Искусственные нейронные сети (ANN) добились значительных успехов в обнаружении объектов на изображениях дистанционного зондирования. Тем не менее, низкая эффективность обнаружения и высокое энергопотребление по-прежнему остаются важными препятствиями в области дистанционного зондирования. Сети импульсных нейронов (SNN) обрабатывают информацию в виде разреженных импульсов, что приносит высокую энергоэффективность для задач компьютерного зрения. Тем не менее, большинство исследований сосредоточены только на простых задачах классификации, и лишь немногие исследователи применяли их для обнаружения объектов на естественных изображениях. Исходя из простоты биологического мозга, мы предлагаем быстрый метод преобразования искусственной - импульсной нейронной сети для обнаружения изображений дистанционного зондирования. На основе острой разреженной особенности построения быстрой разреженной модели для восприятия импульсов и кодирования исходной картинки в области преобразования импульсов, что обеспечивает быстрое восприятие изображения и кодирование импульсного ряда. Кроме того, чтобы удовлетворить требования точности в соответствующих сценах дистанционного зондирования, мы анализируем теоретически ошибку преобразования, предлагая метод нормализации взвешенного самораспадающего канала для устранения излишнего возбуждения нейронов. Предложенная модель обнаружения объектов на изображении дистанционного зондирования называется S3Det. Основанные на экспериментах с использованием крупных открытых наборов данных дистанционного зондирования, S3Det достигает сходную точность с ANN. В то же время плотность нашей преобразовательной сети составляет 24,32% от оригинального алгоритма; потребляемая энергия всего 1,46 Вт, что составляет 1/122 от оригинального алгоритма.

Изображение дистанционного зондирования; Обнаружение объектов; Сети импульсных нейронов (SNNs); Быстрое восприятие последовательности импульсов (SSRS); Нормализация взвешенного самораспадающего канала (CSWN)