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！

龙图腾网获悉东华大学;北京航空航天大学申请的专利一种基于均匀泊松编码的脉冲神经网络目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116543214B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310522420.5，技术领域涉及：G06V10/764；该发明授权一种基于均匀泊松编码的脉冲神经网络目标检测方法是由韩芳;黄庆杰;王琦少;王青云设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本一种基于均匀泊松编码的脉冲神经网络目标检测方法在说明书摘要公布了：本发明提供了一种基于均匀泊松编码的脉冲神经网络目标检测方法，构造脉冲神经网络模型实现视频目标检测算法，利用脉冲神经网络在专属硬件上具有较低功耗的特点，为目标检测算法的边缘设备应用提供软件方案。本发明以YOLOv4‑tiny为模型基础，使用ANN‑SNN的训练方法。在ANN训练中使用了泊松编码对图像进行预处理，减少了预测时使用泊松编码而导致的信息丢失同时增加了系统的鲁棒性以及对遮挡物体的识别。对ANN模型中原有Leak‑ReLU函数和SNN模型中IF神经元进行改进，进一步减少ANN‑SNN而产生的误差，提升SNN的预测准确性。

本发明授权一种基于均匀泊松编码的脉冲神经网络目标检测方法在权利要求书中公布了：1.一种基于均匀泊松编码的脉冲神经网络目标检测方法，其特征在于包括如下步骤： 步骤S1，选取YOLOv4‑tiny网络为ANN模型，在图像预处理阶段，使用多通道泊松编码对图像进行编码，一共产生512个时间步长的泊松编码；泊松编码后的图片按照三种维度进行数据增强：原有编码进行叠加，在全部时间步长范围内对随机区域进行丢弃或填充，在随机时间步长内对随机事件区域进行丢弃或填充；对ANN模型进行预调整，最大池化用平均池化进行替代； 步骤S2，对ANN模型进行训练，得到权重； 步骤S3，使用ANN模型进行预测，得到ANN各激活层神经元的输出；共预测5000张不同的图片，每个神经元在5000个输出中选取99.9％峰位的正激活值和负激活值作为后续SNN的阈值和ANN中Leak‑ReLU激活函数的阈值； 步骤S4，使用带阈值的Leak‑ReLU激活函数，对ANN模型在原有权重上进行继续训练，得到新的ANN权重;Leak‑ReLU激活函数描述为： 其中x表示为输入，a表示为Leak‑ReLU激活函数在负激活部分的斜率，表示ANN中的99.9％峰位的正激活，表示ANN中的99.9％峰位的负激活； 步骤S5，使用软复位改后SNN中IF神经元为： vlt＝vlt‑1+Wlxl‑1t+bl‑xlt 4式中，向量表示阈值，向量Wl，bl表示第l层权重与偏置，向量表示第l层神经元在t时刻发放脉冲前的膜电位，向量vlt‑1表示第l层所有神经元在t‑1时刻的剩余膜电位，向量xl‑1t表示t时刻第l‑1层神经元释放的脉冲，同时也是第l层的输入； 添加负阈值和负激活；改进IF神经元加入负激活和负阈值，同时通过设置初始膜电压、神经元偏置以减小ANN‑SNN法所带来的误差，最终改进后的神经元膜电位vlt描述为： 设置初始阈值当神经元输入为正时当输入为负时步骤S6，搭建SNN目标检测模型，选择用多通道泊松编码将图片变成0,1脉冲，使其均匀分布作为输入，将ANN模型中Leak‑ReLU函数用改进后的IF神经元代替，完成基于脉冲神经网络的目标检测模型搭建。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东华大学;北京航空航天大学，其通讯地址为：200051 上海市长宁区延安西路1882号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。