基于SpikeYOLO改进的视频目标检测算法

来源：计算机测量与控制杂志2026年第3期北京时间：

作者：张昭然

摘要：脉冲神经网络由其突出的生物可解释性和能效，在对能量消耗有极端限制的应用领域正在受到越来越多的关注，但目前已实现算法普遍存在识别能力相对传统算法较弱、未充分利用输入数据的时间相关性等问题；为此提出了一种基于SpikeYOLO的改进算法TS-SpikeYOLO，该算法在原算法的特征提取结构后引入多尺度扩张卷积MSGDC与残差时移TS模块，通过将过去相邻帧的部分通道移入本帧并进行特征融合，在增加少量参数的情况下改善了算法的信息提取和时间相关性的利用能力；通过引入多尺度扩张卷积和残差结构使算法能够有效融合调整后的特征图并减小非本帧特征引入导致的算法表达能力减弱和训练不稳定；实验结果表明，该算法在选取人与车两种目标的COCO2017静态数据集上的mAP50达到72.0%，在类似的基于KITTI和MOT15数据集制作的动态数据集上的mAP50也达到80.1%，相比基本算法分别提升了1.7%和1%，而算法参数量仅增加2%, 有利于提升脉冲神经网络在视频相关目标识别任务上的应用前景。

关键词：脉冲神经网络;时移模块;视频目标识别;多尺度扩张卷积;SpikeYOLO