Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种SNN的生成方法、基于SNN的图像处理方法和装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:杭州海康威视数字技术股份有限公司

摘要: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。

主权项:1.一种SNN的生成方法,其特征在于,所述方法包括:确定基于预先训练完成的人工神经网络ANN转换得到的脉冲神经网络SNN,作为初始的SNN;其中,所述ANN为基于图像样本训练得到的、用于进行图像数据处理的网络;针对所述初始的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所述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,该神经元层中每一神经元对应的候选激活阈值,得到该神经元层中每一神经元对应的初始激活阈值;其中,所述ANN中相应的神经元层为转换时与所述初始的SNN中的该神经元层相对应的神经元层;针对所述初始的SNN中的每一神经元,基于该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对应的激活阈值;其中,所述拟合函数为使得时间步长越长激活阈值越大,且激活阈值的增加幅度随着时间步长增加而降低的函数;将计算得到的各个神经元在不同时间步长下对应的激活阈值作为模型参数,对所述初始的SNN进行参数赋值,得到所对应输入数据为图像的脉冲序列、且用于进行所述图像数据处理的SNN。

全文数据:

权利要求:

百度查询: 杭州海康威视数字技术股份有限公司 一种SNN的生成方法、基于SNN的图像处理方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。