一种基于改进脉冲神经网络的静态图与事件流分类方法

本发明属于脉冲神经网络领域，具体涉及一种基于改进脉冲神经网络的静态图与事件流分类方法，包括：获取视觉数据输入训练好的视觉目标分类模型，得到分类结果；模型的训练过程包括：获取视觉数据集，对视觉数据集中的视觉数据进行预处理并转化为时序脉冲输入序列；将时序脉冲输入序列输入嵌有双通路移位混合单元的脉冲神经网络，得到脉冲输出序列；将脉冲输出序列输入分类器，得到分类结果；根据分类结果计算损失函数值，根据损失函数值更新视觉目标分类模型的参数，当损失函数值收敛时，得到训练好的视觉目标分类模型；本发明以轻量级方法显示刻画静态图和事件流图像数据跨时间与跨通道的关联关系，可在更少的时间步下超过现有方法的分类精度。