[發明專利]一種基于延遲機制的單層圖像分類方法

有效

• 申請號: 202110676241.8
• 申請日: 2021-06-18
• 公開（公告）號: CN113408613B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 李建平;萇澤宇;馮文婷;肖飛
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/063;G06N3/08
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李林合

本發明公開了一種基于延遲機制的單層圖像分類方法，屬于圖像處理技術領域，其包括以下步驟：S1、構建圖像分類模型；S2、采用圖像集對圖像分類模型進行訓練，得到訓練完成的圖像分類模型；S3、采用訓練完成的圖像分類模型對圖像進行分類，得到圖像的類別；圖像分類模型包括依次連接的特征提取單元、脈沖延遲編碼單元和單層分類器；本發明解決了Tempotron學習算法僅僅依靠調整突觸權重，導致學習效果極易受到干擾的問題。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種基于延遲機制的單層圖像分類方法。

背景技術

Tempotron是對脈沖神經元膜電壓變化描述的最早的算法之一，開創性地描述了基于膜電壓驅動的一類算法的基本特征。突觸權重的調整只與最大膜電壓有關，只需要考慮閾值、核函數的影響。Tempotron在脈沖神經網絡中的作用類似于感知機的基礎作用。Tempotron算法的簡單性導致其只能解決二分類問題。但是眾多的科研工作者也基于Tempotron算法進行了大量的創新和改進

Tempotron算法主要有兩個缺陷：一是突觸后膜電壓只能發放一個脈沖，然后不再接收傳入信號，導致了Tempotron算法的局限性，針對這個問題，有學者已經提出了Muti-Tempotron等算法進行優化解決；二是Tempotron算法調整策略單只能通過突觸權重的調整完成訓練和學習的目的。然而，單一的調整策略導致學習算法的學習效率低，且學習效果極易受到干擾。

發明內容

針對現有技術中的上述不足，本發明提供的一種基于延遲機制的單層圖像分類方法解決了Tempotron學習算法僅僅依靠調整突觸權重，導致學習效果極易受到干擾的問題。

為了達到上述發明目的，本發明采用的技術方案為：一種基于延遲機制的單層圖像分類方法，包括以下步驟：

S1、構建圖像分類模型；

S2、采用圖像集對圖像分類模型進行訓練，得到訓練完成的圖像分類模型；

S3、采用訓練完成的圖像分類模型對圖像進行分類，得到圖像的類別。

進一步地，步驟S1中圖像分類模型包括依次連接的特征提取單元、脈沖延遲編碼單元和單層分類器；

所述特征提取單元用于對圖像進行特征提取，得到特征圖像數據；

所述脈沖延遲編碼單元用于對特征圖像數據進行編碼，得到激發脈沖時間序列；

所述單層分類器用于處理激發脈沖時間序列，得到圖像的類別。

進一步地，脈沖延遲編碼單元對特征圖像數據進行編碼的公式為：

t_i＝t_max-ln(ax_i+1) (1)

其中，t_i為第i個像素點對應的激發脈沖時間點，t_max為編輯時間窗的大小，a為編碼參數，x_i為特征圖像數據對應的第i個像素點的像素值。

進一步地，單層分類器的輸入層包括：正模式L+和負模式L-兩類神經元，共計N個神經元；

其訓練方法為：

A1、根據激發脈沖時間序列，計算激發脈沖時間序列在輸入到單層分類器的輸入層神經元后，輸入層神經元的脈沖膜電位電壓：

A2、判斷在正模式L+下，時刻輸入層神經元的脈沖膜電位電壓是否小于閾值，若是，則找到時刻之前的所有激發脈沖時間點，在d_i延遲上增加延遲并跳轉至步驟A3，若否，則跳轉至步驟A8，其中，為激發脈沖時間序列的某個時間點，d_i為輸入層第i個神經元的延遲；