公开(公告)号：CN115393672A

公开(公告)日：2022-11-25

申请号：CN202211028887.6

申请日：2022-08-26

Applicant: 南京大学

Inventor： 岳涛 ,  王紫璇 ,  胡雪梅 ,  王凯

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开一种用于多点高光谱二分类的权重训练方法。其采用基于复合介质栅结构的器件，该器件可依次完成对光的线性响应及调和非线性运算，具体方法包括以下步骤：(1)根据所述器件完成的线性响应及调和非线性运算建立初步模型；(2)考虑所述器件的实际限制情况，结合分类任务的需求为初步模型添加对偶运算，并施加约束条件，得到分类模型；(3)使用开源高光谱分类数据集，对训练数据添加噪声并插值，对标签进行二值化处理，最后使用梯度下降法对所述分类模型进行权重更新，直至收敛。本发明有效解决了针对基于复合介质栅结构这类器件完成多点高光谱二分类的权重训练问题，可实现片上高光谱多点分类的任务。

公开(公告)号：CN114926517A

公开(公告)日：2022-08-19

申请号：CN202210548361.4

申请日：2022-05-20

Applicant: 南京大学

Inventor： 岳涛 ,  王紫璇 ,  胡雪梅

IPC: G06T7/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于脉冲神经网络的双目事件深度估计方法。其步骤为：(1)选取双目事件深度数据集；(2)构建基于UNet的脉冲神经网络，包括编码器、瓶颈模块、解码器、特征监督模块与边缘正则模块；(3)将双目事件输入神经网络，提取多尺度编码脉冲与编码特征、多阶段解码脉冲与边缘预测脉冲，将多阶段解码脉冲依次输入无穷阈值非脉冲神经元，非脉冲神经元的电位值与边缘预测神经元的电位值相加得到深度图；(4)构建神经网络的损失函数，包括深度图回归损失、特征绝对值损失和边缘二元交叉熵损失，根据损失函数训练神经网络；(5)将测试集双目事件输入训练好的神经网络，得到深度图。本发明可解决深度SNN的性能退化问题。