【技术实现步骤摘要】
基于脉冲神经网络的目标检测方法、系统及设备
本专利技术属于计算机视觉和神经计算领域，具体涉及了一种基于脉冲神经网络的目标检测方法、系统及设备。
技术介绍
目标检测是计算机视觉领域中很重要的研究方向，在自动驾驶、视频监控、工业检测、航空航天等诸多领域都有具体的应用。在深度学习技术兴起之前，科研人员都是手动设计分类器来提取图像中的物体，导致准确率较低。随着深度学习技术和神经网络的发展，以及计算资源的丰富，研究者们提出大量新奇的网络，大大提高了目标检测的准确率，推动该领域的快速发展。其中典型的检测网络有YOLO系列和RCNN系列。YOLO系列直接可以预测出目标的类别和位置信息，该方法速度较快但准确率相对较低；而RCNN系列则是先挑选出建议区域，在建议区域上进一步获取类别和位置信息。相对的，该方法准确率较高但速度相对较低。上述方法都存在一些问题，这类模型往往计算量大，占用资源多，难以应用到边缘设备中。随着人工智能和神经计算等相关技术的发展，类脑计算受到了科研人员广泛的关注，进而催生出第三代神经网络——脉冲神经网络。传统的深度...
【技术保护点】
1.一种基于脉冲神经网络的目标检测方法，其特征在于，该目标检测方法包括：/n步骤S10，获取待检测图像，并将所述待检测图像的像素点数据转换为脉冲串数据；获取预训练的YOLOv3网络的权值，并将所述权值转换为适用于脉冲神经网络的权值；/n步骤S20，基于所述适用于脉冲神经网络的权值构建YOLOv3脉冲神经网络；/n步骤S30，将所述脉冲串数据输入所述YOLOv3脉冲神经网络，获得待检测图像中目标物体的类别和坐标信息。/n
【技术特征摘要】
1.一种基于脉冲神经网络的目标检测方法，其特征在于，该目标检测方法包括：
步骤S10，获取待检测图像，并将所述待检测图像的像素点数据转换为脉冲串数据；获取预训练的YOLOv3网络的权值，并将所述权值转换为适用于脉冲神经网络的权值；
步骤S20，基于所述适用于脉冲神经网络的权值构建YOLOv3脉冲神经网络；
步骤S30，将所述脉冲串数据输入所述YOLOv3脉冲神经网络，获得待检测图像中目标物体的类别和坐标信息。
2.根据权利要求1所述的基于脉冲神经网络的目标检测方法，其特征在于，步骤S10中将所述待检测图像的像素点数据转换为脉冲串数据，其方法为：
将所述待检测图像的像素点数据的理论最大值记为M，当前像素点数据值记为x，获得首个脉冲发射时刻t＝M-x；
进行所述首个脉冲发射时刻的归一化：
其中，tmax和tmin分别为首个脉冲发射时刻的最大值和最小值，T为归一化后脉冲发射时刻的最大值；
基于归一化的首个脉冲发射时刻，遵循泊松过程获取其余的脉冲发射时刻，获得待检测图像的像素点数据转换后的脉冲串数据。
3.根据权利要求1所述的基于脉冲神经网络的目标检测方法，其特征在于，所述预训练的YOLOv3网络的权值包括YOLOv3网络的卷积层权值、leaky-ReLU层权值、shortcut路径权值、concat层权值和上采样层权值。
4.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在于，所述卷积层权值，其转换为适用于脉冲神经网络的权值的方法为：
其中，Wl和bl分别是第l层的卷积核和偏置，λl为第l层输出的最大值。
5.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在于，所述leaky-ReLU层权值，其转换为适用于脉冲神经网络的权值的方法为：
其中，Vmem为膜电位，Vth为膜电位的正向阈值，Vth为膜电位的负向阈值，α为预设的超参数。
6.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在...
【专利技术属性】
技术研发人员：谭杰，李经纬，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。