【技术实现步骤摘要】
本公开涉及目标识别，尤其涉及一种基于局部-全局学习的脉冲神经网络动态目标检测方法、装置、存储介质及电子设备。
技术介绍
1、人工智能具有快速学习少样本数据并适应不断变化现实环境的能力是十分必要的。人脑可以自我组织和协调不同的认知功能，以灵活地适应复杂和不断变化的现实环境，但是目前的人工智能并不能完全模拟这一能力。人工智能和计算神经科学的一个主要挑战是整合多尺度的生物学原理，建立生物学上合理的类脑智能模型。脉冲神经网络(snn，spike neural network)作为第三代神经网络，在多个尺度上更符合生物学实际情况。由于脉冲神经网络具有强时间信息处理能力、低功耗、高生物可信度等特征，自然更适合于对大脑的各种认知功能进行建模并构建类脑智能模型。随着人工智能技术的发展，多种神经模拟器为模拟神经学动力模型、大规模神经网络、深度脉冲神经网络提供基础设施支持平台，使建立基于脉冲神经网络的类脑人工智能快速学习少样本并灵活适应不断变化的现实环境成为可能。
2、传统脉冲神经网络面向现实环境变化且样本数量少时的视觉识别效果落后于人工神经网...
【技术保护点】
1.一种基于局部-全局学习的脉冲神经网络动态目标检测方法，其特征在于，包括：
2.根据权利要求1所述的动态目标检测方法，其特征在于，所述教师网络和所述学生网络为同源网络。
3.根据权利要求1所述的动态目标检测方法，其特征在于，所述教师网络至少包括：教师初始网络、多个注意力脉冲网络块以及教师分类器，所述注意力脉冲网络块至少包括注意力模块和脉冲编码模块，所述注意力模块至少包括时间注意力模块、多尺度通道注意力模块以及空间注意力模块；
4.根据权利要求3所述的动态目标检测方法，其特征在于，所述时间注意力模块输出的特征表示为：
5...
【技术特征摘要】
1.一种基于局部-全局学习的脉冲神经网络动态目标检测方法，其特征在于，包括：
2.根据权利要求1所述的动态目标检测方法，其特征在于，所述教师网络和所述学生网络为同源网络。
3.根据权利要求1所述的动态目标检测方法，其特征在于，所述教师网络至少包括：教师初始网络、多个注意力脉冲网络块以及教师分类器，所述注意力脉冲网络块至少包括注意力模块和脉冲编码模块，所述注意力模块至少包括时间注意力模块、多尺度通道注意力模块以及空间注意力模块；
4.根据权利要求3所述的动态目标检测方法，其特征在于，所述时间注意力模块输出的特征表示为：
5.根据权利要求3所述的动态目标检测方法，其特征在于，所述利用所述神经形态少样本数据集和训练好的教师网络通过知识蒸馏方式指导所述学生网络进行训练，包括：
...
【专利技术属性】
技术研发人员：李婷婷，陈亮，
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：
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。