<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Wu X. </author>
     <author>Абламейко C. В.</author>
    </authors>
   </contributors>
   <titles>
    <title>SpikeYOLO-RS: усовершенствованная спайк-сверточная нейронная сеть для обнаружения объектов на изображениях дистанционного зондирования Земли</title>
   </titles>
   <keywords>
    <keyword>изображения дистанционного зондирования</keyword>
    <keyword>обнаружение объектов</keyword>
    <keyword>спайковые нейронные сети</keyword>
    <keyword>YOLO</keyword>
    <keyword>SpikeYOLO</keyword>
   </keywords>
   <dates>
    <year>2026</year>
    <pub-dates>
     <date>2026-01-22</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>Предлагается новая сеть SpikeYOLO-RS, основанная на комбинации сверточных и импульсных нейронных сетей, для повышения точности анализа изображений дистанционного зондирования (ДЗ) Земли. Реализован механизм динамического затухания мембранного потенциала, где фиксированный коэффициент затухания преобразован в обучаемый параметр. Обновление мембранного потенциала оптимизировано через векторизованные параллельные вычисления. Для улучшения способности слияния признаков введены обучаемые остаточные веса и реструктуризирован вычислительный поток. На наборе данных RSOD достигнуты показатели 96.8 % mAP 50 и 64.8 % mAP 50:95, что на 6.7 и 2.3 % выше предыдущего SpikeYOLO. На датасете NWPU-VHR-10 получено 92.8 % mAP 50, что на 1.5 % превосходит результаты базовой SpikeYOLO при идентичной архитектуре.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/20330</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/20202</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
