيل البيانات ومعالجتها وتعرضها بتنسيق بيانات موحد يوفر أيضا تعيين من تسميات الفئة المتوافقة. ميزة أخرى من هذه الأداة هي أنها توفر نظرة عامة على خصائص مجموعات البيانات المتاحة، مثل اللغات المختلفة والمنصات والملصقات الفئة لتسهيل تحديد بيانات التدريب والاختبار المناسبة.