인공신경망(ANN)은 원격탐사 영상 목표검출 분야에서 상당한 진전을 이루었습니다. 그러나 낮은 검출 효율과 높은 에너지 소비는 원격탐사 분야의 주요 병목 현상으로 남아 있습니다. 스파이크 신경망(SNN)은 희소한 펄스 형태로 정보를 처리하여 컴퓨터 비전 과제에서 높은 효율성을 제공합니다. 하지만 대부분의 연구는 단순 분류 작업에 집중되어 있으며, 자연 이미지의 객체 검출에 적용한 연구는 소수에 불과합니다. 본 논문은 생물학적 뇌의 간결한 특성을 고려하여 인공-스파이크 신경망의 빠른 변환 방법을 제안하며, 이를 원격탐사 영상 검출에 적용합니다. 그룹 희소 특징을 기반으로 빠른 희소 모델을 구축하여 펄스 시퀀스를 인지하고, 원본 이미지의 변환 영역 내에서 희소 재샘플링을 수행하여 이미지 특징과 부호화된 펄스 시퀀스를 빠르게 인지합니다. 또한 관련 원격탐사 시나리오의 정확도 요구를 충족하기 위해 변환 오차를 이론적으로 분석하고, 뉴런 과도 활성화를 제거하기 위한 채널 자기 감쇠 가중 정규화 방법을 제안합니다. 제안된 원격탐사 영상 목표검출 모델은 S3Det로 명명됩니다. 대규모 공개 원격탐사 데이터셋을 기반으로 한 실험 결과, S3Det는 ANN과 유사한 정확도를 달성했습니다. 동시에 변환 네트워크의 희소도는 원래 알고리즘의 24.32%이며, 에너지 소비는 1.46 W에 불과해 원래 알고리즘의 1/122 수준입니다.

원격탐사 영상;목표 검출;스파이크 신경망(SNN);펄스 시퀀스 빠른 인지;채널 자기 감쇠 정규화