基于脉冲神经网络的轻量化SAR图像舰船识别算法

TN957.52%TP391.4; 针对传统方法进行合成孔径雷达(SAR)图像目标识别存在参数多、能耗高等问题,提出了一种基于脉冲神经网络(SNN)的轻量化SAR图像舰船识别算法.首先,利用视觉注意力机制提取SAR图像视觉显著图,采用泊松编码器进行脉冲序列编码,能抑制背景噪声干扰.然后,结合泄漏整合发射(LIF)脉冲神经元和卷积神经网络,构建融合时序信息的SNN模型,能实现SAR图像舰船识别.最后,采用反正切函数作为反向传播时脉冲发射函数的梯度替代函数对SNN模型进行优化,能解决模型难以训练的问题.实验结果表明所提算法具有高精度、少参数、高效率和低能耗等优势,能实现SAR图像高效准确舰船识别....

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 45; no. 4; pp. 474 - 482
Main Authors 谢洪途, 陈佳兴, 张琳, 朱楠楠
Format Journal Article
LanguageChinese
Published 中山大学·深圳 电子与通信工程学院,广东 深圳 518107%空军预警学院,湖北 武汉 430019%中山大学 系统科学与工程学院,广东 广州 510275 15.04.2024
Subjects
合成孔径雷达图像
脉冲神经网络
舰船识别
synthetic aperture radar(SAR)image
ship recognition
spiking neural network(SNN)
轻量化
lightweight
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2024.04.003

Cover

More Information
Summary:TN957.52%TP391.4; 针对传统方法进行合成孔径雷达(SAR)图像目标识别存在参数多、能耗高等问题,提出了一种基于脉冲神经网络(SNN)的轻量化SAR图像舰船识别算法.首先,利用视觉注意力机制提取SAR图像视觉显著图,采用泊松编码器进行脉冲序列编码,能抑制背景噪声干扰.然后,结合泄漏整合发射(LIF)脉冲神经元和卷积神经网络,构建融合时序信息的SNN模型,能实现SAR图像舰船识别.最后,采用反正切函数作为反向传播时脉冲发射函数的梯度替代函数对SNN模型进行优化,能解决模型难以训练的问题.实验结果表明所提算法具有高精度、少参数、高效率和低能耗等优势,能实现SAR图像高效准确舰船识别.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2024.04.003