基于脉冲神经网络的小目标物体识别方法及装置制造方法及图纸

本发明专利技术提供一种基于脉冲神经网络的小目标物体识别方法及装置，该方法包括：获取待测物体图像；基于双流融合模型对待测物体图像进行分类识别，得到分类识别结果；双流融合模型基于脉冲神经网络和残差网络构建得到，双流融合模型通过以样本物体图像为训练样本，以融合特征为训练特征训练得到；融合特征基于脉冲神经网络输出特征和残差网络输出特征确定，脉冲神经网络和残差网络分别包括多个依次排列的残差块，脉冲神经网络的当前残差块输入的特征为脉冲神经网络的上一个残差块输出的特征和残差网络中与上一个残差块对应的残差块输出的特征之和。本发明专利技术所述方法能够提取更丰富的图像特征信息，可提升小目标物体的识别精度。

【技术实现步骤摘要】

本专利技术涉及模式识别，尤其涉及小目标物体识别领域。

技术介绍

1、深度卷积网络领域，尽管已在大部分图像处理任务中取得了巨大的成功，但在处理分辨率低、尺寸小的目标物体时常常受到限制。

2、相关技术中，由于物体图像中的像素数量有限，导致可用于分析和识别的信息很少，利用传统的卷积神经网络提取图像特征过程中存在信息丢失，使得网络难以捕捉图像的细微特征，导致网络识别性能低，而利用深层卷积网络在特征提取过程中空间信息也有所损耗，导致原始图像的空间细节逐渐丢失，进而导致小目标物体识别效果差。

3、脉冲神经网络由于更接近人类大脑运行机制，越来越受到学者的关注，一类比较热门的脉冲神经网络构建方法是从深度卷积网络转化而来；脉冲神经网络作为高度生物仿真的神经网络模型，其模拟人脑处理视觉信息的能力，在小目标识别任务中展现出显著潜力。

技术实现思路

1、本专利技术提供一种基于脉冲神经网络的小目标物体识别方法及装置，用以解决现有技术提取小目标物体特征过程中存在信息损失，导致原始图像的空间细节逐渐丢失，小目标物体本文档来自技高网...

【技术保护点】

1.一种基于脉冲神经网络的小目标物体识别方法，其特征在于，包括：

2.根据权利要求1所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述双流融合模型通过如下步骤训练得到：

3.根据权利要求2所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述脉冲神经网络与所述残差网络均包括N个残差块，N为大于2的整数；

4.根据权利要求2所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述脉冲神经网络的反向迭代更新通过如下步骤实现：

5.根据权利要求2所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述预处理后的样本物体图像...

【技术特征摘要】

1.一种基于脉冲神经网络的小目标物体识别方法，其特征在于，包括：

2.根据权利要求1所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述双流融合模型通过如下步骤训练得到：

3.根据权利要求2所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述脉冲神经网络与所述残差网络均包括n个残差块，n为大于2的整数；

4.根据权利要求2所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述脉冲神经网络的反向迭代更新通过如下步骤实现：

5.根据权利要求2所述的基于脉冲神经网络的小目标物体识别方法，其特征在于，所述预处理后的样本物体图像通过如下步骤得到：

6.根据权利要求1或2所述的基于脉冲神经网络的小目标物体识别...

【专利技术属性】
技术研发人员：李文娟，李兵，叶炳昊，刘伟，王隽，胡卫明，
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：