知识卡片
汉明距离自动选最优
PCNN 每轮迭代都输出一张二值图,传统做法靠人眼挑最好的一张,既费时又无法自动停机。FSPCNN 用快速连接(FL)机制解释“何时该停”,再把这一判断变成可计算的判据。
FL 的含义:相同刺激的神经元同步得比普通神经元快,连接波在区域内传播的速度远高于神经元自身,能一次把整片像素累积起来。于是相邻两轮结果的相似度呈三段式变化。 1. 目标神经元陆续点火,细节逐步完善,背景仍被抑制,相似度非线性上升。 2. 目标完整而背景未点火,相似度达到全局极大。 3. 背景神经元开始随机点火,相似度快速下降。 判据:把分割结果缩为 32×32,计算相邻两轮的汉明距离(异或后计数),找全局极小;用前后两轮共五点的冲量法排除局部极小;再加灰度均值大于 0.01 的条件确保不是空图。命中即输出该轮结果并停止迭代。
结构图:
flowchart LR
A[第n轮二值分割] --> B[缩放为32×32]
B --> C[计算汉明距离dn]
C --> D{dn为五点极小?]
D -->|是| E{灰度均值大于0.01?}
E -->|是| F[输出并停止迭代]
E -->|否| G[继续迭代]
D -->|否| G
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 基于脉冲耦合神经网络的目标检测方法 · 查看原书依据
在迭代过程中,算法将不断寻找相邻分割结果的相似度极大值,即汉明距离极小值,该值对应的迭代轮次中的分割结果将作为最优结果被输出,同时停止迭代。
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第4章 基于脉冲耦合神经网络的目标检测方法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt004.html)
- 结论依据:PCNN 每轮迭代都输出一张二值图,传统做法靠人眼挑最好的一张,既费时又无法自动停机。
- 原始内容:在迭代过程中,算法将不断寻找相邻分割结果的相似度极大值,即汉明距离极小值,该值对应的迭代轮次中的分割结果将作为最优结果被输出,同时停止迭代。