EMA-Det: Hardware-Aware Edge Verification for Two-Stage UAV Detection

Technische Samenvatting: EMA-Det

Probleemstelling
De detectie van Low-Slow-Small (LSS) Unmanned Aerial Vehicles (UAV's) op edge-apparaten staat voor een kritieke bottleneck in de "sense-decide-act"-lus. Hoewel autonome defensiesystemen doorgaans een tweestaps-pipeline hanteren—waarbij een eerste fase (bijv. radar, bewegingsdetectie) Regions of Interest (RoI's) voorstelt en een tweede fase deze verifieert—passen huidige benaderingen algemene full-frame detectoren (zoals YOLO) aan voor de verificatietaak. De auteurs stellen dat dit om twee redenen suboptimaal is:

1. Resourcebeperkingen: Edge-apparaten, met name FPGA-gebaseerde systemen, worden vaak beperkt door geheugenbandbreedte in plaats van ruwe rekenkracht (FLOP's). Standaard lichtgewicht backbones (bijv. depthwise-separable convoluties) kunnen de druk op het geheugen bij BRAM-beperkte fabricages verergeren.
2. Misalignement van metrieken: In een twee-staps cascade is de totale systeem-recall ($R_{total}$) het product van de proposal-recall en de verifier-recall ($R_{proposal} \times R_{verifier}$). Een verifier die geoptimaliseerd is voor Mean Average Precision (mAP) kan er niet in slagen om false negatives te minimaliseren, wat een systeemniveau-bottleneck creëert. De verificatiefase vereist specifiek een hoge recall om systeembrede missers te voorkomen, zelfs als dit ten koste gaat van de mAP.

Methodologie: EMA-Det
Het artikel stelt EMA-Det voor, een hardware-bewuste, tweestaps regio-verificatienetwerk ontworpen specifiek voor de tweede fase van UAV-detectie. Belangrijke architecturale en methodologische componenten zijn onder meer:

• Fysiek Geinitialiseerde Eerste Laag: Om de beperkte ruimtelijke informatie bij kleine doelwitten (128×128 resolutie) aan te pakken, wordt de eerste convolutionele laag geïnitialiseerd met een deterministische bank van Laplacian- en Sobel-operatoren. Dit biedt een inductieve bias voor randdetectie, wat de trainingsvariantie vermindert vergeleken met willekeurige initialisatie.
• Dynamische Early-Exit Gates: Door gebruik te maken van de asymmetrische distributie van kandidaatregio's (waarbij de meeste de achtergrond vormen), bevat het netwerk twee confidence-gated early-exit punten (na Blok 2 en Blok 4). Als een kandidaat met hoge zekerheid als achtergrond wordt geclassificeerd, wordt de inferentie gestopt, waardoor de daaropvolgende lagen worden overgeslagen. Dit zet lineaire latentie-schaling om in een asymptotische schaling, wat de gemiddelde inferentietijd aanzienlijk vermindert.
• Gedecoupleerde Spatiale Bounding-Box Head: In tegenstelling tot standaard architecturen die features poolen vóór regressie, ontkoppelt EMA-Det de classificatie-head (global average pooled) van de bounding-box verfijnings-head. De box-head leest de pre-pooling feature map direct uit om de ruimtelijke lay-out informatie te behouden, wat de lokalisatie verbetert zonder significante parameter-overhead.
• Loss Function: Het netwerk maakt gebruik van een gecombineerde loss van Binary Cross-Entropy voor classificatie, Complete-IoU (CIoU) voor box-regressie, en aanvullende Binary Cross-Entropy termen voor de early-exit gates.
• Hardware-Bewuste Design: De architectuur vermijdt depthwise-separable convoluties ten gunste van standaard convoluties om de geheugenbandbreedte-druk op FPGA's te mitigeren.

Experimentele Opzet
De studie hanteert een rigoureus, gecontroleerd evaluatieprotocol:

• Dataset Constructie: Een bron-niveau gesplitte, gededupliceerde dataset werd samengesteld uit publieke UAV- en lucht/vogelbeelden. Een 8×8 average-hash vergelijking verwijderde bijna-duplicaten, wat een strikte train/test-grens garandeerde zonder overlap op bronniveau. De uiteindelijke corpus bevat 4.136 unieke patches.
• Trainingsprotocol: Alle modellen werden getraind voor 150 epochs met AdamW, cosine annealing en N=5 random seeds om statistische robuustheid te waarborgen. Data-augmentatie sloot Mosaic/MixUp uit om de vormen van kleine doelwitten te behouden.
• Baselines: Vergelijkingen werden gemaakt met YOLOv8n, MobileNetV3-Small en ShuffleNetV2, die allemaal vanaf nul zijn getraind met identieke heads en protocollen.
• Hardware Validatie: Een statische resource-analyse en gesynthetiseerde implementatie van het eerste blok van het netwerk werd uitgevoerd op een Zynq-7020 FPGA met behulp van Vitis HLS 2025.2.

Belangrijkste Resultaten

1. Recall vs. mAP: EMA-Det behaalde een recall van 96,08 ± 0,47%, wat de full-detection baseline YOLOv8n (73,75 ± 1,86%) aanzienlijk overtreft onder identieke omstandigheden. Hoewel YOLOv8n een hogere mAP behaalde (49,59% vs. 28,04%), demonstreren de auteurs dat de lagere recall van YOLOv8n de algehele systeemprestaties zou bottlenecken.
2. Ablatie Studies:
   • CBAM: De inclusie van CBAM attention modules verbeterde de mAP niet, maar verminderde de recall-stabiliteit en de gemiddelde recall. De auteurs concluderen dat de voordelen van CBAM in andere contexten mogelijk ten koste gaan van de ruimtelijke informatie die verloren gaat door pooling, wat door EMA-Det's gedecoupleerde box-head wordt gemitigeerd.
   • Spatiale Box Head: Het ontkoppelen van de box-head verbeterde mAP@0.75 met 5,7 punten en de recall-stabiliteit (reductie van de standaarddeviatie van 2,54 naar 0,47) met verwaarloosbare FLOP-kosten.
3. Early-Exit Efficiëntie: Door de exit-drempel ($\tau$) af te stemmen, kan het systeem tot 21,2% van de FLOP's besparen terwijl de mAP behouden blijft, waarbij een aanzienlijk deel van de achtergrondkandidaten vroegtijdig uitstapt.
4. Cross-Sensor Generalisatie: Wanneer een op EO getrainde EMA-Det zero-shot werd toegepast op thermische-IR data (Anti-UAV410 benchmark), bleef de precisie hoog (~95%), maar daalde de recall naar 80–86% en de mAP naar ~39–52%. Echter, het vanaf nul trainen van EMA-Det op thermische data bereikte 89,52% mAP@0.5 en 91,64% recall, wat bevestigt dat de prestatiekloof te wijten is aan de domeinverschuiving (domain shift) in plaats van architecturale beperkingen.
5. Hardware Haalbaarheid: De gesynthetiseerde Blok 1 op Zynq-7020 (gebruikmakend van 16-bit fixed-point kwantisatie) gebruikte 65% van het DSP-budget en 26% van de LUT's, met een latentie van ~365 µs/afbeelding. Volledige unrolling van diepere blokken werd als onhaalbaar beschouwd vanwege DSP-beperkingen, wat tijd-gemultiplext MAC-arrays voor het volledige netwerk noodzakelijk maakt.

Significantie en Claims
Het artikel claimt dat EMA-Det een verschuiving vertegenwoordigt in de ontwerpphilosofie voor edge-gebaseerde UAV-detectie:

• Metrieke Heroriëntatie: Het betoogt dat voor de verificatiefase van een tweestaps-systeem de recall het kritieke optimalisatietarget is, niet de mAP. Optimalisatie voor mAP kan leiden tot systeemfalen.
• Hardware-Bewuste Architectuur: Het demonstreert dat ondiepe, streaming-vriendelijke architecturen met standaard convoluties geschikter zijn voor FPGA edge-implementatie dan diepere, op FLOP's geoptimaliseerde backbones die lijden onder geheugenbandbreedte-bottlenecks.
• Methodologische Rigor: De auteurs benadrukken het belang van bron-niveau deduplicatie en strikte train/test-grenzen in UAV-detectieonderzoek om data-lekkage en overschatting van prestaties te voorkomen.
• Kwantificering van Domeinverschuiving: De studie biedt een kwantitatieve baseline voor de EO-naar-thermische domeinverschuiving, waarbij wordt aangetoond dat hoewel zero-shot transfer imperfect is, de architectuur in staat is tot hoge prestaties wanneer deze op de doelmodaliteit wordt getraind.

De auteurs concluderen dat hoewel de volledige FPGA-mapping van Blokken 2–6 toekomstig werk blijft, de geverifieerde implementatie van Blok 1 en het algoritmische ontwerp de levensvatbaarheid van EMA-Det voor hulpbronnenbeperkte edge-verificatie onderbouwen.