用于高速目标检测的高效脉冲神经网络
计算机视觉与模式识别
2023-09-29 v1
摘要
脉冲神经网络（SNNs）的高生物特性与低能耗近年来备受关注。然而，转换得到的 SNN 通常需要较大时间步长才能达到满意性能，这会导致推理延迟高且计算资源增加。本工作中，我们提出了一种用于目标检测的高效快速 SNN。首先，我们通过卷积层折叠批归一化层的量化训练方法与神经网络修改构建初始紧凑 ANN。其次，我们从理论上分析如何正确获得低复杂度 SNN，进而提出尺度感知伪量化方案以保证紧凑 ANN 到 SNN 转换的正确性。第三，我们提出一种利用前馈积分发放（FewdIF）神经元的连续推理方案来实现高速目标检测。实验结果表明，我们的高效 SNN 在 GPU 上仅用 1.5MB 参数即可实现 118 倍加速用于目标检测任务。我们在 FPGA 平台上进一步验证所提 SNN，该模型可实现 800+ FPS 的极低延迟目标检测。
引用
@article{arxiv.2309.15883,
title = {Highly Efficient SNNs for High-speed Object Detection},
author = {Nemin Qiu and Zhiguo Li and Yuan Li and Chuang Zhu},
journal= {arXiv preprint arXiv:2309.15883},
year = {2023}
}