一种基于脉冲类脑模型的快速增量学习技术

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。