吳 濤，王倫文，朱敬成

（國(guó)防科技大學(xué)電子對(duì)抗學(xué)院，合肥 230037）

0 引言

對(duì)偽裝目標(biāo)的檢測(cè)與識(shí)別，一直以來(lái)都是軍事目標(biāo)檢測(cè)研究的重點(diǎn)內(nèi)容，其任務(wù)就是檢測(cè)出偽裝目標(biāo)的位置信息和類(lèi)別信息［1-2］。與常規(guī)目標(biāo)不同的是，偽裝目標(biāo)與周?chē)尘碍h(huán)境高度融合，視覺(jué)特征與背景相似，特征模糊難以辨析，給偽裝目標(biāo)檢測(cè)帶來(lái)巨大挑戰(zhàn)。

傳統(tǒng)算法將偽裝目標(biāo)看成特殊的紋理結(jié)構(gòu)進(jìn)行特征提?。?-5］。該類(lèi)算法需要手工提取偽裝目標(biāo)特征，檢測(cè)效率低，不能滿(mǎn)足軍事目標(biāo)檢測(cè)實(shí)時(shí)性的要求。2014 年，Girshick 等人成功將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用在目標(biāo)檢測(cè)領(lǐng)域［6］。偽裝目標(biāo)的特殊性質(zhì)決定了其與背景融合度較高，常規(guī)的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在偽裝目標(biāo)數(shù)據(jù)集上效果受到限制，檢測(cè)效果有明顯下降。為此，文獻(xiàn)［7］構(gòu)建了一個(gè)全連接反卷積網(wǎng)絡(luò)用于抵抗背景中的噪聲，有效提取并融合了深層卷積網(wǎng)絡(luò)中的高層語(yǔ)義信息特征；文獻(xiàn)［8］在基于VGG-Net 的基礎(chǔ)上提出了SSDN 網(wǎng)絡(luò)，增加了語(yǔ)義信息增強(qiáng)和樣本擴(kuò)展兩個(gè)模塊，與FCN8S 等其他模型相比，平均絕對(duì)誤差（Mean Absolute Error，MAE）有所降低；文獻(xiàn)［9］在RetinaNet框架的基礎(chǔ)上，針對(duì)偽裝目標(biāo)特點(diǎn)，在檢測(cè)模型中嵌入了空間注意力和通道注意力模塊，與不同深度目標(biāo)檢測(cè)算法進(jìn)行比較，在檢測(cè)精度和準(zhǔn)確度上有所提升。

本文以回歸模型YOLOv3 為基礎(chǔ)，提出了一種基于改進(jìn)YOLOv3 網(wǎng)絡(luò)的偽裝目標(biāo)檢測(cè)算法。YOLOv3 是一種實(shí)時(shí)性效果較好、檢測(cè)精度較高的單階段目標(biāo)檢測(cè)算法。為使其能夠適用于偽裝目標(biāo)檢測(cè)，對(duì)算法模型進(jìn)行了改進(jìn)：1）針對(duì)現(xiàn)有偽裝目標(biāo)數(shù)據(jù)集，充分挖掘數(shù)據(jù)的先驗(yàn)知識(shí)，對(duì)算法的先驗(yàn)框進(jìn)行了重聚類(lèi)；2）依據(jù)YOLOv3 的骨干網(wǎng)絡(luò)多次利用殘差網(wǎng)絡(luò)的特點(diǎn)，將原網(wǎng)絡(luò)的級(jí)聯(lián)方式由單級(jí)跳連改為多級(jí)跳連，在增加網(wǎng)絡(luò)模型深度的同時(shí)，提高了檢測(cè)精度并避免了因模型過(guò)深帶來(lái)梯度消失的問(wèn)題；3）在殘差網(wǎng)絡(luò)中引入注意力機(jī)制，為不同的特征層賦予不同的特征權(quán)重，網(wǎng)絡(luò)在提取特征時(shí)具有不同的偏好，提升了模型讀取關(guān)鍵信息和提取有效特征的能力。在文獻(xiàn)［9］公開(kāi)的偽裝目標(biāo)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明，與原始算法相比，本文提出的算法具有更高的檢測(cè)精度。

1 YOLOv3 算法模型

2018 年Redmon 等人提出YOLOv3 算法后，其在公開(kāi)的經(jīng)典數(shù)據(jù)集上表現(xiàn)出了良好的檢測(cè)性能［10］。YOLOv3 是一種基于回歸的單階段算法模型，在YOLOv1、YOLOv2 基礎(chǔ)上有了很大改進(jìn)，采用了與YOLOv1、YOLOv2 不同的網(wǎng)絡(luò)結(jié)構(gòu)，引入了多尺度融合的方式對(duì)不同尺度目標(biāo)具有很好兼容性，同時(shí)具有良好的檢測(cè)速度和精度［11-12］。

YOLOv3 的骨干是一種新型的網(wǎng)絡(luò)結(jié)構(gòu)——Darknet53，它借鑒了殘差網(wǎng)絡(luò)的優(yōu)點(diǎn)，采用了多個(gè)殘差塊進(jìn)行特征提取，殘差模塊的設(shè)計(jì)和使用可以使網(wǎng)絡(luò)很深時(shí)仍具有良好的收斂性能，其結(jié)構(gòu)如圖1 所示。

圖1 Darknet53 模型結(jié)構(gòu)

網(wǎng)絡(luò)的輸入會(huì)被調(diào)整為三通道的416*416 大小的圖片，在經(jīng)過(guò)一系列的特征提取后會(huì)得到13*13，26*26，52*52 三類(lèi)不同大小的輸出。不同分辨率的輸出，其感受野不同，有利于對(duì)不同尺寸的目標(biāo)進(jìn)行檢測(cè)。YOLOv3 算法依然采用了先驗(yàn)框機(jī)制，經(jīng)過(guò)聚類(lèi)算法，YOLOv3 聚類(lèi)出9 種大小不同的先驗(yàn)框，每個(gè)特征圖分配了3 種大小的先驗(yàn)框。相比之前的YOLO 版本，YOLOv3 減少了先驗(yàn)框的種類(lèi)，提升了檢測(cè)速度。先驗(yàn)框尺度如表1 所示。

表1 特征圖對(duì)應(yīng)不同尺度的先驗(yàn)框

2 基于改進(jìn)YOLOv3 的目標(biāo)檢測(cè)算法

2.1 先驗(yàn)框重聚類(lèi)

目標(biāo)檢測(cè)算法中先驗(yàn)框的設(shè)計(jì)，使得模型不需要直接對(duì)物體的位置信息進(jìn)行預(yù)測(cè)，而是通過(guò)先驗(yàn)框相對(duì)于真實(shí)框的偏移距離對(duì)目標(biāo)進(jìn)行預(yù)測(cè)。YOLOv3 算法在訓(xùn)練數(shù)據(jù)集上通過(guò)K-means 方法對(duì)先驗(yàn)框尺度進(jìn)行聚類(lèi)，如表1 所示，得到了9 種尺度的先驗(yàn)框。先驗(yàn)框的設(shè)計(jì)能夠降低預(yù)測(cè)難度，提升檢測(cè)召回率。

本文在公開(kāi)的偽裝人員數(shù)據(jù)集下，對(duì)YOLOv3的9 種先驗(yàn)框進(jìn)行了重新聚類(lèi)，重新聚類(lèi)的先驗(yàn)框能夠更好貼合當(dāng)前數(shù)據(jù)。重新聚類(lèi)后的先驗(yàn)框?qū)捀弑热绫? 所示。

表2 重新聚類(lèi)后先驗(yàn)框?qū)捀弑?/p>

2.2 殘差塊的多級(jí)跳連

當(dāng)網(wǎng)絡(luò)層數(shù)不斷疊加時(shí)，網(wǎng)絡(luò)越來(lái)越難以訓(xùn)練，會(huì)出現(xiàn)梯度彌散的問(wèn)題。為了解決這一問(wèn)題，He等人提出了殘差網(wǎng)絡(luò)的概念，重新定義了輸出層的學(xué)習(xí)剩余函數(shù)，以便于對(duì)網(wǎng)絡(luò)進(jìn)行更深入地訓(xùn)練，使得模型在網(wǎng)絡(luò)層數(shù)較深時(shí)仍具有良好的收斂能力和效果［13］。YOLOv3 借鑒了殘差網(wǎng)絡(luò)的特點(diǎn)，在特征提取階段使用了多個(gè)殘差網(wǎng)絡(luò)進(jìn)行特征提取，表現(xiàn)出了良好的提取性能。

由于YOLOv3 的骨干網(wǎng)絡(luò)多次使用了殘差塊結(jié)構(gòu)，本文調(diào)整了殘差塊的級(jí)聯(lián)方式。由原先的單級(jí)跳連增加到兩級(jí)跳連甚至是多級(jí)跳連。增加級(jí)聯(lián)方式融合了多個(gè)殘差塊內(nèi)多個(gè)卷積層的特征，有利于誤差回傳。此外，在擴(kuò)展模塊、增加網(wǎng)絡(luò)層數(shù)時(shí)，模型依然具有較好的收斂效果。

如圖2 所示，其他輸出層學(xué)習(xí)參數(shù)的引入，能夠進(jìn)一步融合其他輸出層的訓(xùn)練效果，增強(qiáng)模型的訓(xùn)練能力，保證模型能夠進(jìn)行更充分訓(xùn)練且在增加模型深度時(shí)模型不會(huì)產(chǎn)生梯度消失的問(wèn)題，進(jìn)一步確保了模型訓(xùn)練時(shí)的可靠性和預(yù)測(cè)的準(zhǔn)確性。

圖2 殘差塊

2.3 注意力機(jī)制嵌入

由于偽裝目標(biāo)的特征模糊，難以有效辨別，所以改進(jìn)算法主要關(guān)注如何提高偽裝目標(biāo)的有效特征，增大有效特征權(quán)重，提高特征分辨率。因此，將注意力機(jī)制［14］引入到Y(jié)OLOv3 的算法模型中。在神經(jīng)網(wǎng)絡(luò)的模型當(dāng)中，能夠有針對(duì)地選擇某些輸入，或者根據(jù)算法需要給網(wǎng)絡(luò)輸入分配不同的權(quán)重值。注意力機(jī)制的引入能夠幫助我們從諸多特征中選擇特定的重要特征，篩選出有用信息，提升網(wǎng)絡(luò)的表達(dá)能力［15-17］。

殘差塊得到的輸出會(huì)首先進(jìn)行壓縮操作，通過(guò)最大值池化或者平均池化的方式得到一組權(quán)重值，也可將兩種方式得到的權(quán)重值相加作為新的權(quán)重值。該權(quán)重值是整個(gè)特征層進(jìn)行壓縮得到的，因而具有全局的感受野，通過(guò)壓縮后權(quán)重的通道維度和數(shù)據(jù)的通道維度保持不變。

其中，F(xiàn)sq是全局平均池化得到的C通道的權(quán)重矩陣。H，W表示單個(gè)通道的寬和高像素值，通過(guò)對(duì)通道上所有像素值求平均得到相對(duì)于該通道的權(quán)重值。

在多級(jí)聯(lián)殘差塊后添加通道注意力機(jī)制，通道注意力的具體實(shí)現(xiàn)方式如圖3 所示。

圖3 注意力機(jī)制

如圖4 所示，偽裝的存在，背景中的目標(biāo)難以被有效發(fā)掘，特征很難提取。注意力機(jī)制的嵌入，增大了有效特征的權(quán)重，待檢測(cè)的目標(biāo)區(qū)域成為焦點(diǎn)區(qū)域，抑制迷彩對(duì)目標(biāo)特征的偽裝效果，提高了特征有效性表達(dá)。

圖4 添加注意力機(jī)制后效果圖

從圖4 可以看出，添加了注意力模塊之后，部分圖像中待檢測(cè)目標(biāo)的有效特征權(quán)重進(jìn)行了增強(qiáng)，被進(jìn)行了重點(diǎn)關(guān)注，圖中顏色越深表示權(quán)重值越大，顏色越淺，權(quán)重值越小。

2.4 改進(jìn)的算法模型

在YOLOv3 的基礎(chǔ)上，對(duì)現(xiàn)有數(shù)據(jù)先驗(yàn)框信息進(jìn)行挖掘，利用K-means 算法對(duì)先驗(yàn)框進(jìn)行了重聚類(lèi)（聚類(lèi)中心數(shù)為9），計(jì)算出了當(dāng)前數(shù)據(jù)集下9 種最佳的寬高比；接著對(duì)YOLOv3 的骨干結(jié)構(gòu)進(jìn)行了調(diào)整，在特征提取階段改變了殘差網(wǎng)絡(luò)的級(jí)聯(lián)方式，增加了殘差塊的殘差邊，使原先的級(jí)聯(lián)方式由單級(jí)跳連改為二級(jí)跳連；并在每個(gè)殘差模塊之后嵌入了注意力機(jī)制進(jìn)行特征提取，改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)如圖5 所示。

圖5 改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)

在改變了殘差塊級(jí)聯(lián)方式的基礎(chǔ)上，將注意力模塊嵌入到每個(gè)殘差塊之后，利用注意力機(jī)制具有的特征篩選能力來(lái)進(jìn)行特征提取。注意力模塊相當(dāng)于是一維卷積模塊，通過(guò)全局池化+兩層卷積+Sigmoid 的方式得到了相應(yīng)通道的特征權(quán)重，權(quán)重的運(yùn)用使得網(wǎng)絡(luò)在進(jìn)行特征提取時(shí)具有不同的偏好，是進(jìn)行有用特征提取的一種有效方式。骨干網(wǎng)絡(luò)提取的特征經(jīng)過(guò)不同的卷積和上采樣，借鑒了特征金字塔［18］（feature pyramid networks，F(xiàn)PN）構(gòu)造，融合了低層和深層特征，提取的特征內(nèi)容更豐富。

3 實(shí)驗(yàn)

3.1 數(shù)據(jù)與數(shù)據(jù)增強(qiáng)

本次實(shí)驗(yàn)數(shù)據(jù)集共包含圖片3 279 張，涉及叢林、雪地等不同場(chǎng)景，33 種不同的迷彩類(lèi)型，不同的人員及其姿態(tài)。實(shí)驗(yàn)數(shù)據(jù)與常規(guī)目標(biāo)數(shù)據(jù)相比，場(chǎng)景更加復(fù)雜，目標(biāo)特征難以辨別，符合偽裝特征。

圖6 部分實(shí)驗(yàn)數(shù)據(jù)

為了增強(qiáng)模型的泛化能力，提高模型在其他類(lèi)似目標(biāo)檢測(cè)上的良好性能，本文利用數(shù)據(jù)增強(qiáng)的方式擴(kuò)充了數(shù)據(jù)集。通過(guò)數(shù)據(jù)擴(kuò)充處理，圖片數(shù)據(jù)量成倍增加，處理后的圖片如下頁(yè)圖7 所示。

圖7 數(shù)據(jù)增強(qiáng)擴(kuò)充數(shù)據(jù)集

3.2 評(píng)價(jià)指標(biāo)

兩個(gè)重要的指標(biāo)就是查準(zhǔn)率（Precision）和召回率（Recall）。對(duì)于目標(biāo)檢測(cè)結(jié)果有4 種可能，真正例（true positive，TP）、真反例（true negative，NF）、假正例（false positive，F(xiàn)P）、假反例（false negative，F(xiàn)N）。4 種檢測(cè)結(jié)果代表的含義如下，且由此可計(jì)算出Precision和Recall，如表3 所示。

表3 檢測(cè)結(jié)果分類(lèi)和指標(biāo)計(jì)算

通過(guò)繪制并計(jì)算P-R 曲線(xiàn)下方面積（也即mAP）大小來(lái)作為算法檢測(cè)性能的評(píng)價(jià)指標(biāo)。

采取的平均精度均值（mean average precision，mAP）作為模型的衡量指標(biāo)，反映了待檢測(cè)類(lèi)別的平均檢測(cè)精度。平均精度（average precision，AP）是描述單個(gè)類(lèi)別識(shí)別精度的衡量指標(biāo)，在本文中，因?yàn)橹粚?duì)單個(gè)目標(biāo)進(jìn)行檢測(cè)，mAP和AP 在數(shù)值上相等。所以有

在目標(biāo)檢測(cè)任務(wù)中，對(duì)單張圖片的檢測(cè)需要計(jì)算檢測(cè)的交并比［19］（Intersection over Union，IoU），這是對(duì)目標(biāo)識(shí)別效果的一次衡量，是作用在單張圖片上的。IoU 描述的是預(yù)測(cè)框和真實(shí)框之間的重合度。IoU 愈大，重合度越高，預(yù)測(cè)就越精準(zhǔn)。IoU 計(jì)算方法如式（3）所示，其中，A表示真實(shí)框，B表示預(yù)測(cè)框。

也可寫(xiě)成如下關(guān)系式：

3.3 損失函數(shù)

在目標(biāo)檢測(cè)任務(wù)中，對(duì)一個(gè)目標(biāo)的檢測(cè)包括判斷物體的位置、類(lèi)別以及置信度，所以在YOLOv3中，對(duì)應(yīng)的損失包括的位置損失、類(lèi)別損失和置信度損失3 類(lèi)。3 類(lèi)損失函數(shù)的計(jì)算如下：

式中，lbox、lcls和lobj分別代表位置損失、置信度損失和類(lèi)別損失。在位置損失中，是調(diào)節(jié)系數(shù)，K*K代表YOLOv3 的13*13，26*26，52* 52 3 種輸出，M代表著候選的數(shù)量，實(shí)驗(yàn)中設(shè)置M=9，代表著對(duì)候選框內(nèi)是否包含物體的判斷，有物體則，否則為0。在置信度損失中，Ci為決定矩形是否負(fù)責(zé)預(yù)測(cè)某一物體，如果是，則Ci=1，否則為0；，是對(duì)候選框是否不負(fù)責(zé)預(yù)測(cè)目標(biāo)的判斷。在類(lèi)別損失中，為標(biāo)記為類(lèi)別c的真實(shí)值，如果屬于類(lèi)別c，則，否則為0。和分別為權(quán)重系數(shù)。

3.4 實(shí)驗(yàn)結(jié)果及分析

本文模型基于Pytorch 架構(gòu)，在顯示內(nèi)存為6 GB 的GeForce GTX 1660 Ti GPU 上運(yùn)行。實(shí)驗(yàn)過(guò)程中沒(méi)有采用YOLOv3 預(yù)訓(xùn)練權(quán)重，實(shí)驗(yàn)數(shù)據(jù)90%用于訓(xùn)練，10%用于驗(yàn)證。實(shí)驗(yàn)中實(shí)驗(yàn)參數(shù)和含義如下頁(yè)表4 所示。

表4 實(shí)驗(yàn)參數(shù)及其含義

本次實(shí)驗(yàn)圖像輸入大小調(diào)整為416*416，初始學(xué)習(xí)率設(shè)定lr=0.001，迭代次數(shù)iterations=250 次，批處理大小Batch_size=8。對(duì)比了不同的級(jí)聯(lián)方式下訓(xùn)練過(guò)程中訓(xùn)練損失和驗(yàn)證損失情況。結(jié)果如圖8所示。

圖8 改變級(jí)聯(lián)方式前后損失曲線(xiàn)對(duì)比

分析圖8 中曲線(xiàn)可知，在不增加其他模塊的情況下，模型在當(dāng)前學(xué)習(xí)率下訓(xùn)練時(shí)，雖然含有兩條殘差邊的模塊收斂速度略低于改進(jìn)前，但誤差在網(wǎng)絡(luò)中反傳的效果有所增強(qiáng)。無(wú)論是訓(xùn)練損失還是驗(yàn)證損失，含有兩條殘差邊模塊的網(wǎng)絡(luò)收斂效果優(yōu)于只含一條殘差邊模塊的網(wǎng)絡(luò)，收斂效果更好。

保持學(xué)習(xí)率lr=0.001，迭代次數(shù)iterations=250，批處理大小Batch_size=8 不變的情況下，在殘差網(wǎng)絡(luò)之后增加了通道注意力模塊，并進(jìn)行實(shí)驗(yàn)驗(yàn)證，繪制出訓(xùn)練和驗(yàn)證損失曲線(xiàn)圖，實(shí)驗(yàn)結(jié)果如圖9所示。

圖9 添加注意力模塊前后損失曲線(xiàn)對(duì)比

與原始模型相比，增加了注意力機(jī)制的模型在誤差反傳效果上有所改善，收斂值有所降低，證明了在殘差網(wǎng)絡(luò)中增加注意力機(jī)制方式的有效性。

接著，在實(shí)驗(yàn)過(guò)程中采用了不同的訓(xùn)練方式。與上面實(shí)驗(yàn)不同的是，實(shí)驗(yàn)起初仍然設(shè)定初始學(xué)習(xí)率lr=0.001，Batch_size=8，在訓(xùn)練了一定的輪次后，設(shè)定學(xué)習(xí)率lr=0.000 1，Batch_size=2，總的iterations=250 次不變。相當(dāng)于整個(gè)實(shí)驗(yàn)采用了初始學(xué)習(xí)率不同的兩個(gè)階段，并同時(shí)結(jié)合了以上兩種改進(jìn)方式與原始算法以及添加不同模塊的方式進(jìn)行了對(duì)比，損失曲線(xiàn)如圖10 所示。

圖10 調(diào)整學(xué)習(xí)率前后損失曲線(xiàn)對(duì)比

從實(shí)驗(yàn)效果來(lái)看，調(diào)整不同的學(xué)習(xí)率進(jìn)行訓(xùn)練，在訓(xùn)練約20 輪之后，將學(xué)習(xí)率從0.001 調(diào)整至0.000 1，并結(jié)合改進(jìn)的網(wǎng)絡(luò)模型，算法的收斂效果優(yōu)于原始網(wǎng)絡(luò)模型，并優(yōu)于只改變級(jí)聯(lián)方式或只增加注意力模塊的情況。實(shí)驗(yàn)對(duì)比了改進(jìn)后的模型和原始模型的mAP 值，結(jié)果如圖11 所示。

從圖11 可以看出，改進(jìn)前算法模型的平均精度均值為70.14%，改進(jìn)后為74.49%，改進(jìn)后的模型在平均精度均值上要優(yōu)于原始算法，算法精度大約提高了4.35%，驗(yàn)證了改進(jìn)后算法的有效性。

圖11 改進(jìn)前后的P-R 曲線(xiàn)和mAP 對(duì)比

在同一偽裝目標(biāo)數(shù)據(jù)集下，將改進(jìn)后的算法與Faster-RCNN，SSD，YOLOv3 原始算法進(jìn)行了對(duì)比。Faster-RCNN和SSD 分別是兩階段和一階段典型算法［20-21］。對(duì)比結(jié)果如下頁(yè)表5 所示。

從表5 可以看出，改進(jìn)后的算法相比Faster-RCNN，SSD和改進(jìn)前的YOLOv3 算法，算法檢測(cè)精度有了提升，尤其是在綜合了以上3 種改進(jìn)之后，檢測(cè)精度有了顯著提升。

表5 不同模型的mAP 對(duì)比

圖12 部分檢測(cè)結(jié)果對(duì)比

4 結(jié)論

針對(duì)YOLOv3 算法對(duì)偽裝目標(biāo)檢測(cè)精度不高的問(wèn)題，本文提出了一種改進(jìn)的YOLOv3 偽裝目標(biāo)算法。首先基于現(xiàn)有數(shù)據(jù)，通過(guò)K-means 聚類(lèi)算法對(duì)先驗(yàn)框進(jìn)行了重聚類(lèi)，重聚類(lèi)后的先驗(yàn)框?qū)?shù)據(jù)具有更好的貼合效果；接著改變了殘差模塊內(nèi)部的連接方式確保了在增加網(wǎng)絡(luò)層數(shù)的情況下，網(wǎng)絡(luò)模型依然具有良好的訓(xùn)練效果，并將注意力機(jī)制嵌入到特征提取網(wǎng)絡(luò)中。

實(shí)驗(yàn)結(jié)果表明，在調(diào)整了先驗(yàn)框的基礎(chǔ)上，改變殘差模塊的級(jí)聯(lián)方式和增加注意力機(jī)制后，算法的收斂性能更好，具有較低的損失值。與原始算法相比，改進(jìn)后的算法收斂值更小，平均精度更高，平均檢測(cè)精度大約提到了4.35%。