信息工程学院

讲座时间：2023年12 月 7 日 14 时 00 分

讲座地点：工B308

讲座对象：信息工程学院全体教师

讲座摘要：   

    脉冲耦合神经网络在信息检索、深度估计和目标检测等许多领域表现良好。基于脉冲耦合神经网络(pulse coupled neural network, PCNN)理论，构建视觉感知模型框架，搭建真实图像再现平台。该模型首先分析了神经网络多类分类器的结构和泛化能力，采用特征空间的极大极小准则作为视觉感知决策节点的分裂准则，解决了神经网络学习算法的泛化问题。在仿真过程中，采用二维最大类间方差法优化初始阈值，为提高算法的实时性，推导并给出了神经网络的快速递推公式。从PCNN的耦合特性、图像的连接紧密空间和灰度特性确定图像连接强度系数的局部灰度均方误差，综合考虑像素的空间和灰度值差异确定其连接权重矩阵。数字实验表明，与多个单任务的串联网络模型相比，多尺度多任务脉冲耦合神经网络模型能够将总训练时间缩短17小时，任务测试数据集的综合精度提高1.04%，每幅图像的检测时间缩短4.8秒。与传统PCNN算法相比，具有视觉感知快、目标轮廓分割清晰的优点，有效提高了模型的抗干扰性能。