基于仿生识别系统的多尺度解决方法

作     者：徐江涛 周义豪 高志远 杨喆 Xu Jiangtao;Zhou Yihao;Gao Zhiyuan;Yang Zhe

作者机构：天津大学微电子学院天津市成像与感知微电子技术重点实验室天津300072 广东工业大学计算机学院广东广州510006 

出 版 物：《南开大学学报（自然科学版）》 (Acta Scientiarum Naturalium Universitatis Nankaiensis)

年 卷 期：2020年第53卷第4期

页      面：47-51页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61774110) 

主　　题：仿生视觉芯片 神经网络 多尺度识别 多尺度池化 缩放法 

摘      要：基于神经网络实现的仿生识别系统不仅存在输入尺度限制问题,还由于数据格式的差异不兼容现有解决方案.针对此问题,提出用于仿生识别系统的3种不同多尺度输入解决方法,分别为基于输入事件的缩放法,基于动态窗口的多尺度池化法以及一种新的基于池化层特征的特征缩放法.实验基于相同的前馈分类系统,进行各方法的资源消耗和系统识别率对比.结果表明,多尺度池化法对应的权值数仅为其他两种方法的3.83%,但识别率较低;相比事件缩放法,所提出的特征缩放法能够提升识别率5.54%,算法执行次数减少59.16%,适用于仿生识别系统.