一种基于脉冲神经网络的水下目标检测方法

一种基于脉冲神经网络的水下目标检测方法，可实现兼顾高精度与低功耗的水下目标检测。通过融合跨阶段部分网络与YOLO架构，有效解决了脉冲退化问题，增强了模型的特征提取能力；针对水下噪声干扰的问题，设计了一种基于脉冲的水下图像去噪方法，该方法仅使用整数加法，可无缝嵌入脉冲神经网络结构，增强特征图质量；针对传统归一化方法在脉冲神经网络中精度低的问题，提出分离式批量归一化，通过在多个时间步长中独立归一化特征图，并针对残差结构优化，可以有效捕捉SNN的时间动态，提高检测精度。该网络在水下目标检测中表现出优良的性能，相较于同等规模的人工神经网络，拥有更高的性能与更低的能耗。