에너지 효율적인 스파이킹 신경망과 양방향 특징 피라미드 네트워크를 결합한 개선된 객체 탐지 모델 (An Enhanced Object Detection Model Combining Energy-Efficient Spiking Neural Networks and Bidirectional Feature Pyramid Networks)

서지정보

· 발행기관 : 한국방송∙미디어공학회
· 수록지 정보 : 방송공학회 논문지 / 30권 / 1호 / 1 ~ 11페이지
· 저자명 : 김선옥, 한주현, 김민수

초록

합성 개구 레이더(Synthetic Aperture Radar, SAR) 영상에서의 정확한 선박 탐지는 해양 분야에 필수적이다. 그러나 SAR 영상의데이터 복잡성과 효율성 요구로 인해 기존의 딥러닝 모델은 한계에 봉착하고 있다. 본 연구에서는 스파이킹 신경망(Spiking NeuralNetwork, SNN) 백본 EMS-ResNet과 양방향 특징 피라미드 네트워크(Bidirectional Feature Pyramid Network, BiFPN)를 결합한 새로운 모델을 제안한다. EMS-ResNet은 스파이킹 뉴런으로 효율성을 높여 고해상도 SAR 영상 처리에 적합하며, BiFPN은 다중 스케일특징 융합으로 선박 탐지 성능을 향상시킨다. High-Resolution SAR Images Dataset(HRSID)을 이용해 실험한 결과, 제안 모델은 우수한 탐지 성능을 보였고, 특히 파라미터 수를 크게 감소시켜 기존 모델들에 비해 에너지 소비 측면에서 뛰어난 결과를 보였다.

영어초록

Accurate ship detection in Synthetic Aperture Radar (SAR) imagery is essential for the maritime sector. However, existing deeplearning models encounter limitations due to the complexity of SAR data and the demands for computational efficiency. In this study,we propose a novel model that integrates the Spiking Neural Network (SNN) backbone EMS-ResNet with the Bidirectional FeaturePyramid Network (BiFPN). EMS-ResNet enhances efficiency through spiking neurons, making it well-suited for processinghigh-resolution SAR images, while BiFPN improves ship detection performance through multi-scale feature fusion. Experimental resultsutilizing the High-Resolution SAR Images Dataset (HRSID) demonstrate that the proposed model achieves superior detection performanceand, notably, significantly reduces the number of parameters, resulting in outstanding energy efficiency compared to existing models.

참고자료

· 없음