劉潔瑜，魏文曉，趙 彤，沈 強(qiáng)

（1.火箭軍工程大學(xué)，西安 710025；2.北部戰(zhàn)區(qū)聯(lián)合作戰(zhàn)指揮中心，沈陽 110000）

圖像制導(dǎo)是目前精確制導(dǎo)系統(tǒng)中常用的制導(dǎo)方式之一，通過安裝在制導(dǎo)武器導(dǎo)引頭的攝像機(jī)實施拍攝地面信息，對獲取的圖像進(jìn)行實時分析處理確定目標(biāo)的位置信息，因此目標(biāo)檢測算法既要有高實時性又要有高精確度[1]。在空對地這類特殊場景下，圖像中包含的背景信息變化多樣（光照，遮擋等），目標(biāo)尺度較小，分布密集的目標(biāo)較多，加大了檢測難度。

近些年，深度學(xué)習(xí)技術(shù)發(fā)展迅猛，特別是卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）能夠自動學(xué)習(xí)結(jié)構(gòu)化特征，在計算機(jī)視覺領(lǐng)域發(fā)展迅速。將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到檢測任務(wù)，充分利用了卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力[2]。隨后目標(biāo)檢測領(lǐng)域的發(fā)展趨于兩大類檢測算法，一類是雙階段算法，檢測精度較高，但由于其分為兩個階段進(jìn)行分類預(yù)測，速度受限；另一類是單階段算法，其去除了生成候選區(qū)域的階段，直接回歸預(yù)測分類，檢測速度快，但相比于雙階段算法檢測精度有一定程度的降低。為此，眾多學(xué)者通過增強(qiáng)算法中CNN 的表征能力[3,4]或者平衡正負(fù)樣本[5,6]的方法提升單階段算法的檢測精度，使其可以與雙階段算法媲美。雖然基于CNN 的單階段目標(biāo)檢測算法取得了一定的成果，但是在密集目標(biāo)和小目標(biāo)的檢測上效果不佳。為了提升對小目標(biāo)的檢測精度，2016年Liu Wei 提出了SSD[7]算法，采用了一種多尺度預(yù)測的思想，在6 個不同特征層上同時預(yù)測候選邊界，以適應(yīng)圖像中不同尺度的目標(biāo)。2017年，Tsung-Yi Lin 提出了特征金字塔網(wǎng)絡(luò)（FPN）[8]，用深層特征對淺層特征的輔助作用，有效地提升了Faster R-CNN[9]檢測小目標(biāo)的精度。之后，DSSD[3]，F(xiàn)SSD[10]，YoloV3[11]，MSSD[6]，RefineDet[12]，MDSSD[13]等算法分別借鑒FPN 融合上下文信息的思想，建立了多尺度特征融合結(jié)構(gòu)，有效地提升了小目標(biāo)的檢測。圖1所示為利用經(jīng)典的SSD 算法和YoloV3 算法對自制空對地數(shù)據(jù)集進(jìn)行密集小目標(biāo)（艦船目標(biāo)）檢測的測試。

圖1 經(jīng)典算法的檢測結(jié)果Fig.1 Test results of the classical algorithm

從圖1(a)中可以看出，SSD 算法檢測失效，沒有檢測到一個正例。圖1(b)中，對小目標(biāo)具有很強(qiáng)魯棒性的YoloV3 算法雖然識別出部分正例，但是依舊存在大量漏檢問題。因此針對空對地場景中的密集小目標(biāo)較多的特點，本文以YoloV3 網(wǎng)絡(luò)為基礎(chǔ)算法提出一種密集場景聚焦的雙通道耦合目標(biāo)檢測算法，建立了密集場景檢測通道和實例檢測通道。模仿人眼的聚焦能力，針對空對地視角下密集分布的小目標(biāo)進(jìn)行變尺度檢測。自制空對地密集目標(biāo)數(shù)據(jù)集進(jìn)行驗證，實驗結(jié)果表明，本方法具有一定的先進(jìn)性，為密集小目標(biāo)的檢測提供了一種新思路。

1 算法設(shè)計

在基于CNN 的單階段目標(biāo)檢測算法中，輸入圖像的尺寸往往是固定的。一般采用線性插值的方法對輸入尺寸不同的圖片進(jìn)行重建，而對于輸入尺寸較大的圖像，這種方法極大地犧牲了圖像的質(zhì)量，很可能造成關(guān)鍵信息丟失的情況，尤其對象是密集小目標(biāo)。如果單純提升檢測算法的輸入尺寸，雖然可以解決信息丟失的問題，但是會造成算法的復(fù)雜度劇烈升高，對計算機(jī)內(nèi)存產(chǎn)生更大消耗。為此，本文模仿人眼變分辨率檢測的思想，單獨地對圖像中難檢測區(qū)域進(jìn)行變分辨率檢測。

在視覺搜索任務(wù)中，目標(biāo)通常隨機(jī)分布在場景中的任意位置。但是在真實場景中，目標(biāo)的位置往往是受到限制的，例如要尋找艦船目標(biāo)時，通常會在水面上搜索，而不是陸地上，這便是人眼典型的情景線索輔助式搜索。人眼在對特定目標(biāo)進(jìn)行搜索時，對視場中每個位置的關(guān)注度（分辨率）是不同的。對一些場景線索強(qiáng)度高的區(qū)域，眼球會相應(yīng)地進(jìn)行調(diào)整[14]。于是，這些區(qū)域的視圖相對來說更加清晰，分布在此區(qū)域中的目標(biāo)更容易被發(fā)現(xiàn)。在空對地這類目標(biāo)區(qū)域?qū)嵗植济芗?、區(qū)域之間分布稀疏的場景中，類似人眼這種異常區(qū)域聚焦檢測的方法將取得很大優(yōu)勢。

為了模仿人眼聚焦搜索的方法，本文設(shè)計了一種雙通道耦合的目標(biāo)檢測算法，其流程圖如圖2所示。通過YoloV3 算法檢測感興趣目標(biāo)，同時也對密集場景區(qū)域進(jìn)行檢測。當(dāng)發(fā)現(xiàn)圖像中存在密集場景時，保留當(dāng)前目標(biāo)檢測結(jié)果，同時將密集區(qū)域的局部圖像再次作為輸入圖像進(jìn)行檢測，直到圖像中沒有檢測到密集區(qū)域。將基于YoloV3 算法得到的局部圖像的檢測結(jié)果和全局檢測結(jié)果進(jìn)行融合，得到最終的目標(biāo)選框?？紤]到密集場景屬于情景因素，與目標(biāo)實例為不同屬性的特征，場景和目標(biāo)之間耦合關(guān)系也較復(fù)雜，極大地增加了檢測的難度，因此本文在網(wǎng)絡(luò)后端分為兩通道獨立地利用YoloV3 算法進(jìn)行檢測。其中一個通道檢測密集場景，另一個通道檢測目標(biāo)實例。

圖2 算法流程圖Fig.2 Algorithm flow chart

2 網(wǎng)絡(luò)結(jié)構(gòu)

YoloV3 算法是Yolo 系列第三代算法，兼顧了速度和精度，當(dāng)輸入圖像尺寸為416×416 時，在COCO 數(shù)據(jù)集上精確度達(dá)到了55.3%，而速度僅需22 ms。密集場景聚焦的雙通道耦合目標(biāo)檢測算法是在YoloV3 的網(wǎng)絡(luò)框架上進(jìn)行改進(jìn)，將密集場景檢測網(wǎng)絡(luò)和目標(biāo)實例檢測網(wǎng)絡(luò)進(jìn)行一體化設(shè)計，在密集區(qū)域與目標(biāo)實例之間建立耦合關(guān)系提升檢測精度，算法的結(jié)構(gòu)如圖3所示。下面對網(wǎng)絡(luò)的各模塊進(jìn)行設(shè)計。

圖3 密集場景聚焦的雙通道耦合網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Two-channel coupling network structure focused on dense scenes

2.1 特征提取網(wǎng)絡(luò)

本算法采用DarkNet53[11]作為特征提取網(wǎng)絡(luò)。為了減少特征提取時池化層造成的信息丟失，DarkNet53 采用了全卷積的結(jié)構(gòu)進(jìn)行下采樣。其網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)如圖4所示。圖4中Conv 代表卷積層，每層的卷積后都加入了BN（Batch Normalization）層和Relu 激活函數(shù)。綠色邊框是DarkNet53 的下采樣層，特征圖每次縮小為原始的一半。黃色邊框為殘差結(jié)構(gòu)，由若干1×1 和3×3 的卷積層堆疊，每組殘差塊的輸入與輸出之間增加了鏈接路徑（shortcut）使得模型在訓(xùn)練時可以動態(tài)地調(diào)節(jié)復(fù)雜度，避免出現(xiàn)梯度消失和梯度爆炸的情況。模型總共包含52個卷積層和一個全連接層（在圖中省略）。黑色邊框為第3、4、5 個殘差結(jié)構(gòu)的輸出特征圖。

2.2 特征金字塔融合結(jié)構(gòu)

算法在特征提取網(wǎng)絡(luò)的Conv1、Conv2 和Conv3 層分成兩個相同的通道進(jìn)行特征融合，融合結(jié)構(gòu)同YoloV3如圖5所示。圖中卷積層的參數(shù)同圖4，每層卷積之后同樣經(jīng)過BN 層和Relu 激活函數(shù)。相比較YoloV2 的直通層（passthrough layer），YoloV3 采用FPN 的思想，對深層特征進(jìn)行上采樣之后與淺層特征融合。不同于FPN相加的融合方式，YoloV3 采用的Cat 操作更好地保留了網(wǎng)絡(luò)各層的信息，而后通過多個1×1 和3×3 的卷積對各通道的信息進(jìn)行整合，對小目標(biāo)檢測明顯加強(qiáng)?；疑驗樽罱K的增強(qiáng)后的特征層，在密集區(qū)域檢測通道生成Conv_m1、Conv_m2 和Conv_m3 特征層，在實例檢測通道生成Conv_1、Conv_2 和Conv_3 特征層。

圖5 特征金字塔融合結(jié)構(gòu)和參數(shù)Fig.5 Characteristic pyramid fusion structure and parameters

2.3 通道耦合結(jié)構(gòu)

文獻(xiàn)[15]中提出的情景引導(dǎo)模型證明了局部特征對視覺搜索的輔助作用。在本網(wǎng)絡(luò)中，密集區(qū)域檢測通道獨立地計算圖像中目標(biāo)的分布特征，對目標(biāo)分布密集的區(qū)域構(gòu)建了一個凸顯地圖。凸顯地圖提取了區(qū)域目標(biāo)的綜合屬性，對目標(biāo)的定位分類有一定的積極作用，因此將Conv_m1、Conv_m2 和Conv_m3 特征層與Conv_1、Conv_2 和Conv_3 特征層之間建立耦合結(jié)構(gòu)，如圖3所示。采用Sigmoid 函數(shù)對目標(biāo)實例通道的特征圖進(jìn)行選擇性增強(qiáng)，密集區(qū)域凸顯地圖的強(qiáng)度決定信息的增強(qiáng)程度。在增強(qiáng)后的特征圖上進(jìn)行目標(biāo)實例的邊框的回歸。

2.4 錨 點

單階段算法首先將初始框（default boxes）按照標(biāo)注框（ground true boxes）的信息進(jìn)行編碼，將網(wǎng)絡(luò)生成的邊界框（bounding boxes）回歸到編碼后的初始框上，因此錨點上產(chǎn)生的初始框?qū)λ惴ǖ木扔袠O大的影響。分別對密集區(qū)域和目標(biāo)特征圖中每個錨點產(chǎn)生3 類初始框，每個通道共9 類邊框。傳統(tǒng)的YoloV3 算法利用K-Means 算法來確定每個邊框的尺寸，考慮到K-Means算法對初始值設(shè)置較敏感，并且當(dāng)數(shù)據(jù)集較大時，算法容易收斂到局部最優(yōu)，因此本文在聚類前采用K-Means++[16]算法獲取初始值。密集區(qū)域的邊框尺寸直接按照K-Means++算法進(jìn)行聚類，而目標(biāo)邊框的樣本由兩部分組成，分別是密集區(qū)域的實例邊框和原始圖像中的實例邊框。由于在網(wǎng)絡(luò)輸入端對圖像進(jìn)行了線性插值的重建，對像素較大的圖像來說，某些目標(biāo)的尺寸會過小，網(wǎng)絡(luò)無法提取此類目標(biāo)的特征信息。這些干擾目標(biāo)的邊框樣本使聚類中心產(chǎn)生偏離，增加了邊框誤差，因此本文將重建后尺寸小于15×15 像素的邊框樣本濾除。最終在密集區(qū)域聚類結(jié)果為：(51，55)、(99，77)、(70，143)、(186，93)、(131，150)、(206，194)、(149，323)、(317，180)和(333，327)，對目標(biāo)的聚類結(jié)果為：(5，3)、(5，8)、(11，9)、(13，20)、(26，12)、(25，29)、(53，28)、(42，58)和(87，77)。

2.5 損失函數(shù)

本網(wǎng)絡(luò)分別檢測兩個屬性的目標(biāo)，因此損失函數(shù)包含密集區(qū)域的檢測損失和目標(biāo)實例的檢測損失，如式(1)所示。兩個損失函數(shù)的計算同文獻(xiàn)[7]，位置損失采用smooth L1，分類損失采用Log loss，如式(2)(3)，計算方法如式(4)(5)所示。采用難樣本挖掘(hard negative mining)對正負(fù)樣本進(jìn)行平衡，正負(fù)例比例設(shè)置為1:3。

式(1)中，Lall表示網(wǎng)絡(luò)的總損失，Ld和Lt分別是密集區(qū)域和目標(biāo)實例的損失，ε為目標(biāo)實例損失的權(quán)重因子。式(2)(3)中Ldconf和Ltconf分別為密集區(qū)域和目標(biāo)實例的置信度損失，Ldloc和Ltloc為位置損失，Nd和Nt為被標(biāo)注框編碼到的初始框數(shù)目。式(4)中表示第k類目標(biāo)的第i個預(yù)測框和第j個初始框之間的交并比（IOU），若IOU 大于閾值則為1，否則為0（閾值一般取0.5）。為第i個預(yù)測框的四個位置參數(shù)，為第j個初始框的四個位置參數(shù)（相對位置）。按照與初始框的IOU 是否大于閾值（一般取0.5）將預(yù)測框分為Pos 和Neg，Pos 表示正樣本，Neg 表示負(fù)樣本。式(5)中表示第i個預(yù)測框?qū)Φ趐類目標(biāo)的預(yù)測值，使用softmax 函數(shù)轉(zhuǎn)化為概率表述。

2.6 網(wǎng)絡(luò)的預(yù)測

首先對兩個通道的預(yù)測結(jié)果分別采用非極大值抑制進(jìn)行處理，選擇與各通道相適應(yīng)的交并比閾值去除同類重疊的邊框。保留實例檢測通道的各類別預(yù)測邊框，對密集區(qū)域檢測通道的預(yù)測框進(jìn)行閾值處理，去除一些得分較低的邊框。考慮到預(yù)測框為固定方位的四邊形，無法緊貼目標(biāo)輪廓，必然會包含大量背景誤差。尤其在空對地這種目標(biāo)密集分布的場景中，預(yù)測框之間相交的背景部分對非極大值抑制算法有更大的影響，因此本文采用了soft-nms[16]這種軟閾值的方法。而后，將預(yù)測得分較高的密集區(qū)域從原圖中裁剪出來，重新輸入到網(wǎng)絡(luò)中進(jìn)行檢測。若在裁剪后的圖像中再次檢測到密集區(qū)域，則將密集區(qū)域的圖像繼續(xù)重新輸出到網(wǎng)絡(luò)中，直到圖像中沒有密集區(qū)域。最后將所有實例檢測通道的預(yù)測框進(jìn)行整合，再次使用soft-nms 算法對邊框進(jìn)行篩選，得到最終的目標(biāo)實例框。

3 驗證與分析

實驗在Ubuntu16.04 系統(tǒng)的Pytorch 框架下運行，并使用CUDA8.0 和cuDNN5.0 來加速訓(xùn)練。計算機(jī)搭載 的 CPU 為 Corei7-8700k，顯 卡 為 NVIDIA GTX1080Ti，內(nèi)存為32G。

3.1 數(shù)據(jù)集制作

為驗證本文算法的有效性，建立了空對地密集區(qū)域數(shù)據(jù)集。本文數(shù)據(jù)集由谷歌地球上截取的1600 張圖像和DOTA[17]數(shù)據(jù)集上篩選的800 張圖像組成。圖像包含5 類目標(biāo)，分別是船、汽車、卡車、飛機(jī)和密集區(qū)域。標(biāo)注框為常見的（x，y，w，h）類型，其中（x，y）代表邊框的中心位置，（w，h）為邊框的寬和高。圖像尺寸跨度較大，從最小的300×300 像素到最大的4000×4000 像素。每張圖像都包含了至少5 個目標(biāo)實例，最多甚至包含2000 個目標(biāo)實例。實例的尺寸最小為30×30 像素，最大為1000×1000 像素（密集目標(biāo)區(qū)域）。按照1：4 的比例，將數(shù)據(jù)集分為了測試集和訓(xùn)練集。不同于其他常見數(shù)據(jù)集，本數(shù)據(jù)集中增加了密集區(qū)域這種較為抽象的標(biāo)注。在標(biāo)注中，我們基于以下三個原則對密集區(qū)域進(jìn)行描述：

1)對于任意密集邊框Mn，其內(nèi)部包含的目標(biāo)實例λi滿足i＞5。

2)對任意Mn內(nèi)的目標(biāo)實例λi(xi,yi,wi,hi)，總能找到另外一個λj(xj,yj,wj,hj)滿足公式＜30。

3)若λi∈Mn，則λi的邊框所有頂點均在Mn內(nèi)部。

由于數(shù)據(jù)集中，拍攝視距為近低空，因此圖像場景涵蓋范圍有限，訓(xùn)練集每幅圖像的密集區(qū)域邊框最多為4 個。部分?jǐn)?shù)據(jù)集標(biāo)注圖像如圖6所示，采用labelimg 軟件進(jìn)行標(biāo)注。其中目標(biāo)實例由黑色實線綠色頂點的方框標(biāo)注，圖6中陰影邊框為部分密集區(qū)域類別的標(biāo)注框。

圖6 部分標(biāo)注數(shù)據(jù)集Fig.6 Partially labeled data set

3.2 算法效果驗證

由于密集區(qū)域的檢測僅為二分類，并且密集區(qū)域尺度相對較大，重疊度較低，相對于目標(biāo)實例的檢測來說難度更低。因此在網(wǎng)絡(luò)訓(xùn)練時，應(yīng)更注重對目標(biāo)實例的檢測，本文將損失函數(shù)的ε設(shè)置為0.7。

網(wǎng)絡(luò)預(yù)測階段，在密集區(qū)域檢測，目標(biāo)實例檢測和最終的預(yù)測框整合三個階段分別采用了soft-nms 算法。由于密集區(qū)域之間分布較稀疏，并且在標(biāo)注時邊框之間重疊較少，因此將閾值設(shè)置為0.3；檢測目標(biāo)實例檢測的閾值采用常用的0.6；預(yù)測框的整合階段與雙通道的檢測之間相互獨立，并且不會影響檢測精度，因此將閾值設(shè)置為0.4。

表1 算法有效性分析Tab.1 Analysis of algorithm effectiveness

對本算法的有效性進(jìn)行分析，如表1所示。目標(biāo)檢測準(zhǔn)確度用mAP 表示。若網(wǎng)絡(luò)僅采用YoloV3 算法對四類目標(biāo)實例進(jìn)行檢測時，精度僅有47.1%。僅單獨對密集區(qū)域進(jìn)行檢測時，精度達(dá)到了82.3%，遠(yuǎn)高于目標(biāo)實例的精度。當(dāng)同時對目標(biāo)實例和密集區(qū)域進(jìn)行檢測時，平均精度分別為39.3%和73.5%，相比原始算法精度下降較多。這是由于目標(biāo)數(shù)目增加，網(wǎng)絡(luò)檢測難度加大；密集區(qū)域這類抽象的目標(biāo)與目標(biāo)實例之間存在耦合關(guān)系，對分類產(chǎn)生影響；同時，本數(shù)據(jù)集目標(biāo)實例的選框較小，而密集區(qū)域的選框相對較大，對初始框的生成有更高的要求。本文算法對目標(biāo)實例和密集區(qū)域的平均檢測精度為63.5%和79.8%。將本文算法雙通道之間的耦合關(guān)系去除后，目標(biāo)實例的檢測精度下降為60.4%，證明了通道耦合結(jié)構(gòu)的有效性。將預(yù)測階段的密集區(qū)域變分辨率檢測去除后，目標(biāo)實例檢測精度下降為45.4%，說明變分辨率檢測對算法精度有極大的提升。在本文算法的測試中，密集區(qū)域檢測通道的檢測精度基本維持不變，這是因為在此網(wǎng)絡(luò)中的耦合結(jié)構(gòu)和預(yù)測結(jié)構(gòu)對密集區(qū)域通道參數(shù)的影響較少。密集區(qū)域檢測通道的檢測精度相對于同時檢測目標(biāo)實例和密集區(qū)域的YoloV3 算法有所提升，這是因為本文網(wǎng)絡(luò)獨立地檢測密集區(qū)域，減少了與目標(biāo)實例之間的耦合，同時針對該通道設(shè)置初始框。然而由于兩個通道共享DarkNet53 特征提取網(wǎng)絡(luò)的參數(shù)，因此密集區(qū)域的檢測精度達(dá)不到Y(jié)oloV3 單獨檢測時的精度。

為進(jìn)一步驗證算法的有效性，將各階段圖像進(jìn)行可視化對比。圖7為輸入的原始圖像，尺寸為4969×3569 像素，圖中包含的目標(biāo)為飛機(jī)，實例數(shù)目為148 架。最小的飛機(jī)尺度僅為42×44 像素，在輸入網(wǎng)絡(luò)進(jìn)行壓縮后，降為4×5 像素，在進(jìn)行特征提取時基本失效。傳統(tǒng)的YoloV3 的檢測結(jié)果如圖8所示。

圖7 原始輸入圖像Fig.7 Original input image

圖8中，可以明顯發(fā)現(xiàn)算法對小目標(biāo)的檢測效果極差（圖像右下角的區(qū)域），尤其當(dāng)小目標(biāo)分布密集時，算法將實例之間的特征混淆，出現(xiàn)一個框同時框住多個目標(biāo)的情況。

在本文算法的第一階段檢測中，密集區(qū)域檢測通道的結(jié)果如圖9所示。圖中共檢測到4 個密集區(qū)域，與標(biāo)注信息一致。

圖8 YoloV3 算法的檢測結(jié)果Fig.8 YoloV3 algorithm detection results

圖9 密集區(qū)域檢測結(jié)果Fig.9 Dense area test results

圖10 目標(biāo)實例檢測結(jié)果Fig.10 Target instance test results

目標(biāo)實例檢測結(jié)果如圖11所示，當(dāng)算法耦合了密集區(qū)域的信息之后，對密集目標(biāo)和小目標(biāo)有了更強(qiáng)的魯棒性，檢測到了更多目標(biāo)實例。同時，證明了雙通道耦合結(jié)構(gòu)的優(yōu)越性。

在第二階段，分別對4 個密集區(qū)域再次進(jìn)行檢測，結(jié)果如圖11所示（以左上角和右下角的密集區(qū)域為例）?？梢园l(fā)現(xiàn)，在右下角密集區(qū)域檢測中，原始的難檢測目標(biāo)基本檢測正確。而左上角的區(qū)域卻檢測失效，沒有一個正例被檢測到，這是因為此密集區(qū)域的長寬比失調(diào)。在輸入網(wǎng)絡(luò)壓縮到416×416 像素時，目標(biāo)實例形變嚴(yán)重，極大的影響了特征的提取和識別。

圖11 密集區(qū)域的檢測Fig.11 Detection of dense areas

圖12 本文算法的檢測結(jié)果Fig.12 Test results of our method

由于第二次檢測后，沒有再出現(xiàn)密集目標(biāo)，因此最終檢測結(jié)果如圖12所示，目標(biāo)最終的邊框由第一次和第二次檢測結(jié)果通過soft-nms 算法篩選后得到。圖中可以看出，相比傳統(tǒng)YoloV3 檢測結(jié)果和第一次檢測結(jié)果有了極大的提升。

3.3 算法性能分析

考慮到該算法的實際應(yīng)用，選擇計算速度較快的單階段檢測算法進(jìn)行對比。單階段檢測算法目前主要分為SSD 系列和Yolo 系列，對傳統(tǒng)SSD 算法、YoloV2算法、YoloV3 算法以及目前表現(xiàn)較好的FSSD 算法與本文算法對比，結(jié)果如表2所示。其中正例定義為與標(biāo)注信息的IOU 大于0.5。FPS 為每秒檢測幀數(shù)。

表2 各類算法性能對比Tab.2 Performance comparison of various algorithms

從表中可以看出在檢測精度上，基于SSD 網(wǎng)絡(luò)的檢測算法和YoloV2 算法在本文數(shù)據(jù)集中表現(xiàn)較差，尤其是在檢測艦船類目標(biāo)時基本失效。YoloV3 在本數(shù)據(jù)集上適應(yīng)性較強(qiáng)，相比于SSD 算法提升了27.6%的平均精度，并且在艦船的檢測上有了大幅度的提升。而本文提出的算法達(dá)到了最高的檢測精度，相比YoloV3 算法提升了16.4%的平均精度，在各個類別的檢測上都有較大提升。在檢測速度上，YoloV2 延續(xù)了其速度的優(yōu)勢，但是檢測精度最低。由于本文算法多次對密集區(qū)域進(jìn)行檢測，每次提取的密集區(qū)域都要重新經(jīng)過網(wǎng)絡(luò)進(jìn)行特征提取、定位和分類，因此隨著密集區(qū)域和算法復(fù)雜度的增加，相較于YoloV3 損失了一定的檢測速度，但是精度卻有極大提升。總體來看，本文算法在性能上要超過其他算法。

將本文算法的部分檢測結(jié)果進(jìn)行可視化，結(jié)果如圖13所示。由于數(shù)據(jù)集中圖像尺寸變化較大，因此統(tǒng)一將檢測結(jié)果壓縮到1000×1000 像素。圖中可以看出，本文算法對密集小目標(biāo)的檢測度較高，尤其是在檢測艦船目標(biāo)上（以a 為例），相比圖1中傳統(tǒng)的SSD 網(wǎng)絡(luò)和YoloV3 網(wǎng)絡(luò)有較大提升。

圖13 本文算法部分檢測結(jié)果Fig.13 Part of the test results of our method

4 結(jié) 論

密集小目標(biāo)的檢測是空對地場景下目標(biāo)檢測領(lǐng)域中一個極具挑戰(zhàn)性的課題，為此本文提出了一種雙通道密集場景聚焦的算法。首先分析了深度學(xué)習(xí)目標(biāo)檢測算法在密集小目標(biāo)檢測中存在的問題；而后結(jié)合人眼搜索的特點，在傳統(tǒng)YoloV3 網(wǎng)絡(luò)的基礎(chǔ)上獨立地建立了一條密集場景檢測通道，對檢測到的密集區(qū)域再次變尺度檢測；最后自制空對地場景的密集區(qū)域數(shù)據(jù)集，對本文算法進(jìn)行了驗證。實驗表明，本文算法能有效地對目標(biāo)進(jìn)行檢測，相比傳統(tǒng)的YoloV3 算法在精度上有16.4%的提升，為空對地密集小目標(biāo)的檢測提供了一種新的思路。然而，總的來說，算法依舊存在較多漏檢和錯檢問題，在非密集區(qū)域，小尺度目標(biāo)的檢測度依舊較低，這也是未來需要解決的問題。