一种基于脉冲神经网络的星体表面岩石检测算法

摘要：

深空环境下对星体表面进行岩石障碍物检测是保障巡视器安全探测的重要前提.由于星载计算设备存储容量和数据处理能力受限,大规模复杂计算并不适用于遥远的深空环境;此外,传统的岩石检测算法存在复杂度较高、能耗过大等问题.因此,文中提出了一种多分类语义分割算法Spiking-Unet,利用深度脉冲神经网络实现星体表面岩石的有效检测.首先针对星体表面岩石图像中存在的类不平衡问题,构建LovaszS_CE损失函数并训练Unet网络模型;其次,获取Unet网络模型参数,并通过参数归一化方法将其映射到Spiking-Unet网络;最后,使用基于脉冲发放频率的S-softmax函数实现岩石图像像素级分类.在公开数据集Artificial Lunar Landscape上对所提算法进行了实验,结果表明,Spiking-Unet与拓扑结构相同的Unet模型相比,在精度相近的情况下,Flops减少为原来的1/1000左右,能耗降低为原来的1/600左右.

关键词：深空探测、脉冲神经网络、岩石检测、图像分割、语义分割

所属期刊栏目：50

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金62076127

在线出版日期：2023-02-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104