Detection method of remote sensing images based on brain-inspired spiking neural networks

与第二代人工神经网络（ANN）相比，第三代类脑脉冲神经网络（SNNï¼‰ç”±äºŽå ¶é«˜èƒ½æ•ˆã€é«˜ä»¿ç”Ÿã€å¯è§£é‡Šç­‰ç‰¹ç‚¹ï¼Œåœ¨é¥æ„Ÿå½±åƒæ™ºèƒ½å¤„ç†çš„é«˜èƒ½æ•ˆã€é«˜ç²¾åº¦ã€é«˜å¯è§£è¯‘æ–¹é¢å ·æœ‰è¾ƒå¤§çš„æ½œåœ¨ä¼˜åŠ¿ã€‚é’ˆå¯¹çŽ°æœ‰è„‰å†²ç¥žç»ç½‘ç»œç®—æ³•å»¶æ—¶è¾ƒå¤§çš„é—®é¢˜ï¼Œæœ¬æ–‡æå‡ºä¸€ç§åŸºäºŽç±»è„‘è„‰å†²ç¥žç»ç½‘ç»œçš„é¥æ„Ÿå›¾åƒæ£€æµ‹ç®—æ³•ã€‚è¯¥ç®—æ³•é¦–å ˆæ­å»ºäº†ä¸€ä¸ªå¸¦æœ‰åŠ¨æ€è£å‰ªé˜ˆå€¼æ¿€æ´»å‡½æ•°çš„ç›®æ ‡æ£€æµ‹ç¥žç»ç½‘ç»œä½œä¸ºæºç½‘ç»œè¿›è¡Œé¢„è®­ç»ƒï¼ŒéšåŽå€ŸåŠ©è®­ç»ƒè¿‡ç¨‹ä¸­å¾—åˆ°çš„è£å‰ªé˜ˆå€¼ï¼Œé€šè¿‡æ¿€æ´»ç¥žç»å ƒä¸Žè„‰å†²ç¥žç»å ƒçš„æ˜ å°„å ³ç³»å°†æºç½‘ç»œè½¬æ¢ä¸ºç±»è„‘è„‰å†²ç¥žç»ç½‘ç»œï¼Œåœ¨ç»§æ‰¿æºç½‘ç»œè¾ƒé«˜ç²¾åº¦çš„åŒæ—¶è¿˜å ·å¤‡äº†ä½Žå»¶è¿Ÿã€é«˜ä»¿ç”Ÿçš„ç‰¹ç‚¹ã€‚åœ¨SAR-Ship-Detection-Datasets（SSDD）和RSODä¸¤ä¸ªå ¬å¼€é¥æ„Ÿæ•°æ®é›†ä¸Šçš„å®žéªŒç»“æžœè¡¨æ˜Žï¼Œè¯¥æ–¹æ³•èƒ½å¤Ÿä»¥æžä½Žçš„æŸå¤±å°†æºç½‘ç»œè½¬æ¢è‡³ç±»è„‘è„‰å†²ç¥žç»ç½‘ç»œï¼Œå¹¶èƒ½åœ¨ä½Žæ—¶é—´æ­¥ä¸‹å¯¹é¥æ„Ÿç›®æ ‡å®žçŽ°è¾ƒé«˜çš„æ£€æµ‹è¯†åˆ«ç²¾åº¦ã€‚åŒæ—¶è¯¥æ–¹æ³•èƒ½å¤Ÿåœ¨ç»§æ‰¿ANN网络易于训练的特性与精度优势的同时，å 分展现SNN的高稀疏度的带来的巨大能效优势。