告别水下模糊！SU-YOLO：轻量化+尖峰神经网络，用“类脑计算”实现水下目标毫秒级识别

水下物体探测对于海洋研究和工业安全检查至关重要。然而，复杂的光学环境和有限的水下设备资源给实现高精度和低功耗带来了巨大挑战。为了解决这些问题，提出了一种尖峰神经网络（SNN）模型------尖峰水下YOLO（SU-YOLO）。利用SNN的轻量级和高**能效特性，SU-YOLO采用了一种新颖的基于尖峰的水下图像识别方法，该方法完全基于整数加法，能以最小的计算开销提高特征图的质量。**此外，我们还引入了分批归一化（Separated Batch Normalization，SEBN）技术，该技术可在多个时间步长内对特征图进行独立归一化，并与残差结构进行优化整合，从而更有效地捕捉SNN的时间动态。重新设计的尖峰残差块将跨阶段部分网络（CSPNet）与YOLO架构整合在一起，以减轻尖峰退化并增强模型的特征提取能力。在URPC2019水下数据集上的实验结果表明，SU-YOLO在6.97M个参数下实现了78.8%的mAP，能耗为2.98 mJ，在检测精度和计算效率上都超越了主流SNN模型。这些结果凸显了SNN在工程应用中的潜力。

二、引言

水下探测应用广泛，包括水生生物探测、设施安全检查和打捞作业。随着遥控潜水器（ROV）和自动潜航器（AUV）的发展，无人探测方法正逐渐取代传统的人工探测方法，其中物体探测起着至关重要的作用。然而，水下光学环境复杂，图像亮度低、噪声大，因此水下物体检测比一般物体检测更具挑战性。此外，由于遥控潜水器和自动潜航器的尺寸和功率限制，必须采用轻量级检测模型以尽量减少资源消耗，从而使任务更加复杂。这些因素使得水下物体检测成为计算机视觉领域的一个高难度研究领域。

目前已经提出了几种针对水下物体检测进行优化的算法，如 YOLOv9s-UI，与基线模型相比，这些算法的精度有所提高。然而，在这些模型中加入注意力机制往往会增加计算复杂度，使其不适合像AUV这样资源有限的设备。为了解决这个问题，人们引入了轻量级模型[3, 4]，以减少参数数量和计算需求。遗憾的是，与最先进的一般物体检测模型相比，这些简化通常会导致较低的检测精度。

**尖峰神经网络（SNN）为实现低计算量和高精度提供了一种很有前景的方法。**作为第三代神经网络[5, 6, 7]，尖峰神经网络的灵感来源于大脑中的神经元通信机制。与传统的人工神经网络（ANN）不同，SNN通过离散的尖峰而不是连续的值来传输信息，这大大降低了计算成本和能耗。最近的研究探索了将 SNNs 应用于物体检测，包括Spiking-YOLO、EMS-YOLO和SpikeYOLO。然而，这些研究主要侧重于一般物体检测，缺乏针对水下条件的优化，如图像预处理和噪声抑制，从而限制了它们在水下环境中的性能。

为了解决这些局限性，我们提出了基SNN的水下物体检测模型SU-YOLO，该模型建立在YOLO框架之上。**鉴于YOLOv9目前已成为一个稳定、高性能的物体检测框架，SU-YOLO采用其拾取网络作为基准。**首先，为了适应水下设备的能耗限制，我们简化了网络结构，将其转换为尖峰架构，以实现最小的功耗。在此过程中，我们发现SNN中常用的传统 ResNet结构即使在浅层网络中也会导致尖峰退化；因此，我们重新设计了基于CSPNet结构的轻量级SU-Blocks作为基本单元。其次，考虑到现有的SNNs缺乏有效的图像去噪方法，我们开发了一种新型的尖峰水下图像去噪模块。该模块处理的是特征图而不是原始图像，可同时去除正噪声和负噪声，从而提高检测精度。此外，现有的批量归一化（BN）方法要么忽略SNN的时间动态，从而丢失潜在信息，要么忽略网络中的残余结构，导致神经元过度充电和激活。为了克服这些问题，我们提出了一种优化的归一化方法。

据我们所知，所提出的SU-YOLO是首个专为水下物体检测而设计的SNN。如图 1 所示，我们的方法显著提高了SNN在水下物体检测中的性能，在6.97M参数的URPC2019上实现了78.8%的mAP0.5，能耗为2.98 mJ，超过了现有轻量级SNN和多个ANN模型的性能。

这项工作的主要贡献有四个方面：

开发了一种基于YOLO框架的轻量级SNN模型，该模型支持直接训练，同时有效减轻了尖峰退化。该模型在水下物体检测方面的表现优于现有的SNN和几种ANN，只需四个时间步骤就能达到最佳精度。
设计了一种与尖峰兼容的新型水下图像去噪方法，可无缝集成到SNN架构中。这种方法只需整数加法计算，以最小的计算开销显著提高了图像质量。
为SNNs提出了一种改进的批量归一化方法，称为SeBN，该方法可将各时间步长的特征图沿通道维度串联起来，进行BN运算。SeBN针对残差结构进行了优化，其性能优于经典BN和替代方法（如 tdBN）。
在URPC2019和UDD水下图像数据集上的实验验证了SNN用于水下物体检测的可行性和卓越性能。

三、相关工作

SNN 物体检测

物体检测是计算机视觉中的一个基本问题。自R-CNN问世以来，基于深度学习的物体检测方法中，ANNs占据了主导地位。Spiking-YOLO的开发标志着SNN首次成功应用于物体检测。Spiking-YOLO采用ANN-SNN转换方法，通过将预先训练好的ANN转换为SNN，用尖峰发射率表示激活值。然而，这种方法需要超过1000个时间步骤才能准确表示原始值，从而降低了SNN的计算效率。FSHNN和Spike Calibration等方法通过优化网络结构，将所需时间步数减少到300步，从而缓解了这一问题。最近，Fast-SN引入了带符号的中频神经元模型和层级微调机制，以解决ANN-SNN转换中的量化和累积误差问题，进一步将时间步数压缩到3步。然而，Fast-SNN中使用负尖峰计算损害了尖峰的二进制性质，导致尖峰网络结构不标准。

转换的另一种方法是直接训练SNN，但由于尖峰点火函数的不可分性，这种方法面临着挑战。Lee等人将膜电位视为可微分参数，从而解决了这一问题，这使得梯度计算和深度可训练SNN的开发成为可能。随后的代梯度方法使用了sigmoid和arctangent等函数，进一步促进SN的训练。著名的例子包括时空反向传播算法（STBP）和基于尖峰的反向传播算法。

训练方法的进步推动了基于SNN的物体检测研究。EMS-YOLO采用完全尖峰ResNet，解决了之前在MS-ResNet和SEW-ResNet中观察到的非尖峰计算问题，并在一般物体检测中表现出强劲的性能。同样，SpikeYOLO引入了I-LIF尖峰神经元，将非尖峰计算转换为尖峰计算，从而提高了检测精度。然而，这些方法主要用于一般物体检测，由于存在模糊物体和严重噪声等挑战，在水下场景中的表现并不理想。

水下物体探测

由于复杂的水下环境和水下设备的性能限制，水下物体探测尤其具有挑战性。一些研究试图克服这些挑战。例如，Song等人开发了一种基于Mask R-CNN的算法，该算法采用多尺度视网膜增强和迁移学习来提高检测精度。然而，这些两阶段物体检测方法通常会产生很高的计算成本。

相比之下，单阶段检测算法（如YOLO系列）具有更简单的架构和更低的计算要求，因此更适用于资源有限的水下设备。Zhang等人提出了一种基于YOLOv4的轻量级水下检测网络，该网络结合了基于注意力的特征融合，以更少的参数实现了与原始模型相当的精度。Zhang等人利用新的去符号块和MLLE图像增强技术对YOLOv5进行了进一步改进，其性能超过了YOLOv7和YOLOv8。TC-YOLO是YOLOv5的扩展，它集成了Transformer自我注意机制，大大增强了水下物体的特征提取能力。尽管取得了这些进步，但注意力机制的加入增加了计算负荷，限制了它们在资源有限环境中的适用性。ULO等轻量级模型减少了参数数量和计算成本（3.94M个参数和3.42 GFLOPs），但在URPC上仍只能达到65.13%的 mAP，落后于主流物体检测模型。这些局限性促使我们提出了基于SNN的水下物体检测模型SU-YOLO。

水下图像去噪

图像去噪对于水下物体检测至关重要。传统的去噪方法，包括均值滤波、高斯滤波和非局部均值（NLM），往往会模糊噪声和物体边界，从而导致精细细节的丢失。针对这些缺点，Li等人提出了一种结合去噪的自适应色彩和对比度增强（ACCE）框架，该框架利用频域分解和变异优化来提高视觉质量。You等人采用基于小波变换的方法，在边缘检测之前对图像进行去噪，利用多分辨率分析更好地保留边缘细节。虽然这些方法有所改进，但往往难以在不使图像明显模糊的情况下去除复杂噪声。最近也有人提出了深度学习方法。例如，Tian等人提出了交叉变换器去噪网络（CTNet），它结合了变换器和CNN来进行图像去噪，在具有复杂噪声的图像中具有显著优势。Ju等人提出了一种基于补丁的去噪扩散模型来解决图像模糊和色彩失真问题，该模型能有效克服水下悬浮颗粒和光吸收问题。然而，这些方法通常涉及密集的浮点运算或需要运行单独的模型，因此与SNN架构的兼容性较差。因此，我们设计了一种专门针对SNN的轻量级水下图像去噪方法。

归一化

BN被广泛应用于人工神经网络中，通过对输入统计数据进行归一化处理，减轻内部协变量的偏移，从而防止训练过程中梯度消失或爆炸。然而，对于包含额外时间维度的SNN，传统BN的效果较差。目前已提出了几种改进的归一化技术。NeuNorm在更新膜电位之前沿着通道维度对输入特征进行归一化，但它并不能完全解决梯度消失问题。Temporal dimension BN（tdBN）对所有时间步长的输入进行归一化，从而同时考虑时间和空间维度。SpikingJelly框架也通过将时间维度扁平化为批次维度来应用BN。

虽然这些方法很有前景，但我们的实验表明，独立地对每个时间步进行归一化处理，而不是跨时间步合并特征，会产生更好的性能。BNTT和TEBN等方法沿用了这一设计，但没有考虑局部并行结构（如快捷连接），也没有考虑SNN中批量融合的需要。为了解决这些问题，我们提出了一种优化的归一化方法SeBN，下文将详细介绍这种方法。

四、方法

水下尖峰YOLO

**我们的模型基于YOLO框架，由SU-Block1、SU-Block2、SpikeSPP、Encoder、SpikeDenoiser和DetectHead模块组成，**如图2所示。

这些组件都经过精心设计和优化，以提高在水下环境中的探测性能。在前向传递过程中，归一化的RGB图像数据（比例范围为 [0,1]）以浮点数值的形式输入网络，然后通过编码器模块中的积分发射（IF）神经元转换为尖峰输出。然后，SpikeDenoiser执行图像去噪和下采样。随后，由三个通道维度不断增加的SU-Block1残差块组成的主干网对生成的特征图进行处理。使用SpikeSPP模块提取多尺度特征，然后在Neck中进行特征融合，最后由DetectHead生成最终预测结果。

SU-YOLO中，所有尖峰神经元都是作为中频神经元实现的。与Leaky IF（LIF）神经元不同，IF神经元不会出现膜电压随时间衰减的现象。它们的数学表述更简单，计算成本更低，从而降低了总体功耗。IF神经元模型的描述如下：

尖峰干扰器

噪声会严重降低水下物体检测的性能。现有的基于SNN的方法以一般物体检测为目标，缺乏专门的去噪技术，因此在水下环境中很容易受到噪声干扰。为了克服这一局限性，同时保留网络的完全尖峰特性，我们提出了一种直接对特征图进行操作的去噪方法。在SNN中，特征图的二进制性质会导致水下盐和胡椒噪声以孤立像素的形式出现，与其邻近像素相比，这些像素的二进制值是倒置的。为了有效地提取和修正这些孤立点，我们采用了三种具有以下核定义的卷积滤波器：

用尖峰编码的输入特征图依次与K1、K2和K3卷积。如果卷积结果等于 4，则当前像素被反转。这一过程的数学表达式为

其中，Iin(x, y) 是坐标 (x, y) 处的像素值，Iconv(x, y) 是卷积结果，Iout(x, y) 是输出结果。这里，Kn（n=1、2、3）表示相应的卷积核。

如图3所示，该方法主要是填补缺失像素（负噪点）和去除孤立像素（正噪点）。内核 K1和K2识别并填充中心为0而周围像素为1的像素，而K3则针对并去除中心为1而周围像素为0的孤立像素。实验结果表明，采用激进的方法填充负噪声，再结合保守的策略去除正噪声，可以获得最佳的去噪性能。值得注意的是，SpikeDenoiser只在推理过程中运行，计算成本极低，对于一幅320×320的图像，计算成本不到0.1 GSOPs和0.01 mJ，同时将UDD的mAP提高了3.5%。这种方法保持了网络的完全尖峰特性，因为输入和输出特征图都保持二进制，运算完全依赖整数加法，与浮点加法和乘法相比，能耗分别降低了9倍和37倍。它与各种SNN架构的兼容性使其成为水下图像去噪的通用解决方案。

SU-Block

SU-Block1和SU-Block2是我们模型中的基本残差块。由于设备性能的限制，水下物体检测通常需要浅层、计算效率高的网络。虽然ResNet 在现有的SNN [9, 29, 30] 中被广泛使用，但水下图像固有的低质量限制了浅层ResNet架构的特征提取能力，导致检测精度降低。相比之下，CSPNet（交叉阶段部分网络）即使在具有挑战性的成像条件下，也能以较浅的网络深度提供增强的特征表示，从而在降低计算成本的同时保持较高的精度。此外，我们观察到，简单的ResNet结构在SNN中会出现尖峰退化（见图 4），因为随着网络深度的增加，点燃率会降低，这可能会导致关键物体特征的丢失。然而，CSPNet通过在整个骨干网中保持神经元的稳定活动，有效缓解了这种退化现象。因此，我们在CSPNet架构的基础上设计了SU-Block。

SU-Block1用于主干网的特征提取、缩放和通道扩展，集成了CSPNet和捷径连接（见图 2）。其定义如下：

其中，Xl 表示第l层的输出，IF(-)表示 IF 神经元输出激活，Conv(-)表示卷积层，Split(-)将输入沿通道维度平均分割，Concat(-)将输入沿通道维度合并。

经过3×3卷积后，特征图被分成两组。其中一组保持不变，另一组则进行额外的3×3卷积，以进一步提取特征。然后将两组特征图合并、激活并输出。为了弥补第二组中残余路径的缺失，引入了捷径连接以保持梯度流。Neck中用于特征融合的SU-Block2采用了类似的设计，但没有下采样或额外的残差连接，从而提高了参数效率。其定义如下：

SpikeSPP

SpikeSPP模块是空间金字塔池化（SPP）的简化版，如图 5 所示。

其操作定义如下：

其中，MaxPool(-)表示最大池化，Concat(-)表示沿通道维度的连接。虽然SPP可提供多级池化以提取多尺度特征，但由于尖峰的二进制性质，激活后的池化可能会导致SNN中的大量信息丢失。在水下物体检测中，椒盐噪声非常普遍，激活前的池化可以更好地保存信息。实验结果进一步表明，去掉第三个最大池化层可以在不影响性能的情况下减少计算负荷。由此产生的特征随后被传递给中频神经元，中频神经元以适当的发射率产生尖峰。

编码器和检测头

编码器模块将浮点输入图像转换为尖峰图像。它使用传统的卷积和 BN 进行初步特征提取和归一化。生成的特征图被复制 T 次并通过尖峰神经元，产生二进制尖峰输出，完成图像编码过程。

DetectHead采用了YOLOv9的解耦头设计，并进行了修改，以处理基于尖峰的输入和输出。独立的卷积层计算类概率和边界框坐标。多层次特征融合是通过接受来自两个SU-Block2模块的输入来实现的，从而捕捉到更丰富的特征。在DetectHead的最后一个尖峰神经元中，膜电位阈值被设置为无穷大，使其能够在每个时间步长内累积所有浮点数值，从而确保更准确的预测。此外，SeB中的参数n设置为时间步数T，从而缩小了单步输出的范围并稳定了累积的膜电位，从而提高了梯度稳定性。最终的网络输出是通过读取这些神经元的膜电位得到的。

分批归一化

在SNN中，每个尖峰神经元在每个时间步都独立充电和点火，这意味着突触前输入可能随时间呈现不同的分布特征。对所有时间步长的特征图进行归一化处理可以将它们强制归入单一分布，从而掩盖这些差异。通过为每个时间步分配不同的归一化参数，网络可以保留这些时间变化，从而增强其信息容量和表现力。此外，残差网络结构需要在求和之前仔细调整数据分布，以防止神经元过度充电和过度尖峰发射。为了解决这些问题，我们提出了分批归一化（Separated Batch Normalization，SeBN）方法，该方法在优化与残余结构整合的同时，对各时间步的特征图进行独立归一化。SeBN的定义如下：

五、Coovally AI模型训练与应用平台

如果你也想要进行模型训练** 或模型改进，Coovally平台满足你的要求！**

Coovally平台整合了国内外开源社区1000+模型算法和各类公开识别数据集，无论是YOLO系列模型还是Transformer系列视觉模型算法，平台全部包含，均可一键下载助力实验研究与产业应用。

而且在该平台上，无需配置环境、修改配置文件等繁琐操作，一键上传数据集，使用模型进行训练与结果预测，全程高速零代码！

具体操作步骤可参考：YOLO11全解析：从原理到实战，全流程体验下一代目标检测

平台链接：https://www.coovally.com

如果你想要另外的模型算法 和数据集，欢迎后台或评论区留言，我们找到后会第一时间与您分享！

六、实验结果

数据集和实施细节

数据集

为了评估我们的模型在水下物体检测方面的性能，我们在URPC2019和UDD数据集上进行了实验。URPC2019数据集是在2019年水下机器人采摘大赛期间发布的，包含4707张标注过的水下图像，涵盖扇贝、海星、海参和海胆四种物体类别。该数据集分为包含3,767幅图像的训练集、包含695幅图像的验证集和包含245幅图像的测试集。UDD数据集包含2,227幅带标签的水下图像，有三个类别（扇贝、鳕鱼和棘鱼），分为包含1,827幅图像的训练集和包含 400幅图像的验证集。

在涉及SeBN的实验中，我们还使用了Pascal VOC 2012数据集，该数据集由11,540张标注了20个物体类别的图像组成。该数据集分为5,717张训练图像和5,823张带有物体检测注释的验证图像。

实施细节

所有实验均在单个NVIDIA RTX 2080Ti (22GB) GPU（搭配 AMD Ryzen 5600 CPU和32GB内存）上进行，运行Ubuntu 22.04 LTS、Python 3.8和PyTorch 2.0.0。在训练中，我们模型中的所有神经元都是使用SpikingJelly框架实现的中频神经元，其复位电位Vrst=0，阈值电位Vth=1.0。我们使用SGD优化器，学习率为0.001，批量大小为16，输入图像大小为320×320。模型训练了300次。

计算成本

在传统的人工神经网络中，计算成本是以FLOPs（浮点运算次数）来衡量的，它代表浮点运算（加法或乘法）的次数。然而，由于SNN通过离散的尖峰进行通信，计算FLOPs就不那么简单了。相反，我们使用突触运算（SOPs）作为计算成本的度量。SOPs考虑了每一层的卷积操作和前几层的尖峰发射，同时还考虑了神经元充电时的浮点加法。FLOPs和SOPs的公式定义如下：

时间步长

在SNN中，时间步长是时间处理的离散单位，在此期间，神经元状态（如膜电位和尖峰生成）和突触动态会得到更新。如图 8 所示，更多的时间步数会增加尖峰发射，从而增强网络的表现力。然而，这也增加了计算开销，降低了推理速度。因此，在检测精度相当的情况下，需要较少时间步骤的方法在能效和实时性方面更具优势。

对比实验

我们在URPC2019和UDD上将我们的模型与现有方法进行了比较，结果汇总于表1。我们直接训练的SNN优于通过ANN-SNN转换获得的模型，同时使用的时间步骤更少。与现有的直接训练的SNN相比，我们的模型用更少的参数实现了更高的mAP。此外，它的性能还可与轻量级ANN相媲美。

EMS-YOLO目前是基于SNN的物体检测基准。在URPC2019上，基于ResNet10的最轻版本EMS-YOLO的mAP0.5为0.672，能耗为2.73 mJ，而使用ResNet34的较大版本的 mAP0.5为0.735。SpikeYOLO进一步提高了性能，在使用一个时间步和四个虚拟时间步时，mAP0.5达到0.784，能耗为8.64 mJ。我们的方法超越了这些结果，在仅使用 6.97M参数和2.90 GSOPs计算负荷的情况下，mAP0.5达到0.788，而能耗仅为2.98 mJ，在水下物体检测方面明显优于其他SNN方法。

我们还将我们的模型与几种ANN进行了比较。虽然我们的mAP略低于YOLOv7等先进模型，但能耗仅为YOLOv7的5%。与具有类似能耗特征的轻量级ANN相比，我们的模型表现出更高的性能。UDD的其他实验证实，我们的模型始终优于其他方法。

消融实验

为了验证我们提出的模块的有效性，我们使用与对比实验相同的参数设置进行了一系列消融实验。

SU-YOLO模块的有效性

我们首先用YOLOv9中的基本残差块RepNCSPELAN4替换 SU- Block1和SU-Block2，用SpikeSPP替换SPPELAN，并用尖峰神经元替换所有激活函数，以保持完全尖峰网络，从而评估了改进模块的效果。在所有配置中，包括特征图的数量和大小在内的整体网络结构保持一致，以作为基线。如表 2所示，每个模块都逐步减少了参数数量并提高了准确度。在应用了所有改进后，mAP0.5提高了4.5%，mAP0.5:0.95提高了3.3%。此外，独立引入SpikeDenoiser模块后，mAP0.5比基线提高了0.9%。

SpikeDenoiser的效果

为了评估计算成本，我们在表3中比较了传统图像去噪方法和我们提出的SpikeDenoiser。

为了公平起见，我们在网络输入之前对原始图像应用了均值滤波器和高斯滤波器，以保持网络的二值性。实验结果表明，均值滤波器可能由于其强烈的模糊效果而降低了mAP，而高斯滤波器则通过更好地保留边缘信息而略微提高了准确度。相比之下，SpikeDenoiser在两个数据集上都能显著改善 mAP，而额外的能量消耗却微乎其微。图9中的可视化结果进一步表明，SpikeDenoiser能有效去除特征图中的噪声，为骨干网络提供更清晰的输入。

SeBN的有效性

我们将新型SeBN与传统BN方法进行了比较，如表4所示。使用标准BN的模型表现相对较差，而tdBN和TEBN则有适度改善。

值得注意的是，在大量使用残差块的EMS-YOLO模型中，TEBN的表现不如tdBN，这可能是由于它对残差结构中元素求和处理不当。相比之下，在SU-YOLO模型中，残差块较少TEBN和tdBN表现出相似的性能；用SeBN取代TEBN和tdBN可进一步提高检测精度。我们还在EMS-YOLO和Pascal VOC 2012上对SeBN进行了评估，以检测一般物体，结果发现SeBN始终获得最高的mAP。这些结果表明SeBN具有广泛的适用性，可以很好地推广到其他数据集和 SNN 架构。

为了说明SeBN与其他归一化方法之间的差异，我们在图10中对数据分布进行了可视化处理。这些分布来自SU-YOLO第3层最后残差块之后的输出。结果显示，BN和TEBN的分布具有明显的不稳定性，其平均值和方差在不同的时间步长之间波动明显。特别是，TEBN在t=1时的方差高达2.76，这可能是由于未优化的残差添加放大了输出范围。虽然tdBN的波动较小，但其方差明显偏离了理想的标准正态分布。相比之下，SeBN在每个时间步长上都保持了近似N（0,1）的稳定分布。通过对各时间步长的平均值进行整体比较，进一步证实了SeBN优越的稳定性和性能。

残块替换

残差块是特征提取的核心，对检测精度有重大影响。为了评估我们设计的SU-Block的性能，我们在保持整体网络结构不变的情况下，试验了不同的残差块。我们在URPC2019上计算了不同残差块的平均尖峰发射率。如表5所示，采用CSPNet结构的SU-Block的点燃率分别为12.7%、15.4% 和18.8%，高于采用ResNet结构的EMS-Block的点燃率（15.2%、11.9%和11.5%）。这一观察结果与我们的可视化分析相吻合： SU-块能有效缓解尖峰退化，释放更多尖峰，从而增强特征提取。此外，表5显示，使用SU块的SU-YOLO实现了78.8%的出色 mAP0.5，明显高于使用EMS块或ANN版本中使用的残差块所获得的结果。

图11显示了检测结果示例，突出表明SU-Block模型检测到了更多物体。这些结果表明，在水下物体检测方面，SU-Block可以达到甚至超过相同规模的ANN残差块的性能。结合SNN的低功耗特性，完全SNN结构可能比混合ANN-SNN架构更具优势。

混淆矩阵和精度-召回曲线

图12中的混淆矩阵说明了模型的分类性能。对于海星和棘鱼，所有三种模型都达到了较高的准确率；然而，对全齿螯虾和扇贝的检测准确率较低，这可能是因为它们的颜色较浅，与水的背景相融合，因而难以区分。值得注意的是，SU-Block 模型在所有物体类别中都表现出了最高的准确率，尤其是在扇贝检测方面分别比ANN-Res18和EMS-Res18高出12%和16%。这表明SU-Block具有卓越的特征提取能力，能够检测到不太显眼的物体。

图13中的精度-召回曲线进一步凸显了SU-Block模型的卓越性能，尤其是在扇贝检测方面，其总体mAP0.5为 78.8%，而ANN-Res18为75.4%，EMS-Block为 72.2%。

池化和激活顺序

在基于SNN的物体检测中，最大池化和激活操作的顺序对模型性能有很大影响。我们对两种情况进行了实验比较。如图14所示，当在SpikeSPP中先进行池化再进行激活时，生成的特征图会保留更多细节。

表6中的定量结果也证实了这一观察结果：将池化层置于中频神经元之前，URPC2019上的mAP0.5提高了1.3%，UDD上的mAP0.5提高了3.4%，从而证实了我们的分析。

时间步长

SNN中时间步长的选择直接影响性能和计算负荷。如表7所示，当时间步长T设为4时，SU-YOLO可达到最佳精度。因此，我们采用4个时间步长来实现检测精度和功耗之间的最佳平衡。

七、结论

在本研究中，我们提出了用于水下物体检测的轻量级SNN模型SU-YOLO，该模型专为资源有限的平台而设计。为了应对水下图像中的噪声挑战，我们开发了一种基于尖峰的图像去噪方法，该方法在实验中被证明非常有效。此外，我们还引入了SeBN，这是一种针对SNN独特特性而定制的新型批量归一化方法，其性能优于现有的归一化技术。SU-YOLO中精心设计的模块极大地增强了水下环境中的检测能力，实验结果表明，我们的模型在当前的水下物体检测SNN方法中达到了最先进的性能。然而，我们关于能效的结论仍然是理论性的，因为它们是基于估计而非实际硬件测量得出的。

在未来的工作中，我们的目标是进一步提高SU-YOLO的性能，并在物理硬件系统上实现它，以获得更可靠的检测结果。这一进步将促进SNN在工程中的实际应用，并推动水下物体探测技术的进步。此外，我们还计划通过将SU-YOLO架构的适用性扩展到更多数据集和应用中，探索将其推广到更广泛的物体检测任务中。