数据增强方法、脉冲神经网络训练方法、存储介质和芯片技术

本发明专利技术公开了一种数据增强方法、脉冲神经网络训练方法、存储介质和芯片。为解决实际环境中，由于用户动作或物体与光源存在交叉，在图像传感器中产生的不被期望的光斑数据，本发明专利技术基于事件帧中各像素单元的像素值获得满足预设条件的光斑中心点候选范围，选择光斑中心点候选范围内的一个或多个像素单元作为光斑中心点，并以此为中心对脉冲神经网络的训练集进行光斑数据增强。通过上述方法，得到多样性的含光斑的训练数据，以使脉冲神经网络能够适应复杂、多变的实际工作环境，具有更好的精度和稳定性。本发明专利技术适于类脑芯片或类脑计算领域。域。域。

【技术实现步骤摘要】
数据增强方法、脉冲神经网络训练方法、存储介质和芯片


[0001]本专利技术涉及一种数据增强方法、脉冲神经网络训练方法、存储介质和芯片，具体涉及一种为使脉冲神经网络具有更强准确性、鲁棒性和普适性的数据增强方法、脉冲神经网络训练方法、存储介质和芯片。

技术介绍

[0002]脉冲神经网络（SNN），被誉为第三代神经网络，其模仿大脑运行原理，具有事件驱动特性和丰富的时空动力学特征，计算代价小、功耗低。值得一提的是，神经形态硬件或类脑芯片是非冯诺依曼架构，其并不基于计算机程序而执行传统意义上的各种数学/程序函数计算。通常，通常在传统计算平台上（如高性能图形处理器GPU设备）中对SNN进行模拟仿真，并利用数据集进行训练，获得使得SNN预测性能达到最优的网络配置参数。将获得的最优网络配置参数，映射或部署至芯片中，芯片在接收到从环境中采集而来的信号后，运行芯片内的脉冲神经网络，自动完成基于接收到的信号的推理过程，获得符合实际环境情况的推理结果，如图1所示。基于事件相机（或帧图像经过差帧而获得脉冲序列）和脉冲神经网络（SNN）组合的感知与计算方案，可提供一种低功本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据增强方法，其特征在于：若训练集的样本数据为事件帧，则进行如下操作，否则先对样本数据进行预处理，将样本数据转换为事件帧；基于事件帧中像素单元的像素值获得满足预设条件的光斑中心点候选范围；基于光斑中心点候选范围进行光斑数据增强；其中，所述光斑数据是指由于用户动作或物体与光源存在交叉，在图像传感器中产生的不被期望数据。2.根据权利要求1所述的数据增强方法，其特征在于：所述预设条件为各像素单元的像素值大于或等于第一像素值阈值的像素点集，或者所述光斑中心点候选范围内所有像素单元的像素值总和大于或等于第二像素值阈值。3.一种数据增强方法，其特征在于，包括如下步骤：计算时间窗口内各像素单元产生的脉冲事件数量；基于各像素单元产生的事件数量获得满足预设条件的光斑中心点候选范围；基于光斑中心点候选范围进行光斑数据增强；其中，所述光斑数据是指由于用户动作或物体与光源存在交叉，在图像传感器中产生的不被期望数据。4.根据权利要求3所述的数据增强方法，其特征在于:选择光斑中心点候选范围内任意位置的一个或多个像素单元作为光斑数据增强的中心点，并设置光斑尺寸和形状；通过以下方式之一获得光斑数据，并利用与不同光斑尺寸或形状对应的一组或多组光斑数据对训练集的样本数据进行光斑数据增强：i)光斑中心点设置最大像素值，随着光斑中心点之间的距离变大，减小像素值；其中，距离包括横坐标或/和纵坐标，与光斑中心点之间的距离每增加单位距离，像素值减少单位值；ii)光斑中心点所在的横坐...

【专利技术属性】
技术研发人员：王凯，邢雁南，乔宁，胡雅伦，
申请(专利权)人：深圳时识科技有限公司，
类型：发明
国别省市：