一种基于脉冲神经网络的水下目标检测方法技术

一种基于脉冲神经网络的水下目标检测方法，可实现兼顾高精度与低功耗的水下目标检测。通过融合跨阶段部分网络与YOLO架构，有效解决了脉冲退化问题，增强了模型的特征提取能力；针对水下噪声干扰的问题，设计了一种基于脉冲的水下图像去噪方法，该方法仅使用整数加法，可无缝嵌入脉冲神经网络结构，增强特征图质量；针对传统归一化方法在脉冲神经网络中精度低的问题，提出分离式批量归一化，通过在多个时间步长中独立归一化特征图，并针对残差结构优化，可以有效捕捉SNN的时间动态，提高检测精度。该网络在水下目标检测中表现出优良的性能，相较于同等规模的人工神经网络，拥有更高的性能与更低的能耗。

【技术实现步骤摘要】

本专利技术涉及计算机及水下检测，尤其涉及将人工神经网络用于水下物体检测的技术，具体涉及一种基于脉冲神经网络的水下目标检测方法。

技术介绍

1、水下物体检测在海洋科学和工业安全检查中至关重要。现有的水下目标检测方法主要基于人工神经网络(ann)。已经提出了几种针对水下物体检测优化的ann模型，例如文献《optimization and application of improved yolov9s-ui for underwater objectdetection,applied sciences》公开了yolov9s-ui，其准确性优于基准模型。然而，引入注意力机制往往会增加计算复杂度，使得这些模型不适合像自主水下航行器(auv)这样的资源受限设备。为了解决这个问题，引入了轻量级模型，例如文献《yolo nano underwater:afast and compact object detector for embedded device》、《an underwater light-weight object detector for edge comp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水下目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤2中，脉冲去噪器(2)的实现如下：

3.根据权利要求1所述的方法，其特征在于，在步骤3中，模型骨干网络由三个SU-Block1特征提取模块和一个SpikeSPP脉冲金字塔池化模块依次排列构成，具体包括以下步骤：

4.根据权利要求3所述的方法，其特征在于，SU-Block1特征提取模块的处理流程如下：

5.根据权利要求1至4其中之一所述的方法，其特征在于，分离式批量归一化方法的实现步骤如下：

6.根据权利要求1或...

【技术特征摘要】

1.一种基于脉冲神经网络的水下目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤2中，脉冲去噪器(2)的实现如下：

3.根据权利要求1所述的方法，其特征在于，在步骤3中，模型骨干网络由三个su-block1特征提取模块和一个spikespp脉冲金字塔池化模块依次排列构成，具体包括以下步骤：

4.根据权利要求3所述的方法，其特征在于，su-block1特征提取模块的处理流程如下：

5.根据权利要求1至4其中之一所述的方法，其特征在于，分离式批量归一化方法的实现步骤如下：

6.根据权利要求1或3...

【专利技术属性】
技术研发人员：李忱洋，龚国强，丁晓波，
申请(专利权)人：三峡大学，
类型：发明
国别省市：