SpikeAD：面向节能小目标检测的无乘法脉冲控制神经形态架构

能量受限的空中平台需要在严格的功耗与延迟预算下实现精确的目标检测，然而传统推理仍然受限于乘累加（MAC）运算。尽管脉冲神经网络（SNN）提供了受生物启发的效率，但许多 SNN 检测器在中间层保留了混合 MAC，或者采用脉冲驱动推理，其中多级脉冲被解释为重复的二值事件。我们提出 SpikeAD，一种直接训练的脉冲控制神经形态空中检测器。在 SpikeAD 中，稀疏有界整数脉冲严格作为多路复用器控制信号，用于无乘法器的移位-加法推理，在四尺度双向特征金字塔中保持脉冲边界。我们引入脉冲门控多尺度（SGMS）模块，通过活动驱动的通道选择进行感受野扩展，可用加法器和比较器实现。在 VisDrone 和 DOTA 上、跨 Nano、Small 和 Medium 变体进行评估，SpikeAD 在 VisDrone 上达到最高 46.2% mAP@50（比 SNN 先前工作提升 4.8%），并使用所提出的 SpikeOBB 头泛化到定向边界框（DOTA 上 77.6% mAP@50）。在遵循 SNN 文献标准方法的 Horowitz 45nm 算术能量模型下，SpikeAD 相对于等效的基于 MAC 的实现实现了最高 18.9 倍的估计降低。我们提出脉冲处理核心（SPC），一种 RTL 计算原语，用于验证在 FPGA/ASIC 上可重构和可扩展的定制加速器芯片设计的硬件可实现性，突显了通往下一代超低功耗神经形态处理器用于空中目标检测的有前景路径。开源和开放权重 GitHub 仓库的链接将在发表后添加。

中文由 AI 翻译，仅供参考，以原文为准。