[发明专利]基于脉冲神经网络的神经形态视觉传感器目标检测方法

权利要求书

1.一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，包括以下步骤：

S1，训练裁剪后的人工神经网络；

S2，将人工神经网络转换为脉冲神经网络；

S3，神经形态视觉传感器采集动态物体的画面信息，并对该画面信息进行图像重构后将时空脉冲信号输入脉冲神经网络；

S4，脉冲神经网络对时空脉冲信号计算检测并进行解码后输出图像，根据检测结果在图像上做出标注，用矩形框标出每个目标中标注的位置和类型，并判断检测与识别的结果；

S5，对识别和检测的结果进行验证。

2.根据权利要求1所述的一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，步骤S4包括以下步骤：

S41，将时空脉冲信号输入主干特征提取网络；

S42，主干特征提取网络分两路分布输出至平均池化层和加强特征提取网络；

S43，平均池化层输出至加强特征提取网络；

S44，加强特征提取网络输出两个有效特征至基于V_m脉冲译码层；

S45，对基于V_m脉冲译码层输出的检测与识别的结果进行判断。

3.根据权利要求2所述的一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，步骤S41包括以下步骤：

S411，将时空脉冲信号导入输入层；

S412，时空脉冲信号通过输入层输入脉冲编码层；

S413，脉冲编码层进行编码后输出至两次脉冲卷积标准化处理层；

S414，脉冲卷积标准话处理层处理后输出至三次脉冲残差处理层；

S415，三次脉冲残差处理层处理后分别输出至平均池化层和加强特征提取网络。

4.根据权利要求3所述的一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，步骤S44中加强特征提取网络包括第一脉冲卷积层和第二脉冲卷积层；三次脉冲残差处理层处理后分别输出至第一脉冲卷积层、第二脉冲卷积层和平均池化层，同时平均池化层输出至第二脉冲卷积层；第一脉冲卷积层输出第一有效特征以及第二脉冲卷积层输出第二有效特征。

5.根据权利要求1所述的一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，步骤S2中人工神经网络的运算和输出全面转换为二进制时空脉冲信号为处理载体的脉冲神经网络，所有神经元用相应的脉冲神经元来替换，并且训练所得权重进行量化。

6.根据权利要求5所述的一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，脉冲神经元采用剩余阈值不平衡脉冲神经元。

7.根据权利要求1所述的一种基于脉冲神经网络的神经形态视觉传感器目标检测方法，其特征在于，步骤S1包括：选择合适的目标检测人工神经网络，对网络进行结构约束，用图像数据集训练网络权值。