卜薈力

（安徽理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，安徽 淮南 232001）

0 引 言

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域最重要和最具有挑戰(zhàn)性的分支之一，其作為場(chǎng)景理解的重要組成部分，已經(jīng)被廣泛地應(yīng)用于人們的日常生活當(dāng)中，如安全監(jiān)控、自動(dòng)駕駛等。而遙感圖像檢測(cè)作為目標(biāo)檢測(cè)的一個(gè)前沿和熱點(diǎn)，它在資源勘探、自然災(zāi)害評(píng)估、軍事目標(biāo)檢測(cè)和識(shí)別等領(lǐng)域具有重要的意義。近年來，隨著空間遙感技術(shù)的飛速發(fā)展，高分辨率、大尺度遙感影像數(shù)據(jù)的不斷豐富。獲取遙感圖像不再像以前一樣困難。遙感目標(biāo)檢測(cè)是在遙感圖像中找到感興趣目標(biāo)的具體位置并識(shí)別其類別，然而，由于遙感影像背景非常復(fù)雜，并且大多數(shù)遙感目標(biāo)都是密集小目標(biāo)，因此傳統(tǒng)的基于機(jī)器學(xué)習(xí)的遙感檢測(cè)方法的結(jié)果往往不能令人滿意。自2012年Krizhcvsky 等人提出AlexNe這種深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）模型以來，深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域掀起了一股熱潮。目前廣泛使用的基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法主要分為兩類：第一類是“兩階段”法，將目標(biāo)檢測(cè)分為檢測(cè)和識(shí)別兩個(gè)階段，首先通過算法在圖像中找到感興趣的區(qū)域，然后識(shí)別區(qū)域目標(biāo)，如RCNN、Fast R-CNN、Faster R-CNN、Mask R-CNN等。第二類是“一階段”法，利用回歸思想同時(shí)完成檢測(cè)和識(shí)別，實(shí)現(xiàn)端到端的檢測(cè)和識(shí)別，如YOLOv3、SSD等。

針對(duì)目前遙感圖像檢測(cè)中存在的難點(diǎn)，很多學(xué)者做了大量的研究工作，在檢測(cè)方法和特征提取網(wǎng)絡(luò)結(jié)構(gòu)上均有不同程度的改進(jìn)。李婕等人提出結(jié)合平行層特征共享結(jié)構(gòu)和注意力機(jī)制的遙感飛機(jī)目標(biāo)自動(dòng)檢測(cè)模型AFF-CenterNet，有效提高了算法的特征提取能力。周雪柯等人在Faster-RCNN 模型中引入注意力機(jī)制，使用SE 模塊校準(zhǔn)特征通道權(quán)重，使用較低的計(jì)算成本獲得了顯著的性能提升。YE 等人提出ASFF（Adaptively Spatial Feature Fusion）特征融合模塊對(duì)信息流進(jìn)行篩選，以獲得對(duì)檢測(cè)有用的信息。

本文選擇在YOLOv3 的基礎(chǔ)上進(jìn)行改進(jìn)，其核心思想在于端到端完成整個(gè)物體檢測(cè)的過程，其在YOLOv1 和YOLOv2 的基礎(chǔ)上做了大量改進(jìn)，使得檢測(cè)精度和速度都有了顯著提升。經(jīng)實(shí)驗(yàn)對(duì)比證明，改進(jìn)后算法與原YOLOv3算法相比檢測(cè)效果明顯得以提升。

1 YOLOv3 目標(biāo)檢測(cè)算法

YOLO 的全稱是You Only Look Once，是Redmon 在2016年提出的一種目標(biāo)檢測(cè)算法。不同于R-CNN 將檢測(cè)過程分為物體分類和定位兩部分，YOLO 算法的本質(zhì)是將目標(biāo)檢測(cè)問題處理成回歸問題，用單個(gè)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測(cè)邊界框和類別概率，比其他算法速度更快。它可以從圖像中檢測(cè)物體的類別信息和位置信息，檢測(cè)速度達(dá)到45FPS。但一開始的YOLO 算法定位誤差嚴(yán)重，檢測(cè)精度不高。后續(xù)的YOLOv2 算法采用一系列方法優(yōu)化YOLO 網(wǎng)絡(luò)模型結(jié)構(gòu)，進(jìn)一步提高了檢測(cè)速度，也有更高的準(zhǔn)確率。2018年，Redmon 等提出了YOLOv3 算法，在端到端思想的基礎(chǔ)上增加了預(yù)測(cè)錨框機(jī)制，采用多尺度融合預(yù)測(cè)方法進(jìn)步增強(qiáng)了對(duì)目標(biāo)檢測(cè)的精度。

YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu)主要由特征提取網(wǎng)絡(luò)和預(yù)測(cè)層組成，如圖1所示。其在YOLOv2 結(jié)構(gòu)的基礎(chǔ)上去掉了所有最大池化層，增加了更多的卷積層加深網(wǎng)絡(luò)，并引入了殘差模塊，共包括23 個(gè)殘差塊。經(jīng)過5 次下采樣后，輸出大小為網(wǎng)絡(luò)輸入大小的1/32。改進(jìn)后的主干網(wǎng)絡(luò)被命名為Darknet-53，YOLOv3 采用多尺度分類的思想，將預(yù)測(cè)層分為3 個(gè)尺度。對(duì)于640×640 的輸入圖像，可以獲得三個(gè)尺度的特征圖。FPN 的思想對(duì)這三個(gè)尺度的特征圖采用自下而上的上采樣將小特征圖與大特征圖融合，輸出三個(gè)預(yù)測(cè)特征。在相同尺度的預(yù)測(cè)層中，使用券積操作完成特征圖與局部特征的交互。YOLOv3 輸出的三個(gè)特征圖尺度大小分別為20×20、40×40、80×80，每個(gè)單元使用3 個(gè)錨框來預(yù)測(cè)3個(gè)邊界框。

圖1 YOLOv3 網(wǎng)絡(luò)結(jié)構(gòu)

2 改進(jìn)的YOLOv3 目標(biāo)檢測(cè)算法

2.1 Mosaic 數(shù)據(jù)增強(qiáng)

數(shù)據(jù)增強(qiáng)是一種數(shù)據(jù)擴(kuò)充技術(shù)，指的是利用有限的數(shù)據(jù)創(chuàng)造盡可能多的利用價(jià)值。因?yàn)殡m然現(xiàn)在各種任務(wù)的公開數(shù)據(jù)集有很多，但是其實(shí)數(shù)據(jù)量也遠(yuǎn)遠(yuǎn)不夠，而公司或者學(xué)術(shù)界去采集、制作這些數(shù)據(jù)的成本很高，尤其像人工標(biāo)注數(shù)據(jù)的任務(wù)量非常大，因此，只能通過一些方法去更好地利用現(xiàn)有的成本。傳統(tǒng)數(shù)據(jù)增強(qiáng)方式有隨機(jī)翻轉(zhuǎn)、旋轉(zhuǎn)、裁剪、變形縮放、添加噪聲、顏色擾動(dòng)等等。而本文選擇一種新的數(shù)據(jù)增強(qiáng)方式Mosaic 數(shù)據(jù)增強(qiáng)，通過隨機(jī)裁剪、隨機(jī)縮放和隨機(jī)排布將四張圖片拼接，豐富了檢測(cè)數(shù)據(jù)集，尤其增加了小目標(biāo)，提高了網(wǎng)絡(luò)的魯棒性，因此本文選擇其對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行增強(qiáng)。

2.2 ECA 注意力機(jī)制

注意力機(jī)制來源于人類的視覺機(jī)制，能夠使網(wǎng)絡(luò)專注于有效信息，過濾無用信息，從而提高信息的利用率?，F(xiàn)有研究表明，將注意力模塊添加到現(xiàn)有卷積神經(jīng)網(wǎng)絡(luò)中可以帶來顯著的性能提升。然而，大多數(shù)現(xiàn)有方法致力于開發(fā)更復(fù)雜的注意模塊以實(shí)現(xiàn)更好的性能，這不可避免地會(huì)增加模型的復(fù)雜性。而ECA-Net 中的注意力模塊EfficientChannel Attention（ECA）是主要針對(duì)SE-Attention 改進(jìn)的，SEAttention 使用兩個(gè)全連接層實(shí)現(xiàn)通道注意力，而ECA 指出使用兩個(gè)全連接層會(huì)引入大量參數(shù)和計(jì)算量，同時(shí)計(jì)算兩兩通道間的注意力是非必要的，因此在不降維的全局通道平均池化后僅僅采用了一個(gè)感受也為的一維卷積來計(jì)算相鄰個(gè)通道間的注意力。在只增加了非常少的參數(shù)情況下卻能獲得明顯的性能提升，如圖2所示，其中設(shè)置=3，表示相乘操作，⊕表示相加操作。

圖2 ECA 注意力

2.3 CIOU 損失函數(shù)

YOLOv3 中的原始定位損失函數(shù)為IOU 損失，相比傳統(tǒng)的L2 損失，使用IOU 損失函數(shù)能更好地反應(yīng)兩個(gè)框的重合程度。但是其仍然存在很多缺陷，比如說當(dāng)交并比值相同時(shí)，重合方式不一定相同，無法挑選出真正的最優(yōu)預(yù)測(cè)框，因此本文選擇CIOU損失作為YOLOv3 的定位損失函數(shù)，它考慮了重疊面積、中心點(diǎn)距離以及長(zhǎng)寬比信息，解決了IOU 損失函數(shù)的不足。CIoU 具體公式如式（1）～（3）所示：

其中代表預(yù)測(cè)框中心坐標(biāo)的參數(shù)，就是兩個(gè)中心點(diǎn)距離的平方，和為長(zhǎng)寬比，代表兩個(gè)矩形的最小外接矩形對(duì)角線長(zhǎng)度

2.4 ECA-YOLOv3 主干網(wǎng)絡(luò)

本文將改進(jìn)后的YOLOv3 算法命名為ECA-YOLOv3，結(jié)合前幾節(jié)的介紹，最終得到ECA-YOLOv3 主干網(wǎng)絡(luò)的結(jié)構(gòu)，如表1所示。

表1 ECA-YOLOv3 主干網(wǎng)絡(luò)結(jié)構(gòu)

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)訓(xùn)練及測(cè)試的計(jì)算機(jī)硬件配置如下：CPU 為Intel（R）Core（TM）i5-11400@2.60GHz，GPU 為NVIDIA GeForce RTX 3060，采用Ubuntu20.04 操作系統(tǒng)和Pytorch1.8深度學(xué)習(xí)框架作為實(shí)驗(yàn)的運(yùn)行環(huán)境。

3.2 數(shù)據(jù)集

RSOD 數(shù)據(jù)集由武漢大學(xué)發(fā)布，是用于遙感圖像中物體檢測(cè)的數(shù)據(jù)集，本文選擇其作為數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試。其一共包含飛機(jī)、操場(chǎng)、立交橋和油桶四類目標(biāo)，數(shù)量分別為：446 張圖（4 993 架飛機(jī)），189 張圖（191 個(gè)操場(chǎng)），176張圖（180 座立交橋），165 張圖（1 586 個(gè)油桶）。

3.3 評(píng)價(jià)指標(biāo)

本實(shí)驗(yàn)采用召回率、精確率和平均精度均值（Mean Average Precision，mAP）通常用于評(píng)估目標(biāo)檢測(cè)算法的性能，具體公式如式（4）～（7）所示。

其中TP 為算法預(yù)測(cè)正確的正樣本個(gè)數(shù)，F(xiàn)N 為算法預(yù)測(cè)錯(cuò)誤且判斷為負(fù)樣本的個(gè)數(shù)，F(xiàn)P 為算法預(yù)測(cè)錯(cuò)誤但是判斷為正樣本的個(gè)數(shù)，AP 值為PR 曲線所圍成的面積

3.4 實(shí)驗(yàn)結(jié)果及分析

3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置

輸入圖片大小設(shè)置為640×640，使用隨機(jī)梯度下降法（stochastic gradient descent, SGD）作為優(yōu)化器優(yōu)化網(wǎng)絡(luò)，動(dòng)量設(shè)為0.937，權(quán)重衰減系數(shù)設(shè)為0.000 5。初始學(xué)習(xí)率設(shè)置為0.01，在訓(xùn)練過程中使用余弦退火算法來對(duì)學(xué)習(xí)率進(jìn)行更新，Batch Size 設(shè)置為4，epoch 數(shù)設(shè)置為240 輪。

3.4.2 對(duì)比實(shí)驗(yàn)

在相同數(shù)據(jù)集上對(duì)YOLOv3 和ECA-YOLOv3 進(jìn)行對(duì)比實(shí)驗(yàn)，使用mAP 作為模型檢測(cè)指標(biāo)，最終實(shí)驗(yàn)結(jié)果如表2所示。從表中可以看出，本文提出的算法行之有效，其檢測(cè)精度比傳統(tǒng)的YOLOv3 網(wǎng)絡(luò)提高了2.6 個(gè)百分點(diǎn)。

表2 模型性能對(duì)比表

3.4.3 實(shí)驗(yàn)效果圖

使用ECA-YOLOv3 對(duì)測(cè)試集進(jìn)行測(cè)試，部分圖片檢測(cè)效果如圖3所示，可以看出，改進(jìn)后的網(wǎng)絡(luò)在針對(duì)一些困難樣本，如密集小目標(biāo)、目標(biāo)被遮擋、相似度差異較大等圖像上均有較好的識(shí)別效果。

圖3 檢測(cè)效果圖

4 結(jié) 論

為解決遙感圖像中因目標(biāo)尺度變化較大，背景復(fù)雜導(dǎo)致的檢測(cè)困難問題，本文在YOLOv3 的基礎(chǔ)上，以DarkNet53為主干網(wǎng)絡(luò)，引入輕量級(jí)的ECA 注意力模塊，并通過替換CIOU 邊界框損失函數(shù)，對(duì)數(shù)據(jù)進(jìn)行Mosaic 增強(qiáng)等方式對(duì)原始算法進(jìn)行一些類改進(jìn)。實(shí)驗(yàn)結(jié)果表明基于改進(jìn)后的YOLOv3 遙感圖像檢測(cè)方法取得了不錯(cuò)的檢測(cè)效果，模型魯棒性得以提高，且檢測(cè)精度保持在了較高水準(zhǔn)，具有一定的實(shí)用價(jià)值。下一步將考慮優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，在不降低檢測(cè)精度的同時(shí)進(jìn)一步壓縮模型，提高其檢測(cè)速度。