本公开涉及人工智能,具体地,涉及一种基于光电忆阻器的脉冲神经网络模型及动态物体检测方法。
背景技术:
1、传统图像处理系统应用在动态物体检测上时,需要对每一帧的整个图像信息进行操作,受冯·诺伊曼架构限制,多次处理每个像素信息会导致高计算成本并产生大量的数据存储带宽,这一缺陷在处理高帧率任务时会被进一步放大。
2、相比之下,大脑能够采用大量的突触和神经元并行处理任务,从而实现超低能耗的学习功能和记忆功能。忆阻器具有突触可塑性,能够用来模拟生物神经突触,并采用集成方式制造高密度存算一体的忆阻器阵列以用于构建类脑神经网络,器件所具有的脉冲突触塑性能够用于实现脉冲神经网络算法的权重学习,尤其在构建与生物大脑相似的脉冲神经网络具有显著优势。借助具有类生物大脑的脉冲神经网络提高计算速度并克服当前的存储墙问题,成为具有研究意义的课题。
技术实现思路
1、针对现有技术中的缺陷,本公开的目的是提供一种基于光电忆阻器的脉冲神经网络模型及动态物体检测方法。
2、为实现上述目的,根据本公开的一个方面,提供一种基于光电忆阻器的脉冲神经网络模型的动态物体检测方法,包括:
3、获取动态物体在各个时刻的位置信息;
4、采用光电忆阻器将所述动态物体在各个时刻的位置信息转化为各个时刻的光脉冲信号;
5、将所述动态物体在各个时刻的光脉冲信号输入预设的基于光电忆阻器的脉冲神经网络模型中,输出所述动态物体的运动状态。
6、可选地,所述基于光电忆阻器的脉冲神经网络模型包括第一神经元层、前脉冲神经突触、后脉冲神经突触、第二神经元层。
7、可选地,所述将所述动态物体在各个时刻的的光脉冲信号输入预设的基于光电忆阻器的脉冲神经网络模型中,输出所述动态物体的运动状态,包括:
8、将所述动态物体的当前时刻的光脉冲信号作为前脉冲信号通过所述前脉冲神经突触传递至所述第二神经元层进行累积;
9、将所述动态物体的下一时刻的光脉冲信号作为后脉冲信号通过所述后脉冲神经突触传递至所述第二神经元层进行累积;
10、根据所述第二神经元层中的神经元所累积的脉冲幅值和预设的神经元阈值,确定所述动态物体的运动状态。
11、可选地,所述根据所述第二神经元层中的神经元所累积的脉冲幅值和预设的神经元阈值,确定所述动态物体的运动状态,包括:
12、若所述第二神经元层中的神经元所积累的脉冲幅值大于所述预设的神经元阈值,激活当前神经元,抑制所述第二神经元层中的其他神经元;
13、将所述当前神经元对应的标签,确定为所述动态物体的运动状态。
14、根据本公开的第二方面,提供一种基于光电忆阻器的脉冲神经网络模型的动态物体检测系统,包括:
15、神经元层和光电忆阻器;
16、所述神经元层包括第一神经元层和第二神经元层,所述第一神经元层用于作为输入层,所述第二神经元层用于作为输出层;
17、在所述第一神经元层和所述第二神经元层之间设置两个光电忆阻器,其中一个所述光电忆阻器用于作为前脉冲神经突触,另一个所述光电忆阻器用于作为后脉冲神经突触;
18、其中,所述第一神经元层通过所述前脉冲神经突触与所述第二神经元层连接,所述第一神经元层还通过所述后脉冲神经突出与所述第二神经元层连接。
19、可选地,所述基于光电忆阻器的脉冲神经网络模型采用stdp权重更新规则学习所述前脉冲神经突触和所述后脉冲神经突触的权重。
20、可选地,所述光电忆阻器包括顶电极层、活性层、传输层、底电极层,所述底电极层设置在最底层,所述所述顶电极层设置在所述最顶层,所述传输层和所述活性层设置在所述底电极层和所述顶电极层之间,所述传输层与底电极层连接,所述活性层与所述顶电极层连接。
21、可选地,所述第二神经元层包括第一神经元、第二神经元、第三神经元以及第四神经元,所述第一神经元用于输出向上方向的运动状态,所述第二神经元用于输出向下方向的运动状态,所述第三神经元用于输出向左方向的运动状态,所述第四神经元用于输出向右方向的运动状态。
22、根据本公开的第三方面,提供一种基于光电忆阻器的脉冲神经网络模型的动态物体检测系统,包括:
23、获取模块,用于获取动态物体在各个时刻的位置信息;
24、转换模块,用于采用光电忆阻器将所述动态物体在各个时刻的位置信息转化为各个时刻的光脉冲信号;
25、动态物体状态检测模块,用于将所述动态物体在各个时刻的光脉冲信号输入预设的基于光电忆阻器的脉冲神经网络模型中,输出所述动态物体的运动状态。
26、根据本公开的第四方面,提供一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
27、根据本公开的第五方面,提供一种电子设备,包括:
28、存储器,其上存储有计算机程序;
29、处理器,用于执行所述存储器中的所述计算机程序,以实现本公开第一方面提供的所述方法的步骤。
30、与现有技术相比,本公开实施例具有如下至少一种有益效果:
31、通过上述技术方案,采用光电忆阻器的光电转换特性,将动态物体在各个时刻的位置信息进行光脉冲编码处理,转换为各个时刻的光脉冲信号,并将动态物体在各个时刻的光脉冲信号输入预设的基于光电忆阻器的脉冲神经网络模型中,从而检测动态物体的运动状态,无需多次处理像素信息,并能够降低计算成本并减少数据存储带宽,提高检测速度。
32、本公开的实施例还采用光电忆阻器和多个神经元层构建基于光电忆阻器的脉冲神经网络模型,根据忆阻器具有的突触可塑性,模拟生物神经突触,采用集成方式制造高密度存算一体的忆阻器阵列,从而构建的具有类脑神经网络的基于光电忆阻器的脉冲神经网络模型,基于忆阻器的突触可塑性还可以采用stdp权重更新规则实现基于光电忆阻器的脉冲神经网络模型的权重学习,进而实现对基于光电忆阻器的脉冲神经网络模型进行模型训练,最终实现对动态物体的检测,则采用忆阻器构建与类脑神经相似的脉冲神经网络模型具有显著优势。
1.一种基于光电忆阻器的脉冲神经网络模型的动态物体检测方法,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于光电忆阻器的脉冲神经网络模型包括第一神经元层、前脉冲神经突触、后脉冲神经突触、第二神经元层;
3.根据权利要求2所述的方法,其特征在于,所述根据所述第二神经元层中的神经元所累积的脉冲幅值和预设的神经元阈值,确定所述动态物体的运动状态,包括:
4.一种基于光电忆阻器的脉冲神经网络模型,其特征在于,包括:神经元层和光电忆阻器;
5.根据权利要求4所述的基于光电忆阻器的脉冲神经网络模型,其特征在于,所述基于光电忆阻器的脉冲神经网络模型采用stdp权重更新规则学习所述前脉冲神经突触和所述后脉冲神经突触的权重。
6.根据权利要求4所述的基于光电忆阻器的脉冲神经网络模型,其特征在于,所述光电忆阻器包括顶电极层、活性层、传输层、底电极层,所述底电极层设置在最底层,所述所述顶电极层设置在所述最顶层,所述传输层和所述活性层设置在所述底电极层和所述顶电极层之间,所述传输层与底电极层连接,所述活性层与所述顶电极层连接。
7.根据权利要求4所述的基于光电忆阻器的脉冲神经网络模型,其特征在于,所述第二神经元层包括第一神经元、第二神经元、第三神经元以及第四神经元,所述第一神经元用于输出向上方向的运动状态,所述第二神经元用于输出向下方向的运动状态,所述第三神经元用于输出向左方向的运动状态,所述第四神经元用于输出向右方向的运动状态。
8.一种基于光电忆阻器的脉冲神经网络模型的动态物体检测系统,其特征在于,包括:
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-3中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括: