基于脉冲神经网络的时空域特征动态目标识别方法技术

本发明专利技术公开了基于脉冲神经网络的时空域特征动态目标识别方法，包括：基于卷积神经网络对特征图像进行插值处理与融合处理，使各层特征图像之间能够跨层融合；在卷积神经网络中引入空间注意力机制，增强空间维度特征，对特征图像进行多次压缩处理并与特征提取网络结合建立融合层；将特征图像转换成脉冲信息，基于脉冲神经网络获取卷积层的输出特征图像，在池化层对输出特征图像进行池化操作；基于脉冲神经网络对输出特征图像再次进行处理并拼接所有输出特征图获取融合特征图以输出权值参数，执行动态目标识别任务。本发明专利技术提供的方法能够结合卷积神经网络和脉冲神经网络的优势，实现高速时变信息特征提取和准确分类。

【技术实现步骤摘要】

本专利技术涉及图像分类，尤其涉及基于脉冲神经网络的时空域特征动态目标识别方法。

技术介绍

1、近年来，在动态目标识别领域中，现有技术中的网络结构和训练算法已经相对成熟。目前，人们广泛地采用卷积神经网络进行目标分类与识别，相比于传统算法更具优势，已成为当前解决目标检测问题的首选方法。

2、其中，卷积神经网络的布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，特别是多维输入向量的图像可直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。因此，卷积神经网络在目标识别处理领域有着独特的优越性。此外，近年来大力发展的注意力机制通过模仿人类视觉系统，能够在进行图像处理时聚焦于图像空间中重要信息部分而非全部图像特征信息。因此，将注意力机制引入卷积神经网络中可以抑制图像中无用的特征信息，将学习的重点聚焦于目标区域。

3、然而,虽然基于卷积神经网络的各类目标检测算法在识别性能方面效果优异，卷积神经网络仍然存在一定的缺陷。随着样本特征的复杂化，卷积神经网络的结构越来越复杂；而网络层级结构的不断增加，也导致完成网络训练和推导的计算量本文档来自技高网...

【技术保护点】

1.基于脉冲神经网络的时空域特征动态目标识别方法，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时空域特征动态目标识别方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的基于脉冲神经网络的时空域特征动态目标识别方法，其特征在于，所述步骤S2包括：

4.根据权利要求1所述的基于脉冲神经网络的时空域特征动态目标识别方法，其特征在于，所述步骤S3包括：

5.根据权利要求4所述的基于脉冲神经网络的时空域特征动态目标识别方法，其特征在于，所述步骤S301中，将所述输入特征图像转换成所述脉冲信息包括：通过TTFS编码方法将所述...

【技术特征摘要】

1.基于脉冲神经网络的时空域特征动态目标识别方法，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时空域特征动态目标识别方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的基于脉冲神经网络的时空域特征动态目标识别方法，其特征在于，所述步骤s2包括：

4.根据权利要求1所述的基于脉冲神经网络的时空域特征动态目标识别方法，其特征在于，所述步骤s3包括：

5.根据权利要求4所述的基于脉冲神经网络的时空域特征动态目标识别方法，其特征在于，所述步骤s301中，将所述输入特征图像转换成所述脉冲信息包括：通过ttfs编码方法将所述输入特征图像转换成所述脉冲信息。

6.根据权利...

【专利技术属性】
技术研发人员：秦迎梅，穆睿哲，王若凡，车艳秋，程健，韩春晓，
申请(专利权)人：天津职业技术师范大学中国职业培训指导教师进修中心，
类型：发明
国别省市：