公开(公告)号：CN119398132A

公开(公告)日：2025-02-07

申请号：CN202411520999.2

申请日：2024-10-29

Applicant: 哈尔滨工程大学

Inventor： 莫宏伟 ,  魏文泉 ,  帅杰 ,  刘翔宇 ,  成牧航 ,  李晓敏 ,  盖一帆

IPC: G06N3/096 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/25 ,  G06V10/82

Abstract: 一种基于脉冲类脑模型的快速增量学习技术，属于计算机视觉技术领域。本发明选用Yolov3‑tiny模型作为脉冲神经网络的SpikingYolov3的基础模型，并对Yolov3‑tiny进行适配性改进；采用IF神经元模型作为SpikingYolov3的神经元模型；采用基于网络扩张的方法对Yolov3‑tiny进行增量学习训练；将训练完毕的模型权重通过ANN转SNN的方法赋值给新构造的SpikingYolov3；采用泊松编码的方式对测试图像进行编码操作，使其转化为异步脉冲序列，并送入Spiking Yolov3模型中进行测试，并和对应的Yolov3‑tiny进行对比分析，得出SpikingYolov3模型的检测性能更优的结论。将SpikingYolov3应用到战场环境当中，实现对不同种类目标的精准检测。本发明解决了传统的网络模型在遇见新任务时需要重新训练等问题，为复杂目标的检测任务提供了新的解决方案。