黃金 付發(fā) 趙娜

摘 要：近年來深度學習在機器視覺領(lǐng)域應用非常成功，在圖像的目標檢測方面已經(jīng)超越了人類。隨著遙感技術(shù)向民用發(fā)展，遙感圖像數(shù)據(jù)的研究和應用價值越來越大。文章利用深度學習的SSD卷積神經(jīng)網(wǎng)絡，對遙感圖像中感興趣的目標進行檢測。遙感圖像有包含信息多、目標較小且背景復雜等特點，針對遙感圖像的特點，選取不同尺度的特征圖進行融合，并對網(wǎng)絡進行微調(diào)，提高檢測精度。

關(guān)鍵詞：深度學習；目標檢測；遙感圖像；卷積神經(jīng)網(wǎng)絡

深度學習是人工智能的重要部分，隨著人工智能的發(fā)展受到世人的矚目。神經(jīng)網(wǎng)絡是深度學習的具體表現(xiàn)，它是由數(shù)量眾多的神經(jīng)元組成的一個多層的神經(jīng)網(wǎng)絡。深度學習在機器視覺領(lǐng)域有廣泛的應用，目標檢測是機器視覺的重要研究內(nèi)容。基于深度學習的目標檢測技術(shù)是利用卷積神經(jīng)網(wǎng)絡[1]，自動學習檢測目標的特征并對目標進行識別。在世界各大比賽和應用中證明了它在目標檢測領(lǐng)域的強大能力。

隨著遙感技術(shù)的發(fā)展，它從軍事領(lǐng)域發(fā)展到民用領(lǐng)域。在城市規(guī)劃、資源調(diào)查、環(huán)境監(jiān)測等方面有著很大的發(fā)揮空間。遙感圖像有著尺寸大、背景復雜、目標多且小等特點，在遙感圖像中進行目標檢測有著很多難度。為此，本文采用的經(jīng)典的卷積神經(jīng)網(wǎng)絡[2]（Single Shot MultiBox Detector，SSD），相比其他基于神經(jīng)網(wǎng)絡的目標檢測算法，具有速度快、準確性高、魯棒性強等特點。但對小目標的檢測不足，應用在遙感圖像上的效果不好，本文對此網(wǎng)絡作出改進以適應其在遙感圖像上的應用。實驗結(jié)果表明，調(diào)整后的網(wǎng)絡檢測效果不錯，平均檢測精度（mean Average Precision，mAP）達到0.819。

1 理論方法

SSD是一個單次深度神經(jīng)網(wǎng)絡，結(jié)合Faster-RCNN[3]和YOLO[4]的優(yōu)點，使用單一的網(wǎng)絡結(jié)構(gòu)，并對整張圖進行特征提取，和區(qū)域網(wǎng)絡結(jié)構(gòu)不同（沒有類似RPN的額外網(wǎng)絡結(jié)構(gòu)）。最終的檢測性能卻超越了它們，以300×300的輸入在VOC2007數(shù)據(jù)測試中，以59Fps的速度達到74.3%的 mAP。

SSD模型：SSD網(wǎng)絡由前后兩部分構(gòu)成。前面是用于特征提取的卷積神經(jīng)網(wǎng)絡，我們稱它為基礎(chǔ)網(wǎng)絡，后面部分是尺寸大小逐漸減小的卷積層，稱它為額外網(wǎng)絡。網(wǎng)絡結(jié)構(gòu)如圖1所示。

SSD的輸入是300×300×3的圖像?；A(chǔ)網(wǎng)絡使用截斷的VGG[5]網(wǎng)絡，對目標圖像進行初步的特征提取。額外網(wǎng)絡以基礎(chǔ)網(wǎng)絡的輸出作為輸入且尺寸逐漸減小，最后選取不同尺寸的特征圖進行預測。在訓練過程中，SSD算法會對默認框和真實框進行匹配，選取Jaccard值最大或者Jaccard值大于0.5的默認框。SSD在檢測時會產(chǎn)生大量的默認框，為了消除重復沒用的默認框，使用了非極大值抑制算法。

2 實驗過程

2.1 實驗數(shù)據(jù)和平臺

本次實驗的數(shù)據(jù)集總共有1 510張高分辨率遙感圖像，分為汽車和飛機兩類，汽車510張，飛機1 000張。把數(shù)據(jù)按訓練集、驗證集、測試集分為三大塊，各占比例為70%，10%，20%。具體劃分如表1所示。

相比于普通的圖片，遙感圖片尺寸較大，所包含的信息較多，目標在圖像中占比較小，屬于小目標，如圖2所示。

實驗配置：kears框架，后端為Tensorflow，顯卡為NAVIDA tesla k20，內(nèi)存為32 G，處理器：Genuine Intel（R）CPU 2.40 GHz，操作系統(tǒng)為Ubuntu16.04。

2.2 實驗過程與結(jié)果

SSD卷積神經(jīng)網(wǎng)絡由基礎(chǔ)網(wǎng)絡和額外網(wǎng)絡組成。在本次實驗中，使用截斷的VGG16作為基礎(chǔ)網(wǎng)絡用于對圖像進行初步的特征提取。VGG16卷積神經(jīng)網(wǎng)絡是一個經(jīng)典的網(wǎng)絡，網(wǎng)絡結(jié)構(gòu)簡單，卷積核大小是固定的3×3。額外網(wǎng)絡是一個尺度不斷變小的卷積神經(jīng)網(wǎng)絡，在基礎(chǔ)網(wǎng)絡產(chǎn)生的特征圖上進行特征提取。

在卷積神經(jīng)網(wǎng)絡模型中，不同尺度上的特征圖所表示的感受野不同，靠近底部的特征層提取的是局部、通用的特征，例如邊緣、顏色、紋理等特征；而靠近頂部的特征圖提取的是抽象的特征，所包含的細節(jié)信息少，對小目標的檢測效果不足。為了提高檢測率，我們抽取不同層的特征進行特征融合用于最后的檢測。表2展示了抽取的特征層的輸出尺度和連接該層的上一層。每一層提取的特征圖尺寸大小不同、逐步減小，從底層具體的特征到高層抽象的特征都包含在內(nèi)，適應不同尺度的目標以提高準確率。

本文對SSD的損失函數(shù)進行調(diào)整，默認損失函數(shù)的α=1，定位損失和置信損失在最后的總損失占比相同。提高定位損失在總損失中的占比，側(cè)重卷積神經(jīng)網(wǎng)絡的目標位置提取。相應，我們降低Jaccard值，提高小目標的檢測率。經(jīng)過調(diào)整，我們使用mAP來對模型進行評估。實驗結(jié)果如表3所示。

從表3可以看出，飛機的精度高于汽車，原因是在遙感圖像中飛機相比汽車目標要大，在圖像中屬于易區(qū)分的目標。汽車在圖像中占比很小，且與周邊環(huán)境相似度高不易區(qū)分，給檢測增加了難度。圖3展示了兩張不同類別的檢測結(jié)果，左邊是飛機、右邊是汽車。可以看出置信度較低，是因為在訓練期間調(diào)整了損失函數(shù)。

3 結(jié)語

本文主要探究深度學習中的SSD卷積神經(jīng)網(wǎng)絡在遙感圖像上的應用。對遙感圖像中的汽車和飛機兩類進行檢測，平均準確率為81.9%。結(jié)果表明，深度學習在遙感圖像上的應用具有可行性且效果不錯。由于訓練的圖片尺寸較大，與SSD網(wǎng)絡輸入大小相差太大，在特征提取的時候會把一些小特征忽略，使遙感圖像中的小目標不易被檢測到。以后的工作可以針對小目標進行，對遙感圖像進行預處理并且調(diào)整網(wǎng)絡結(jié)構(gòu)，提升小目標檢測率。

[參考文獻]

[1]KRIZHEVSKY A，SUTSKEVER I，HINTON G E.ImageNet classification with deep convolutional neural networks[C].Vancouver：International Conference on Neural Information Processing Systems，2012：1097-1105.

[2]LIU W，ANGUELOV D，ERHAN D，et al.SSD： single shot multibox detector[C].Cham：European Conference on Computer Vision，2016：21-37.

[3]REN S，HE K，GIRSHICK R，et al.Faster R-CNN： towards real-time object detection with region proposal networks[C].Turkey：International Conference on Neural Information Processing Systems，2015：91-99.

[4]REDMON J，DIVVALA S，GIRSHICK R，et al.You only look once： unified，real-time object detection[C].Las Vegas：Computer Vision and Pattern Recognition，2016：779-788.

[5]SIMONYAN K，ZISSERMAN A.Very deep convolutional networks for large-scale image recognition[J].International Journal of Computer Vision，2014（3）：211-252.

[6]周敏，史振威，丁火平.遙感圖像飛機目標分類的卷積神經(jīng)網(wǎng)絡方法[J].中國圖象圖形學報，2017（5）：702-708.