一种基于自适应阈值整数激活神经元的脉冲神经网络训练方法

本发明公开了一种基于自适应阈值整数激活神经元的脉冲神经网络训练方法，具体包括以下步骤：输入神经形态数据流或者静态图像，经过时间编码生成脉冲序列，以此作为模型的输入；在主干网络中，使用基于自适应阈值整值激活的LIF神经元的SNN模块进行下采样和提取多尺度特征；以及将视觉任务分为图像识别，图像检测与图像分割，分别接入不同的处理模块进行处理输出；本发明通过在Meta‑SpikeFormer元模块的基础上，使用一种基于自适应阈值整值激活的LIF神经元的脉冲神经网络，减小训练时的内存开销，提高直接训练的网络性能，拓展脉冲神经网络的应用范围，让网络更好地应用到图像分类，识别与分割任务中。