TinyIceNet：面向FPGA上的低功耗SAR海冰分割
计算机视觉与模式识别
2026-03-04 v1 人工智能
硬件体系结构
摘要
准确的海冰制图对于极地区域安全的 maritime navigation至关重要，快速变化的冰 conditions 需要及时可靠的信息。虽然Sentinel-1 合成孔径雷达 (SAR) 提供了高分辨率、全天候海冰观测，但传统的地面处理受限于 downlink 带宽、延迟和与传输大量原始数据相关的能源成本。器件集成于卫星有效载荷中，为 on-board processing 提供了变革性的替代方案，通过在轨道上生成可操作的海冰产品。 在此背景下，我们提出了TinyIceNet，一个为严格硬件和功率约束下的双极化Sentinel-1 SAR 图像 on-board Stage of Development (SOD) 映射设计的紧凑语义分割网络。TinyIceNet 在AI4Arctic数据集上进行训练，结合 SAR 感知的架构简化和低精度量化以平衡准确率和效率。该模型使用 High-Level Synthesis 在 Xilinx Zynq UltraScale+ FPGA 平台上实现，演示了显著降低能源消耗的近实时推理。实验结果表明，TinyIceNet 在 SOD 分割上实现了 75.216% 的 F1 分数，能源消耗相对于全精度 GPU 基准降低了 2 倍，凸显了芯片级硬件-算法协同设计在未来太空和边缘AI系统中的潜力。
引用
@article{arxiv.2603.03075,
title = {TinyIceNet: Low-Power SAR Sea Ice Segmentation for On-Board FPGA Inference},
author = {Mhd Rashed Al Koutayni and Mohamed Selim and Gerd Reis and Alain Pagani and Didier Stricker},
journal= {arXiv preprint arXiv:2603.03075},
year = {2026}
}
备注
undergoing publication at CVC 2026