-
公开(公告)号：CN117994627A
公开(公告)日：2024-05-07
申请号：CN202211418306.X
申请日：2022-11-14
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种脉冲神经网络训练方法、装置、电子设备及存储介质，所述方法包括：获取已训练的人工神经网络中的网络参数；将已训练的人工神经网络中的网络参数转换为待训练脉冲神经网络的参数，得到已训练的目标脉冲神经网络。由于已训练的人工神经网络中的激活函数是根据脉冲神经网络中的神经元的输出脉冲速率函数，以及神经元的输出脉冲速率与激活函数的输出激活值之间的映射关系得到的，所以在将该已训练的人工神经网络中的参数映射到待训练脉冲神经网络中时，消除了转换误差，提高了脉冲神经网络的应用效率，可以以最小的时间步长实现人工神经网络至脉冲神经网络的无损转换。
-
公开(公告)号：CN117973461A
公开(公告)日：2024-05-03
申请号：CN202410172204.7
申请日：2024-02-06
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种SNN的生成方法、基于SNN的图像处理方法和装置，涉及深度学习技术领域。具体实现方案为：确定基于预先训练完成的ANN转换得到的SNN，作为初始的SNN；针对SNN中的每一神经元层，基于该神经元层中每一神经元对应的各个候选激活阈值，确定使得该神经元层与ANN中相应的神经元层、对于相同的图像样本的输出分布差异最小时，每一神经元对应的候选激活阈值，作为该神经元对应的初始激活阈值；基于每一神经元对应的初始激活阈值以及预设的拟合函数，计算该神经元在不同时间步长下的激活阈值；将计算得到的激活阈值作为模型参数，对初始的SNN进行参数赋值，得到用于进行图像数据处理的SNN。可见，本方案可以兼顾SNN的性能以及在应用时的效率。
-
公开(公告)号：CN117994149A
公开(公告)日：2024-05-07
申请号：CN202410172631.5
申请日：2024-02-06
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/60 , H04N21/466 , H04N23/741 , H04N19/20 , H04N23/50 , G06T5/90 , G06N3/049 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本申请公开了图像重建方法及脉冲相机，方法包括：通过脉冲相机获取预设时间步长内的异步事件数据流，基于时间步长将异步事件数据流划分为多个具有相同时间戳的异步事件，异步事件包括至少一个像素事件的事件数据，事件数据包括像素事件的时间戳和空间信息；将每一个异步事件输入脉冲神经网络模型，进行编码以获取多个脉冲序列，在时间维度上对多个脉冲序列进行归一化处理后输出特征脉冲序列；将特征脉冲序列输入卷积神经网络模型进行卷积和特征提取处理，得到目标重建图像。本申请能够能有效利用异步事件数据流的时空信息，提高了图像重建任务的整体性能。
-
-
Search Results
3
records
(took 0.029 seconds)
