何維娟，江 濤，王林飛，徐權(quán)峰，王 欣

(1.云南民族大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，云南 昆明 650500; 2.云南大學(xué) 信息學(xué)院，云南 昆明 650091)

0 引 言

近年來(lái)，研究人員在圖像識(shí)別[1]開(kāi)發(fā)中做了很多工作。隨著遙感技術(shù)的快速發(fā)展，公開(kāi)的目標(biāo)檢測(cè)數(shù)據(jù)集也變得更多，大大增加了遙感圖像的數(shù)量和質(zhì)量。遙感圖像可以描述空中觀測(cè)的一切物體，如飛機(jī)、油罐、車輛等。但是目前提出的目標(biāo)檢測(cè)圖像數(shù)據(jù)集存在一些普遍的問(wèn)題，大多都是自然場(chǎng)景下的數(shù)據(jù)集。并且這些數(shù)據(jù)集中單類目標(biāo)場(chǎng)景通常很單一，目標(biāo)數(shù)量也較少，對(duì)于特定場(chǎng)景和目標(biāo)的數(shù)據(jù)集并不多見(jiàn)，但是這類數(shù)據(jù)集卻是很有價(jià)值的。研究人員廣泛地研究致力于航空?qǐng)D像中的目標(biāo)檢測(cè)[2-8]，利用計(jì)算機(jī)視覺(jué)的最新進(jìn)展，并考慮到地球視覺(jué)應(yīng)用的高要求，這些方法中的大多數(shù)[4,8]試圖將針對(duì)自然場(chǎng)景開(kāi)發(fā)的目標(biāo)檢測(cè)算法轉(zhuǎn)移到航空?qǐng)D像領(lǐng)域。此外，目前的目標(biāo)檢測(cè)雖然取得了很大的成功，但是在艦船遙感圖像[9]中卻存在很多難題，從當(dāng)前艦船遙感圖像目標(biāo)檢測(cè)的研究來(lái)看，存在以下幾個(gè)普遍的問(wèn)題：一是艦船目標(biāo)較小，導(dǎo)致艦船占像素點(diǎn)較少；二是艦船的種類多、大小不一，檢測(cè)難度相對(duì)較高；三是艦船圖像的成像受天氣、岸邊建筑和光照等因素的影響引起艦船物體視覺(jué)的改變。

對(duì)于艦船目標(biāo)檢測(cè)和艦船數(shù)據(jù)集的研究已有顯著成果。例如，徐芳[10]提出了一種梯度方向特征方法；余東行等人[11]采用基于頻率域相位譜的多尺度顯著性檢測(cè)方法抑制干擾因素；宋明珠等人[12]針對(duì)難以辨認(rèn)的弱小艦船目標(biāo)，設(shè)計(jì)了不同圖像層的權(quán)重，借此合成了基于多類特征的顯著性圖；李健偉等基于深度學(xué)習(xí)的SAR圖像艦船檢測(cè)數(shù)據(jù)集及性能分析提出了SSDD數(shù)據(jù)集；Li等[13]提出了DIOR數(shù)據(jù)集等等。艦船檢測(cè)的傳統(tǒng)方法是基于自動(dòng)識(shí)別系統(tǒng)和艦船特征[14]，Li等提出了一種改進(jìn)的空間聚類算法來(lái)識(shí)別艦船的異常行為[15]，Zhang等使用AIS數(shù)據(jù)來(lái)識(shí)別碰撞艦船,雖然這些研究都獲得了不錯(cuò)的效果，但是卻普遍存在識(shí)別精度低和檢測(cè)速度低等一系列問(wèn)題，因此，傳統(tǒng)的艦船檢測(cè)難以達(dá)到理想的檢測(cè)效果。近些年，基于深度學(xué)習(xí)的方法在各種圖像識(shí)別中占據(jù)主導(dǎo)地位，基于深度學(xué)習(xí)的方法主要包括兩種：一種是一階段基于回歸的方法，包括SSD[16]、YOLOV1[17]、YOLOV2[18]、YOLOV3[19]等；另一種是兩階段基于區(qū)域建議的方法，包括R-CNN[20]、Fast R-CNN[21]、Faster R-CNN[22](Faster Regions with CNN features)等。

為了更好地解決以上問(wèn)題，該文構(gòu)建一種艦船數(shù)據(jù)集，將其命名為DSTD。從開(kāi)源數(shù)據(jù)集中采集了4 845張圖像，其中包含不同方向、形狀和比例的對(duì)象，共有87 076個(gè)艦船實(shí)例，每個(gè)實(shí)例都由一個(gè)bounding box標(biāo)記。主要貢獻(xiàn)(Contribution)如下：(1)構(gòu)建艦船數(shù)據(jù)集，構(gòu)建的DSTD數(shù)據(jù)集是一組規(guī)模較大的艦船遙感圖像目標(biāo)檢測(cè)數(shù)據(jù)集；(2)以DSTD艦船數(shù)據(jù)集為基準(zhǔn)，選擇了單次目標(biāo)檢測(cè)的YOLOV3算法和兩次目標(biāo)檢測(cè)R-FCN算法與YOLOV5算法對(duì)該數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)對(duì)比，最終在當(dāng)前幾種主流的目標(biāo)檢測(cè)方法中找到了最適合艦船檢測(cè)的方法：即YOLOV5。

1 相關(guān)工作

遙感圖像是以航空拍攝為基礎(chǔ)，開(kāi)始為航空遙感，隨著遙感數(shù)據(jù)集的發(fā)展，數(shù)據(jù)類型越來(lái)越豐富, 數(shù)據(jù)量也越來(lái)越大，目前而言，遙感圖像數(shù)據(jù)集已經(jīng)有了很好的發(fā)展。

1.1 遙感圖像數(shù)據(jù)集的發(fā)展

近些年，有許多人熱衷于遙感圖像數(shù)據(jù)集的研究，并公開(kāi)發(fā)表了他們的數(shù)據(jù)集(部分?jǐn)?shù)據(jù)集見(jiàn)表1)，這些數(shù)據(jù)集簡(jiǎn)要描述如下:

表1 遙感圖像數(shù)據(jù)集

(1)TAS：TAS數(shù)據(jù)集是用于航空?qǐng)D像里的汽車檢測(cè)。包含30張圖像共1 319個(gè)汽車目標(biāo)，圖像的空間分辨率相對(duì)較低。

(2)SZTAKI-INRIA:SZTAKI-INRIA數(shù)據(jù)集包含9張圖像，共665個(gè)建筑目標(biāo)，該數(shù)據(jù)集用于對(duì)各種建筑檢測(cè)方法進(jìn)行基準(zhǔn)測(cè)試。

(3)NWPU VHR-10：NWPU VHR-10數(shù)據(jù)集由800張圖片構(gòu)成，有10個(gè)對(duì)象類，其中包括艦船、油罐、飛機(jī)等等。

(4)VEDAI：VEDAI數(shù)據(jù)集由1 210張圖像構(gòu)成，其中含有的目標(biāo)為車輛，分辨率0.12 m，RGB+N(近紅外)，尺寸大?。? 024*1 024。

(5)UCAS-AOD：中國(guó)科學(xué)院大學(xué)的實(shí)驗(yàn)成果，UCAS-AOD數(shù)據(jù)集由910張圖像構(gòu)成，其中含有的目標(biāo)為汽車和飛機(jī)，還有部分背景樣本。

(6)DLR 3K Vehicle：DLR 3K Vehicle數(shù)據(jù)集由20張航拍圖像，共14 235個(gè)實(shí)例構(gòu)成，這些圖片是用DLR 3K攝像系統(tǒng)拍攝的。

(7)HRSC2016：HRSC2016數(shù)據(jù)集由1 070張圖像構(gòu)成，用于艦船檢測(cè)，該數(shù)據(jù)在位置、外觀和形狀等上都有很大的變化。(8)RSOD：武漢大學(xué)團(tuán)隊(duì)標(biāo)注，RSOD數(shù)據(jù)集由976張圖像構(gòu)成，包含6 950個(gè)實(shí)例，有四個(gè)類別，分別為油箱、飛機(jī)、橋和操場(chǎng)。

(9)DOTA：DOTA數(shù)據(jù)集一共有15種土地利用類型，總樣本數(shù)高達(dá)18萬(wàn)，包含2 806張圖片，其中含有15個(gè)對(duì)象類別，共計(jì)188 282個(gè)實(shí)例目標(biāo)。

(10)SSDD：SSDD是國(guó)內(nèi)外公開(kāi)的第一個(gè)專門用于SAR圖像艦船目標(biāo)檢測(cè)的數(shù)據(jù)集，SSDD中長(zhǎng)寬比的分布范圍比較廣，從0.4到3，該數(shù)據(jù)集用于艦船檢測(cè)。

(11)DIOR：DIOR數(shù)據(jù)集由20個(gè)類別，23 463張圖像包含190 288個(gè)實(shí)例構(gòu)成，該數(shù)據(jù)集在類別數(shù)量、對(duì)象數(shù)量和圖像數(shù)量都是最大的。

(12)ITCVD：ITCVD數(shù)據(jù)集是由飛機(jī)在高空約330米高度拍攝的，該數(shù)據(jù)集用于車輛檢測(cè)。

1.2 參與評(píng)估的目標(biāo)檢測(cè)方法

(1)R-FCN：R-FCN與Faster R-CNN是一個(gè)派系的，但是與Faster R-CNN比較，R-FCN的速度快得多，并且將部分卷積特征圖的計(jì)算實(shí)現(xiàn)了共享。R-FCN的關(guān)鍵思想：分類需要特征具有平移不變性，檢測(cè)則要求對(duì)目標(biāo)的平移做出準(zhǔn)確響應(yīng)；消耗的卷積都盡量移到前面共享的subnetwork上，因此，與Faster RCNN中用的ResNet策略有所不同。

(2)YOLOV3：YOLOV3引入了FPN結(jié)構(gòu)。從YOLOV1和YOLOV2中的Darknet19網(wǎng)絡(luò)升級(jí)到 Darknet-53[23]實(shí)現(xiàn)特征提取，借鑒殘差網(wǎng)絡(luò)[24]的思想，交替使用 3 × 3 與 1 × 1 的卷積神經(jīng)網(wǎng)絡(luò)，但該方法借鑒了SSD方法中的多尺度思想，在保留了YOLO系列方法采用單階段網(wǎng)絡(luò)進(jìn)行高幀率檢測(cè)的同時(shí)，進(jìn)一步具備了檢測(cè)微小目標(biāo)和多尺度目標(biāo)的能力。它與SSD一樣準(zhǔn)確，但是比Faster R-CNN和SSD檢測(cè)速度更快。

(3)YOLOV5：YOLOV5推理速度是目前最強(qiáng)的，它在YOLOV1-YOLOV4的基礎(chǔ)上進(jìn)行優(yōu)化。為了達(dá)到更快的目標(biāo)檢測(cè)效果，YOLOV5在輸入端采用了Mosaic數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算和自適應(yīng)圖片縮放，運(yùn)行速度大大提高，最快的速度達(dá)到每秒140幀，在Backbone中使用了Focus結(jié)構(gòu)和CSP結(jié)構(gòu)，針對(duì)Focus結(jié)構(gòu)，這種結(jié)構(gòu)的主要操作是切片，目的是最大程度地減少信息損失而進(jìn)行下采樣操作，保證了特征圖的語(yǔ)義多樣性。與YOLOV1-YOLOV4相比，YOLOV5具有更高的準(zhǔn)確率和更好的識(shí)別小物體的能力。

2 DSTD數(shù)據(jù)集

實(shí)驗(yàn)數(shù)據(jù)是由TGRS-HRRSD-Dataset-master、NWPU-VHRdataset、DIOR、DOTA等幾個(gè)開(kāi)源遙感圖像數(shù)據(jù)集構(gòu)成，對(duì)圖片進(jìn)行剪切、修改以及篩選，并通過(guò)標(biāo)注工具labelImg進(jìn)行手動(dòng)標(biāo)注，一共得到了3 900張訓(xùn)練集和954張測(cè)試集，制作了該艦船目標(biāo)遙感數(shù)據(jù)集DSTD(見(jiàn)圖1)。

圖1 DSTD數(shù)據(jù)集部分艦船圖像數(shù)據(jù)示例

數(shù)據(jù)集文件中包括annotation，image兩個(gè)文件，其中annotation包含4 854個(gè)txt文件，是使用開(kāi)源工具 LabelImg對(duì)DSTD進(jìn)行人工標(biāo)注，生成后綴為.txt的文件，每個(gè)txt文件主要為目標(biāo)艦船的bounding box，格式為x1，y1,x2,y2，其中(x1,y1)與(x2,y2)分別是艦船bounding box的左上角坐標(biāo)和右下角坐標(biāo)。在訓(xùn)練數(shù)據(jù)集之前，需要對(duì)數(shù)據(jù)通過(guò)人工標(biāo)記標(biāo)簽，這是非常費(fèi)時(shí)費(fèi)力的步驟，因此要獲得訓(xùn)練數(shù)據(jù)集變得非常困難。

DSTD遙感圖像目標(biāo)檢測(cè)數(shù)據(jù)集有以下顯著特征：

(1)針對(duì)性強(qiáng)、規(guī)模較大。DSTD數(shù)據(jù)集由4 854張最優(yōu)艦船遙感圖像和87 076個(gè)艦船目標(biāo)實(shí)例組成，該數(shù)據(jù)是從開(kāi)源數(shù)據(jù)集中采集的。針對(duì)目前的遙感圖像數(shù)據(jù)集，DSTD針對(duì)性很強(qiáng)，只有艦船遙感圖像并且在圖像數(shù)量和目標(biāo)數(shù)量上規(guī)模都較大，進(jìn)一步提高了水上目標(biāo)檢測(cè)技術(shù)水平。

(2)目標(biāo)尺寸變化大。目標(biāo)尺寸變化是目標(biāo)檢測(cè)的一個(gè)重要特征，因?yàn)樗鼘?duì)圖像的分辨率有很大影響，在DSTD數(shù)據(jù)集，艦船的大小變化范圍較大，為了增加目標(biāo)的尺寸變化，該數(shù)據(jù)集收集了分辨率不同的圖像，兩張艦船圖片的目標(biāo)大小與數(shù)量均有較大差異。

(3)圖片變化大。對(duì)于目標(biāo)檢測(cè)而言，需要圖像具有較好的魯棒性，DSTD數(shù)據(jù)集就是在不同天氣、不同成像條件、不同水上環(huán)境下?lián)碛胸S富的圖像變化，因此DSTD數(shù)據(jù)集在光照、物體姿態(tài)和背景等方面都有豐富的變化，從而具有一定的魯棒性。

(4)類內(nèi)多樣性高。為了增加類內(nèi)多樣性，在收集艦船數(shù)據(jù)時(shí)，考慮了艦船比例、顏色、大小等因素，因此DSTD數(shù)據(jù)集具有較高的類內(nèi)多樣性。

3 實(shí)驗(yàn)及結(jié)果

在這一節(jié)中，用DSTD數(shù)據(jù)集訓(xùn)練了幾種經(jīng)典目標(biāo)檢測(cè)方法的性能，驗(yàn)證了該數(shù)據(jù)集的可行性，同時(shí)找到了最適合艦船的檢測(cè)方法：即YOLOV5。進(jìn)一步進(jìn)行實(shí)驗(yàn)分析并討論了驗(yàn)證集上的可視化結(jié)果。

3.1 實(shí)驗(yàn)數(shù)據(jù)集

為保證進(jìn)行實(shí)驗(yàn)時(shí)訓(xùn)練和測(cè)試數(shù)據(jù)分布的相似性，在4 854張DSTD艦船遙感圖像中，隨機(jī)獲得3 900幅艦船圖像當(dāng)作訓(xùn)練集，剩下的954幅圖片當(dāng)作測(cè)試集(見(jiàn)表2)。由于每幅圖片至少包含一艘艦船，有的一幅圖片包含多艘艦船，因此，艦船目標(biāo)數(shù)量不等于總的圖片數(shù)。

表2 艦船目標(biāo)數(shù)據(jù)集

3.2 實(shí)驗(yàn)過(guò)程及平臺(tái)

該文使用python語(yǔ)言進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)使用的操作系統(tǒng)為Red Hat 4.8.5-39，其中，處理器型號(hào)為Intel(R) Xeon(R) CPU E5-2620 v4 @ 2.10 GHz，顯卡型號(hào)為 GeForce GTX 1080，采用 NVIDIA CUAD11.0 加速工具箱。具體配置如表 3 所示。

表3 實(shí)驗(yàn)環(huán)境

除了特別說(shuō)明以外，對(duì)于YOLOV5算法在DSTD數(shù)據(jù)集的訓(xùn)練階段使用的其他部分實(shí)驗(yàn)參數(shù)如表 4 所示。

表4 實(shí)驗(yàn)參數(shù)設(shè)置

在YOLOV5算法下，訓(xùn)練階段設(shè)置 batch為64，輸入圖像為640×640，初始階段學(xué)習(xí)率為 0.004 7，結(jié)束學(xué)習(xí)率為0.000 044 7，訓(xùn)練迭代次數(shù)為300，loss 值穩(wěn)定在0.105 左右，訓(xùn)練過(guò)程得到正常收斂效果，Loss曲線如圖2所示。

圖2 損失值函數(shù)

3.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)

實(shí)驗(yàn)評(píng)價(jià)指標(biāo)主要是驗(yàn)證實(shí)驗(yàn)結(jié)果好壞的一種評(píng)比方法，該文選擇的評(píng)價(jià)指標(biāo)為:精準(zhǔn)率、召回率、平均精度和幀率。

(1)精準(zhǔn)率(Precision，P)和召回率(Recall，R)。

其中，P是艦船的精準(zhǔn)率，Ntp是準(zhǔn)確檢測(cè)艦船的數(shù)量，Nfp是錯(cuò)誤檢測(cè)艦船的數(shù)量，R是艦船的召回率，Nfn是將艦船誤檢為背景的數(shù)量。

(2)平均精度(mean Average Precision，mAP)。

其中，mAP表示多類別精度。

(3)幀率(FPS)：目標(biāo)檢測(cè)中每秒鐘能夠檢測(cè)的圖片數(shù)量，用該指標(biāo)評(píng)價(jià)目標(biāo)檢測(cè)的速度。

3.4 實(shí)驗(yàn)結(jié)果及對(duì)比

為了驗(yàn)證YOLOV5算法在DSTD艦船遙感圖像的檢測(cè)性能，另外選了2種目標(biāo)檢測(cè)方法作為對(duì)比，這兩種方法都是目前在深度學(xué)習(xí)中很有效的方法，一種為基于區(qū)域建議的方法：R-FCN，另一種為基于回歸的方法：YOLOV3。在進(jìn)行R-FCN、YOLOV3模型的訓(xùn)練時(shí)，使用官方代碼和默認(rèn)參數(shù)。使用YOLOV3、R-FCN和YOLOV5對(duì)數(shù)據(jù)集訓(xùn)練300次Batches。

三種算法在DSTD數(shù)據(jù)集上的精度、速度和召回率的對(duì)比如表5和圖3所示。圖3為三種算法的mAP圖像對(duì)比，其中YOLOV5、R-FCN、YOLOV3的圖像依次向下。YOLOV5目標(biāo)檢測(cè)算法在檢測(cè)時(shí)間上每張圖片大約花費(fèi)0.005 4 s，YOLOV3算法檢測(cè)一張圖片需要0.014 2 ms，R-FCN算法檢測(cè)一張圖片需要0.056 5 ms，YOLOV5的檢測(cè)速度是最快的。在檢測(cè)精度方面，YOLOV5的檢測(cè)精度為99.4%，YOLOV3的檢測(cè)精度為81.2%，R-FCN的檢測(cè)精度為86.2%，YOLOV5比YOLOV3和R-FCN的檢測(cè)精度提高了22.4%和18.8%。R-FCN的召回率為92.3%，YOLOV3的召回率為87.2%，YOLOV5的召回率為99.2%，YOLOV5較R-FCN及YOLOV3提高了7.5%和13.8%。

圖3 三種算法mAP對(duì)比結(jié)果

表5 實(shí)驗(yàn)對(duì)比結(jié)果

對(duì)比YOLOV3和R-FCN，YOLOV5能夠保持較高分辨率的主要原因是具有較強(qiáng)的語(yǔ)義信息，具有開(kāi)闊的感受野，YOLOV5中的Mosaic數(shù)據(jù)增強(qiáng)，隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)排布的方式進(jìn)行拼接等，提高了對(duì)艦船小目標(biāo)的檢測(cè)能力。YOLOV5在保持一定精度的同時(shí)檢測(cè)速度最快，所以YOLOV5對(duì)艦船遙感圖像檢測(cè)效果最好。

4 結(jié)束語(yǔ)

該文構(gòu)建了一種規(guī)模較大、艦船目標(biāo)較多的DSTD艦船遙感圖像數(shù)據(jù)集。該數(shù)據(jù)集可以幫助水上艦船目標(biāo)檢測(cè)有進(jìn)一步的發(fā)展，并且利用構(gòu)建的數(shù)據(jù)集對(duì)基于深度學(xué)習(xí)的方法進(jìn)一步探索和驗(yàn)證。對(duì)三種具有代表性的目標(biāo)檢測(cè)方法的性能進(jìn)行了評(píng)價(jià)，最終在當(dāng)前幾種主流的檢測(cè)方法中發(fā)現(xiàn)了最適合艦船遙感圖像檢測(cè)的方法,即YOLOV5。將 YOLOV5應(yīng)用到遙感艦船檢測(cè)領(lǐng)域中，更好地實(shí)現(xiàn)了DSTD目標(biāo)的檢測(cè)。YOLOV5雖然效果很好，但是網(wǎng)絡(luò)在目標(biāo)框構(gòu)建的時(shí)候存在明顯的不足，使得模型完美地屏蔽了一些小目標(biāo)的訓(xùn)練，原因是通過(guò)比較目標(biāo)框和錨框的比例，過(guò)濾掉了一部分錨框比例差距較大的目標(biāo)框，訓(xùn)練不好，并且進(jìn)行過(guò)濾。該實(shí)驗(yàn)結(jié)果可作為今后研究艦船目標(biāo)檢測(cè)的一個(gè)有用性能。