1.一種融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，包括：
2.如權(quán)利要求1所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述高速成像事件相機(jī)的動(dòng)態(tài)范圍大于120db、空間分辨率大于2k且平均功耗小于1w。
3.如權(quán)利要求1所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，每一所述時(shí)空事件流數(shù)據(jù)中均包括：?jiǎn)晤?lèi)目標(biāo)和多類(lèi)目標(biāo)。
4.如權(quán)利要求3所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述步驟s2具體包括：
5.如權(quán)利要求4所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述步驟s3具體包括：
6.如權(quán)利要求5所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述標(biāo)注后的數(shù)據(jù)集按照8:2的比例，劃分為所述訓(xùn)練集和所述測(cè)試集。
7.如權(quán)利要求5所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述步驟s4中，構(gòu)建單階段卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別模型，具體包括：
8.如權(quán)利要求7所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述步驟s4.5中，所述的設(shè)定損失函數(shù)以及優(yōu)化策略包括：通過(guò)計(jì)算最小化空中目標(biāo)預(yù)測(cè)邊界框和真實(shí)邊界框的左上點(diǎn)和右下點(diǎn)距離，以得到重疊或不重疊區(qū)域、中心點(diǎn)距離、寬度和高度偏差，同時(shí)簡(jiǎn)化了計(jì)算過(guò)程，具體為：
9.如權(quán)利要求8所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述步驟s5具體包括：
10.如權(quán)利要求9所述的融合事件相機(jī)和深度學(xué)習(xí)的空中目標(biāo)檢測(cè)方法，其特征在于，所述步驟s5.2具體包括：根據(jù)所述單階段卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別模型輸出的目標(biāo)的類(lèi)型、檢測(cè)準(zhǔn)確率及目標(biāo)框位置，采用準(zhǔn)確率p、召回率r和平均精度map來(lái)作為評(píng)估網(wǎng)絡(luò)性能的關(guān)鍵指標(biāo)，正樣本指預(yù)測(cè)為正的樣本，準(zhǔn)確率指預(yù)測(cè)為正的樣本中實(shí)際為正的比例，召回率指正樣本中被正確預(yù)測(cè)的比例，ap表示某一類(lèi)別的平均準(zhǔn)確率，各參數(shù)的具體表達(dá)式分別為：