[发明专利]基于脉冲神经网络的目标检测方法、系统及设备

权利要求书

1.一种基于脉冲神经网络的目标检测方法，其特征在于，该目标检测方法包括：

步骤S10，获取待检测图像，并将所述待检测图像的像素点数据转换为脉冲串数据；获取预训练的YOLOv3网络的权值，并将所述权值转换为适用于脉冲神经网络的权值；

步骤S20，基于所述适用于脉冲神经网络的权值构建YOLOv3脉冲神经网络；

步骤S30，将所述脉冲串数据输入所述YOLOv3脉冲神经网络，获得待检测图像中目标物体的类别和坐标信息。

2.根据权利要求1所述的基于脉冲神经网络的目标检测方法，其特征在于，步骤S10中将所述待检测图像的像素点数据转换为脉冲串数据，其方法为：

将所述待检测图像的像素点数据的理论最大值记为M，当前像素点数据值记为x，获得首个脉冲发射时刻t＝M-x；

进行所述首个脉冲发射时刻的归一化：

其中，t_max和t_min分别为首个脉冲发射时刻的最大值和最小值，T为归一化后脉冲发射时刻的最大值；

基于归一化的首个脉冲发射时刻，遵循泊松过程获取其余的脉冲发射时刻，获得待检测图像的像素点数据转换后的脉冲串数据。

3.根据权利要求1所述的基于脉冲神经网络的目标检测方法，其特征在于，所述预训练的YOLOv3网络的权值包括YOLOv3网络的卷积层权值、leaky-ReLU层权值、shortcut路径权值、concat层权值和上采样层权值。

4.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在于，所述卷积层权值，其转换为适用于脉冲神经网络的权值的方法为：

其中，W^l和b^l分别是第l层的卷积核和偏置，λ^l为第l层输出的最大值。

5.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在于，所述leaky-ReLU层权值，其转换为适用于脉冲神经网络的权值的方法为：

其中，V_mem为膜电位，V_th为膜电位的正向阈值，V_th为膜电位的负向阈值，α为预设的超参数。

6.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在于，所述shortcut路径权值，其转换为适用于脉冲神经网络的权值的方法为：

y＝λ(W·X+b+X)

其中，X为预训练的YOLOv3网络中某一层的输入张量，W为该层的卷积核权值，b为该层的偏置，y为添加了shortcut路径后的该层的输出，为预设的尺度因子，X_max为X中的最大值，y_max为y中的最大值。

7.根据权利要求3所述的基于脉冲神经网络的目标检测方法，其特征在于，所述concat层权值和上采样层权值，其转换为适用于脉冲神经网络的权值的方法为：

所述concat层权值与预训练的YOLOv3网络的concat层权值一致，按照通道所在的维度进行拼接；

所述上采样层权值与预训练的YOLOv3网络的上采样层权值一致，按照最近邻插值的方式上采样。