-
公开(公告)号：CN117809381B
公开(公告)日：2024-05-14
申请号：CN202410232129.9
申请日：2024-03-01
Applicant: 鹏城实验室
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/084 , G06N3/049
Abstract: 本申请实施例提供视频动作分类方法、装置、设备和存储介质，涉及图像处理技术领域。该方法依次在每个时间步选取目标视频帧，调用依次级联的局部时空特征模块对目标视频帧进行脉冲编码后，再进行特征提取得到局部时空特征，调用依次级联的全局时空特征模块对局部时空特征进行脉冲编码后，再进行特征提取得到全局时空特征，利用循环神经网络模块从全局时空特征中提取分类时空特征，对分类时空特征进行分类预测得到视频动作分类结果。在特征提取过程中对输入的数据进行脉冲编码，将特征提取过程中乘法运算变为加法运算，降低网络处理过程的运算复杂度，尤其是在长时视频的场景下，能够减少运算时间，提升运算效率。
-
Patent Agency Ranking
公开(公告)号：CN115841142A
公开(公告)日：2023-03-24
申请号：CN202310134058.4
申请日：2023-02-20
IPC: G06N3/065 , G06N3/0464 , G06N3/08 , G06N3/049
Abstract: 本发明公开了基于深度脉冲神经网络的视觉皮层模拟方法及相关设备，所述方法包括：将与生物实验中相同的图片刺激输入到预训练的深度脉冲神经网络，得到各层的脉冲响应；采用表征相似性分析RSA或者典型相关分析CCA度量深度脉冲神经网络各层的脉冲响应和真实生物神经响应之间的相似性；选择最高的神经相似性得分作为深度脉冲神经网络的结构针对相应脑区的得分，并记录得分最高的层以与生物视觉系统进行对比。本发明利用深度脉冲神经网络对神经系统视觉皮层进行建模，可以直接与生物实验记录的时序信号进行比较，取得了相对于相似结构卷积神经网络更高的神经相似性得分，同时也在网络结构和信息处理机制方面更好地匹配了真实神经系统的性质。
-
公开(公告)号：CN118378052B
公开(公告)日：2024-09-24
申请号：CN202410822498.3
申请日：2024-06-25
Applicant: 鹏城实验室
Abstract: 本申请实施例公开一种信号分析方法、装置、设备及介质。其中，在预设时间段内，获取第一神经元区域和第二神经元区域之间交流时的双向神经脉冲信号序列；确定第一神经元区域对应的第一观测时间和第二神经元区域对应的第二观测时间；在双向神经脉冲信号序列中，根据预设时间间隔、第一观测时间和第二观测时间确定出第一神经元区域对应的第一观测信号和第二神经元区域对应的第二观测信号；根据第一观测信号和第二观测信号确定第一神经元区域和第二神经元区域之间的传递熵；根据时间差和预设时间差阈值更新第一观测时间和第二观测时间，返回获取传递熵；根据传递熵确定第一神经元区域和第二神经元区域之间的神经脉冲信号的传递方向和传递强度。
-
公开(公告)号：CN118378052A
公开(公告)日：2024-07-23
申请号：CN202410822498.3
申请日：2024-06-25
Applicant: 鹏城实验室
Abstract: 本申请实施例公开一种信号分析方法、装置、设备及介质。其中，在预设时间段内，获取第一神经元区域和第二神经元区域之间交流时的双向神经脉冲信号序列；确定第一神经元区域对应的第一观测时间和第二神经元区域对应的第二观测时间；在双向神经脉冲信号序列中，根据预设时间间隔、第一观测时间和第二观测时间确定出第一神经元区域对应的第一观测信号和第二神经元区域对应的第二观测信号；根据第一观测信号和第二观测信号确定第一神经元区域和第二神经元区域之间的传递熵；根据时间差和预设时间差阈值更新第一观测时间和第二观测时间，返回获取传递熵；根据传递熵确定第一神经元区域和第二神经元区域之间的神经脉冲信号的传递方向和传递强度。
-
公开(公告)号：CN117809381A
公开(公告)日：2024-04-02
申请号：CN202410232129.9
申请日：2024-03-01
Applicant: 鹏城实验室
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/084 , G06N3/049
Abstract: 本申请实施例提供视频动作分类方法、装置、设备和存储介质，涉及图像处理技术领域。该方法依次在每个时间步选取目标视频帧，调用依次级联的局部时空特征模块对目标视频帧进行脉冲编码后，再进行特征提取得到局部时空特征，调用依次级联的全局时空特征模块对局部时空特征进行脉冲编码后，再进行特征提取得到全局时空特征，利用循环神经网络模块从全局时空特征中提取分类时空特征，对分类时空特征进行分类预测得到视频动作分类结果。在特征提取过程中对输入的数据进行脉冲编码，将特征提取过程中乘法运算变为加法运算，降低网络处理过程的运算复杂度，尤其是在长时视频的场景下，能够减少运算时间，提升运算效率。
-
公开(公告)号：CN115841142B
公开(公告)日：2023-06-06
申请号：CN202310134058.4
申请日：2023-02-20
IPC: G06N3/065 , G06N3/0464 , G06N3/08 , G06N3/049
Abstract: 本发明公开了基于深度脉冲神经网络的视觉皮层模拟方法及相关设备，所述方法包括：将与生物实验中相同的图片刺激输入到预训练的深度脉冲神经网络，得到各层的脉冲响应；采用表征相似性分析RSA或者典型相关分析CCA度量深度脉冲神经网络各层的脉冲响应和真实生物神经响应之间的相似性；选择最高的神经相似性得分作为深度脉冲神经网络的结构针对相应脑区的得分，并记录得分最高的层以与生物视觉系统进行对比。本发明利用深度脉冲神经网络对神经系统视觉皮层进行建模，可以直接与生物实验记录的时序信号进行比较，取得了相对于相似结构卷积神经网络更高的神经相似性得分，同时也在网络结构和信息处理机制方面更好地匹配了真实神经系统的性质。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
