Las redes neuronales artificiales (ANN) han logrado avances significativos en la detección de objetos en imágenes de teledetección. Sin embargo, la baja eficiencia de detección y el alto consumo energético han sido cuellos de botella importantes en este campo. Las redes neuronales de pulsos (SNN) procesan la información en forma de pulsos dispersos, aportando ventajas de alta eficiencia energética para las tareas de visión por computadora. Sin embargo, la mayoría de los trabajos de investigación se han centrado en tareas simples de clasificación, y solo unos pocos investigadores las han aplicado a la detección de objetos en imágenes naturales. En este artículo, considerando las características simplificadas del cerebro biológico, proponemos un método de conversión rápida de redes neuronales artificiales-a-pulsos para la detección rápida de objetos en imágenes de teledetección. Se construyó un modelo disperso rápido basado en características dispersas por grupos para la percepción de secuencias de pulsos, y se realizó un remuestreo disperso en el dominio transformado de la imagen original para percibir rápidamente las características de la imagen y la secuencia codificada de pulsos. Además, para satisfacer los requisitos de precisión en los escenarios relevantes de teledetección, se analizó teóricamente el error de conversión y se propuso un método de normalización ponderada de autodecayendo de canales para eliminar la sobreactivación neuronal. El modelo propuesto para la detección de objetos en imágenes de teledetección se denomina S3Det. Los experimentos basados en un gran conjunto de datos públicos de teledetección muestran que S3Det logra una precisión similar a la de ANN. Al mismo tiempo, la dispersión de nuestra red de conversión es del 24,32 % del algoritmo original; el consumo de energía es solo de 1,46 W, que es 1/122 del algoritmo original.

imágenes de teledetección;detección de objetivos;redes neuronales de pulsos (SNN);percepción rápida de secuencias de pulsos;normalización ponderada de autodecayendo de canales