摘 要：針對(duì)現(xiàn)存無人機(jī)航拍圖像目標(biāo)檢測(cè)算法檢測(cè)精度較低、模型較為復(fù)雜的問題，提出一種改進(jìn)ＹＯＬＯｖ８ 的目標(biāo)檢測(cè)算法。在骨干網(wǎng)絡(luò)引入多尺度注意力ＥＭＡ，捕捉細(xì)節(jié)信息，以提高模型的特征提取能力；改進(jìn)Ｃ２ｆ 模塊，減小模型的計(jì)算量。提出了輕量級(jí)的ＢｉＹＯＬＯｖ８ 特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)ＹＯＬＯｖ８ 的頸部，增強(qiáng)了模型多尺度特征融合能力，改善網(wǎng)絡(luò)對(duì)小目標(biāo)的檢測(cè)精度。使用ＷＩｏＵ Ｌｏｓｓ 優(yōu)化原網(wǎng)絡(luò)損失函數(shù)，引入一種動(dòng)態(tài)非單調(diào)聚焦機(jī)制，提高模型的泛化能力。在無人機(jī)航拍數(shù)據(jù)集ＶｉｓＤｒｏｎｅ２０１９ 上的實(shí)驗(yàn)表明，提出算法的ｍＡＰ５０ 為４０． ７％ ，較ＹＯＬＯｖ８ｓ 提升了１． ５％ ，參數(shù)量降低了４２％ ，同時(shí)相比于其他先進(jìn)的目標(biāo)檢測(cè)算法在精度和速度上均有提升，證明了改進(jìn)算法的有效性和先進(jìn)性。

關(guān)鍵詞：航拍圖像；小目標(biāo)檢測(cè)；ＹＯＬＯｖ８；ＢｉＹＯＬＯｖ８；輕量化

中圖分類號(hào)：ＴＰ３９１ 文獻(xiàn)標(biāo)志碼：Ａ 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０４－０８７１－１１

０ 引言

隨著無人機(jī)技術(shù)的蓬勃發(fā)展以及制造成本的降低，無人機(jī)憑借其機(jī)動(dòng)靈活的特點(diǎn)，能夠飛越人類無法到達(dá)的地方，實(shí)現(xiàn)大范圍區(qū)域的監(jiān)測(cè)，已廣泛應(yīng)用于各行各業(yè)當(dāng)中［１］。無人機(jī)航拍圖像目標(biāo)檢測(cè)是無人機(jī)的一個(gè)重要應(yīng)用，在民用和軍事領(lǐng)域發(fā)揮著重要作用，應(yīng)用于測(cè)繪航測(cè)、應(yīng)急救援、危險(xiǎn)區(qū)域監(jiān)測(cè)和識(shí)別易受災(zāi)地區(qū)等諸多方面［２］。

目前，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)性能已經(jīng)遠(yuǎn)超傳統(tǒng)方法，根據(jù)有無候選框的生成，可以分為單階段的目標(biāo)檢測(cè)（ＳＳＤ［３］、ＹＯＬＯ 系列［４］和ＲｅｔｉｎａＮｅｔ［５］等）及雙階段的目標(biāo)檢測(cè)（ＲＣＮＮ 系列［６］等）。雖然單階段目標(biāo)檢測(cè)的檢測(cè)精度略低于雙階段目標(biāo)檢測(cè)，但其有著更快的檢測(cè)速度，便于部署到各項(xiàng)任務(wù)當(dāng)中。

盡管基于深度學(xué)習(xí)的目標(biāo)檢測(cè)已經(jīng)具備了很好的效果，但其在無人機(jī)目標(biāo)檢測(cè)中表現(xiàn)不佳。一方面是因?yàn)闊o人機(jī)航拍圖像不同于自然場(chǎng)景的圖像，具有大場(chǎng)景、多尺度、小目標(biāo)、背景復(fù)雜和相互遮擋的特點(diǎn)，難以準(zhǔn)確地識(shí)別目標(biāo)［７］；另一方面，無人機(jī)目標(biāo)檢測(cè)任務(wù)對(duì)實(shí)時(shí)性和準(zhǔn)確性有著很高的要求，而復(fù)雜的模型難以部署在無人機(jī)這樣的小型設(shè)備當(dāng)中，輕量化的模型又難以提高準(zhǔn)確度［８－９］。

為解決這些問題，國(guó)內(nèi)外學(xué)者展開了一系列的研究。Ｌｉｕ 等［１０］提出了一種基于ＳＳＤ 的特征增強(qiáng)檢測(cè)算法，利用ＲｅｓＮｅｔ５０ 網(wǎng)絡(luò)的殘差結(jié)構(gòu)來獲取更多的特征信息并融合到骨干網(wǎng)絡(luò)，保留更多的淺層特征，提升了對(duì)小目標(biāo)的檢測(cè)能力。Ｗａｎｇ 等［１１］以ＲｅｔｉｎａＮｅｔ 為基礎(chǔ)模型，優(yōu)化其特征金字塔結(jié)構(gòu)并引入注意力機(jī)制來關(guān)注目標(biāo)信息。王殿偉等［１２］提出一種改進(jìn)Ｄｏｕｂｌｅ-Ｈｅａｄ ＲＣＮＮ 的檢測(cè)算法，在骨干網(wǎng)絡(luò)引入Ｔｒａｎｓｆｏｒｍｅｒ 和可變形卷積，設(shè)計(jì)了基于內(nèi)容感知特征重組的特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)，以模型變復(fù)雜為代價(jià)換取更高的精度。Ｄｅｍｅｓｑｕｉｔａ 等［１３］提出了一種完全卷積的Ｓｉａｍｅｓｅ 自動(dòng)編碼器方法，用少量無人機(jī)航拍圖像作為訓(xùn)練樣本就能取得不錯(cuò)的效果。趙耘徹等［１４］提出了改進(jìn)ＹＯＬＯｖ４ 的檢測(cè)算法，用輕量級(jí)網(wǎng)絡(luò)ＭｏｂｉｌｅＮｅｔｖ３ 作為特征提取網(wǎng)絡(luò)，深度可分離卷積替換３ ×３ 常規(guī)卷積，簡(jiǎn)化了模型，提升了檢測(cè)速度。Ｗａｎｇ 等［１５］提出了一種改進(jìn)ＹＯＬＯＸＸ 的檢測(cè)算法ＹＯＬＯＸ＿ｗ，用ＳＡＨＩ 算法進(jìn)行數(shù)據(jù)增強(qiáng)以及引入淺層特征圖來提高對(duì)小目標(biāo)的檢測(cè)能力，并加入新的檢測(cè)頭和超輕量子空間注意力模塊（ＵＬＳＡＭ）使模型聚焦于關(guān)鍵特征，最后優(yōu)化了邊界框回歸損失函數(shù)，雖然提升了檢測(cè)精度，但帶來了參數(shù)量變大、運(yùn)行速度較慢的問題。

上述方法仍存在檢測(cè)精度較低、模型較為復(fù)雜的問題，不能滿足實(shí)時(shí)性和準(zhǔn)確性的需求，于是本文提出了一種改進(jìn)ＹＯＬＯｖ８ 的無人機(jī)航拍圖像目標(biāo)檢測(cè)算法來解決這一問題，以下是該算法主要改進(jìn)和創(chuàng)新：① 采用先提升精度再減輕模型參數(shù)的設(shè)計(jì)理念改進(jìn)主干，可以在不影響速度的前提下提升精度；② 通過添加跨尺度連接方式和加權(quán)特征方法，設(shè)計(jì)了特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)，將深層語義和淺層定位信息進(jìn)行多尺度特征融合，解決尺度差異大、特征丟失嚴(yán)重的問題；③ 用ＷＩｏＵ 替換ＣＩｏＵ，降低低質(zhì)量樣本對(duì)模型的危害，提高了模型的泛化能力。

１ ＹＯＬＯｖ８ 算法原理

在各種目標(biāo)檢測(cè)算法中，ＹＯＬＯ 系列因具備速度和準(zhǔn)確度間的優(yōu)異平衡脫穎而出，能夠準(zhǔn)確、快速地識(shí)別目標(biāo)，便于部署到各種移動(dòng)設(shè)備中，已經(jīng)廣泛應(yīng)用于各種領(lǐng)域的目標(biāo)檢測(cè)、跟蹤和分割。目前最新版本ＹＯＬＯｖ８ 由原ｖ５ 的開發(fā)團(tuán)隊(duì)Ｕｌｔｒａｌｙｔｉｃｓ 于２０２３ 年１ 月提出，按規(guī)格大小可劃分為ｎ、ｓ、ｍ、ｌ、ｘ五個(gè)版本，是目前最先進(jìn)的目標(biāo)檢測(cè)算法，有著優(yōu)異的性能，很適合用于無人機(jī)航拍圖像目標(biāo)檢測(cè)。其網(wǎng)絡(luò)結(jié)構(gòu)如圖１ 所示。

ＹＯＬＯｖ８ 模型包括Ｉｎｐｕｔ、Ｂａｃｋｂｏｎｅ、Ｎｅｃｋ 和Ｈｅａｄ 四部分。其中Ｉｎｐｕｔ 選用了Ｍｏｓａｉｃ 數(shù)據(jù)增強(qiáng)方法，并且對(duì)于不同大小的模型，有部分超參數(shù)會(huì)進(jìn)行修改，典型的如大模型會(huì)開啟ＭｉｘＵｐ 和ＣｏｐｙＰａｓｔｅ數(shù)據(jù)增強(qiáng)，能夠豐富數(shù)據(jù)集，提升模型的泛化能力和魯棒性。Ｂａｃｋｂｏｎｅ 主要用于提取圖片中的信息，提供給Ｎｅｃｋ 和Ｈｅａｄ 使用，由多個(gè)Ｃｏｎｖ、Ｃ２ｆ 模塊和尾部的ＳＰＰＦ 組成。Ｃｏｎｖ 模塊由單個(gè)Ｃｏｎｖ２ｄ、ＢａｔｃｈＮｏｒｍ２ｄ 和激活函數(shù)構(gòu)成，用于提取特征并整理特征圖。ＹＯＬＯｖ８ 參考了Ｃ３ 模塊的殘差結(jié)構(gòu)以及ＹＯＬＯｖ７［１６］的ＥＬＡＮ 思想，設(shè)計(jì)出了Ｃ２ｆ 結(jié)構(gòu)，可以在保證輕量化的同時(shí)獲得更加豐富的梯度流信息，并根據(jù)模型尺度來調(diào)整通道數(shù)，大幅提升了模型性能。ＳＰＰＦ 是空間金字塔池化，能夠融合不同尺度的特征。Ｎｅｃｋ 部分主要起特征融合的作用，充分利用了骨干網(wǎng)絡(luò)提取的特征，采用ＦＰＮ［１７］＋ ＰＡＮ［１８］結(jié)構(gòu)，能夠增強(qiáng)多個(gè)尺度上的語義表達(dá)和定位能力。Ｈｅａｄ 輸出端根據(jù)前兩部分處理得到的特征來獲取檢測(cè)目標(biāo)的類別和位置信息，做出識(shí)別，換成了目前主流的解耦頭結(jié)構(gòu)，將分類和檢測(cè)頭分離，解決了分類和定位關(guān)注側(cè)重點(diǎn)不同的問題，同時(shí)也采用了無錨框的目標(biāo)檢測(cè)（ＡｎｃｈｏｒＦｒｅｅ），能夠提升檢測(cè)速度。Ｌｏｓｓ 計(jì)算方面采用了正負(fù)樣本動(dòng)態(tài)分配策略，使用ＶＦＬ Ｌｏｓｓ 作為分類損失，使用ＤＦＬ Ｌｏｓｓ＋ＣＩｏＵＬｏｓｓ 作為回歸損失。

２ 改進(jìn)的ＹＯＬＯｖ８ 網(wǎng)絡(luò)結(jié)構(gòu)

２． １ 骨干網(wǎng)絡(luò)的改進(jìn)

２． １． １ 引入ＥＭＡ 注意力模塊

注意力機(jī)制能夠捕獲局部重要信息，使模型聚焦于檢測(cè)目標(biāo)的相關(guān)特征，在各種計(jì)算機(jī)視覺任務(wù)當(dāng)中發(fā)揮著重要作用。ＥＭＡ［１９］是一種高效多尺度注意力機(jī)制，將部分通道重塑為批量維度，避免了通道降維的情況，從而能夠保留每個(gè)通道的信息并降低計(jì)算成本。ＥＭＡ 不僅對(duì)全局信息編碼來調(diào)整并行子網(wǎng)絡(luò)通道權(quán)重，還通過跨緯度交互融合２ 個(gè)并行子網(wǎng)絡(luò)的輸出特征。ＥＭＡ 總體結(jié)構(gòu)如圖２所示。

對(duì)于輸入特征Ｘ∈ＲＣ×Ｈ×Ｗ ，ＥＭＡ 按通道數(shù)將其劃分為Ｇ 個(gè)子特征，來學(xué)習(xí)不同的語義，輸入特征Ｘ ＝ ［Ｘ０ ，Ｘｉ，…，ＸＧ－１ ］，Ｘｉ∈ＲＣ∥Ｇ×Ｈ×Ｗ 。在不損失一般性的前提下，令Ｇ-Ｃ，并假設(shè)學(xué)習(xí)到的權(quán)重描述符將用于增強(qiáng)每個(gè)子特征中感興趣區(qū)域的特征表示。

ＥＭＡ 通過２ 條在１×１ 分支和１ 條在３×３ 分支上的平行路徑來提取分組特征圖的權(quán)重描述符，在１×１ 分支中采用了２ 個(gè)１Ｄ 全局平均池化操作沿著２ 個(gè)空間方向?qū)π诺肋M(jìn)行編碼，并將２ 個(gè)編碼特征連接起來，使其不在１ ×１ 分支上降維；再將１ ×１ 卷積后的輸出重新分解為２ 個(gè)向量，使用２ 個(gè)Ｓｉｇｍｏｉｄ非線性函數(shù)來擬合線性卷積上的２Ｄ 二進(jìn)制分布；最后通過乘法聚合通道注意力實(shí)現(xiàn)跨通道交互。在３×３ 分支中用１ 個(gè)３ × ３ 卷積以捕獲多尺度特征表示。

使用２Ｄ 全局平均池化對(duì)１×１ 分支和３×３ 分支輸出中的全局空間信息編碼，輸出將被轉(zhuǎn)換為相應(yīng)的維度形狀，即：Ｒ１×Ｃ∥Ｇ１ ×ＲＣ∥Ｇ×ＨＷ２ 。最后添加非線性函數(shù)Ｓｏｆｔｍａｘ 來擬合線性變換，將２ 個(gè)分支相同規(guī)模的輸出連接起來轉(zhuǎn)換為Ｒ１×Ｈ×Ｗ 的格式，使用矩陣點(diǎn)積運(yùn)算將上述并行處理的結(jié)果相乘，得到了空間注意力圖，能夠收集不同尺度的空間信息。ＥＭＡ 的最終輸出與輸入Ｘ 的大小相同，便于直接添加到ＹＯＬＯｖ８ 網(wǎng)絡(luò)中，本文選擇在骨干網(wǎng)絡(luò)前２ 個(gè)Ｃ２ｆ 后添加ＥＭＡ 注意力。

２． １． ２ 改進(jìn)Ｃ２ｆ 模塊

ＹＯＬＯｖ８ 骨干網(wǎng)絡(luò)主要使用了常規(guī)卷積和Ｃ２ｆ模塊，能夠?qū)D像進(jìn)行高質(zhì)量的特征提取?？紤]到ＥＭＡ 注意力的使用一定程度上增加了模型的復(fù)雜度，于是選用更簡(jiǎn)單的卷積方法替換部分常規(guī)卷積來簡(jiǎn)化模型，而ＦａｓｔｅｒＮｅｔ［２０］提出了一種新的卷積方式ＰＣｏｎｖ，通過減少計(jì)算和內(nèi)存訪問來有效提取特征，原理如圖３ 所示。只對(duì)部分輸入通道使用常規(guī)卷積進(jìn)行特征提取，將第１ 個(gè)或最后１ 個(gè)ｃｐ 通道看作整個(gè)特征圖的代表進(jìn)行計(jì)算，并保持通道數(shù)不變。

基于ＰＣｏｎｖ 和Ｂｏｔｔｌｅｎｅｃｋ，得到了新的卷積網(wǎng)絡(luò)結(jié)構(gòu)ＦａｓｔｅｒＮｅｔ Ｂｌｏｃｋ，其結(jié)構(gòu)如圖４ 所示，有１ 個(gè)ＰＣｏｎｖ 層，后跟２ 個(gè)１×１ Ｃｏｎｖ 層。

用ＦａｓｔｅｒＮｅｔ Ｂｌｏｃｋ 模塊替換Ｃ２ｆ 中的Ｂｏｔｔｌｅｎｅｃｋ，得到了Ｃ２ｆ-Ｆａｓｔｅｒ 模塊來替換骨干網(wǎng)絡(luò)中的最后１ 個(gè)Ｃ２ｆ，Ｃ２ｆ-Ｆａｓｔｅｒ 結(jié)構(gòu)如圖５ 所示。

２． ２ 改進(jìn)頸部

小目標(biāo)檢測(cè)精度不足一直是當(dāng)下航拍圖像目標(biāo)檢測(cè)存在的主要問題，這主要是因?yàn)殡S著網(wǎng)絡(luò)的加深，一些淺層特征會(huì)被網(wǎng)絡(luò)刪除，而小尺寸目標(biāo)的信息主要存在于淺層位置，但通過多尺度特征融合的方法可以有效解決這一問題。谷歌大腦２０１９ 年提出了一種全新的特征融合方法Ｂｉ-ＦＰＮ［２１］，采用了跨尺度連接方式和加權(quán)特征融合思想，能夠在不增加太多成本的情況下融合更多的特性。ＹＯＬＯｖ８ 很好地結(jié)合了ＦＰＮ 和ＰＡＮ 的結(jié)構(gòu)，而本文在ＹＯＬＯｖ８的基礎(chǔ)上，結(jié)合Ｂｉ-ＦＰＮ 的思想，增加了新的跨尺度連接方式和特征融合方法，設(shè)計(jì)了一種新的特征融合網(wǎng)絡(luò)Ｂｉ-ＹＯＬＯｖ８，上述特征融合網(wǎng)絡(luò)結(jié)構(gòu)如圖６所示。

圖６ 中紅色圓圈代表小型目標(biāo)檢測(cè)器，綠色圓圈代表中型目標(biāo)檢測(cè)器，橙色圓圈代表大型目標(biāo)檢測(cè)器。如圖６（ａ）所示，ＦＰＮ 是自上向下的特征金字塔，把高層的語義特征傳遞下來，但對(duì)定位信息傳遞的效果很差。如圖６（ｂ）所示，ＰＡＮ 針對(duì)這一點(diǎn)，在ＦＰＮ 后面補(bǔ)充了一個(gè)自下向上的特征金字塔，將低層的定位特征傳遞上去，形成了一個(gè)具備語義信息和定位信息的特征金字塔。如圖６ （ｃ ）所示，ＹＯＬＯｖ８ 在ＰＡＮ 思想基礎(chǔ)上進(jìn)一步優(yōu)化，去除了沒有特征融合的節(jié)點(diǎn)，簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)。上述特征融合方法都存在對(duì)小目標(biāo)定位和識(shí)別能力弱的問題，這是因?yàn)樵谔卣魈崛∵^程中，小目標(biāo)很容易受到正常尺寸目標(biāo)的干擾以及網(wǎng)絡(luò)會(huì)刪除不明顯信息的影響，使得小目標(biāo)信息會(huì)不斷減少，導(dǎo)致小目標(biāo)檢測(cè)效果不能滿足預(yù)期要求。如圖６（ｄ）所示，引入了更有效的雙向特征金字塔網(wǎng)絡(luò)ＢｉＦＰＮ，不僅刪除了沒有特征融合的節(jié)點(diǎn)，還在處于同一層的原始輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)之間添加１ 條額外的邊，并用一種簡(jiǎn)單而高效的加權(quán)特征融合機(jī)制替換了原本簡(jiǎn)單相加的特征融合，能夠保留更多的漸層特征。如圖６（ｅ）所示，本文提出的結(jié)構(gòu)在Ｂｉ-ＦＰＮ 基礎(chǔ)上添加新的跨尺度連接方法，對(duì)第２ 層和第３ 層的原始特征分別添加額外的３×３ 和１ ×１ 的常規(guī)卷積來調(diào)整圖片尺寸為８０ ｐｉｘｅｌ×８０ ｐｉｘｅｌ，并與相應(yīng)規(guī)模的輸出連接起來；在輸入節(jié)點(diǎn)與中間節(jié)點(diǎn)之間添加了１ ×１ 的卷積，使用加權(quán)特征融合方法，能夠在減少模型參數(shù)的情況下保留更多的原始特征信息。

２． ３ 損失函數(shù)的改進(jìn)

ＹＯｌＯｖ８ 使用ＣＩｏＵ Ｌｏｓｓ［２２］作為邊界框回歸損失函數(shù)，記真實(shí)框?yàn)椋拢纾?＝ ［ｘｇｔ，ｙｇｔ，ｗｇｔ，ｈｇｔ ］，預(yù)測(cè)框?yàn)椋?＝ ［ｘ，ｙ，ｗ，ｈ］，Ｂｇｔ 和Ｂ 內(nèi)的值對(duì)應(yīng)邊界框的中心坐標(biāo)和尺寸大小，原ＣＩｏＵ Ｌｏｓｓ 定義如式（１ ）～式（４）所示：

式中：ＬＩｏＵ 為度量預(yù)測(cè)框和真實(shí)框的重疊程度，α 為平衡參數(shù)，ν 為長(zhǎng)寬比的一致性，其余參數(shù)定義如圖７ 所示。

ＣＩｏＵ Ｌｏｓｓ 假設(shè)了訓(xùn)練數(shù)據(jù)具有較高的質(zhì)量，側(cè)重于增強(qiáng)邊界框損失的擬合能力，沒有考慮到低質(zhì)量數(shù)據(jù)對(duì)模型性能的危害，為了解決這一問題，選擇使用ＷＩｏＵ Ｌｏｓｓ［２３］來替換ＣＩｏＵ Ｌｏｓｓ。ＷＩｏＵ Ｌｏｓｓ 在降低高質(zhì)量邊界框競(jìng)爭(zhēng)力的同時(shí)，也減小了低質(zhì)量數(shù)據(jù)的有害梯度，使得模型可以聚焦普通質(zhì)量的錨框，從而提高模型的整體性能。

用β 表示預(yù)測(cè)框的異常程度，定義如下：

使用β 構(gòu)建動(dòng)態(tài)非單調(diào)聚焦機(jī)制，并與基于注意力的邊界框損失相結(jié)合，得到了能隨時(shí)分配符合當(dāng)時(shí)情況梯度增益的ＷＩｏＵ Ｌｏｓｓ，定義如下：

式中：α、δ 為學(xué)習(xí)參數(shù)，ＲＷＩｏＵ ∈［１，ｅ），會(huì)顯著放大正常質(zhì)量錨框的ＬＩｏＵ 。

至此，完成了對(duì)ＹＯＬＯｖ８ 骨干網(wǎng)絡(luò)、頸部結(jié)構(gòu)和損失函數(shù)三方面的改進(jìn)，改進(jìn)后的模型網(wǎng)絡(luò)結(jié)構(gòu)如圖８ 所示。在骨干網(wǎng)絡(luò)中引入ＥＭＡ 注意力機(jī)制，增強(qiáng)其特征提取能力，還提出了Ｃ２ｆ-Ｆａｓｔｅｒ 模塊來解決使用注意力導(dǎo)致的模型復(fù)雜度上升及運(yùn)行速度變慢的問題。此外，設(shè)計(jì)了輕量級(jí)的特征融合網(wǎng)絡(luò)Ｂｉ-ＹＯＬＯｖ８ 改進(jìn)頸部，增強(qiáng)了模型多尺度特征融合能力，改善網(wǎng)絡(luò)對(duì)小目標(biāo)檢測(cè)精度。最后通過使用ＷＩｏＵ 損失函數(shù)降低了低質(zhì)量樣本的不良影響，提升了模型的整體性能。

３ 實(shí)驗(yàn)結(jié)果與分析

３． １ 實(shí)驗(yàn)數(shù)據(jù)集

為評(píng)估本文提出算法的有效性和先進(jìn)性，在ＶｉｓＤｒｏｎｅ２０１９［２４］公開數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證。該數(shù)據(jù)集包含１０ ２０９ 張靜態(tài)圖像，其中６ ４７１ 張用于訓(xùn)練，５４８ 張用于驗(yàn)證，３ １９０ 張用于測(cè)試，由各種無人機(jī)攝像機(jī)拍攝，涵蓋廣泛的方面，預(yù)測(cè)１０ 種不同的類別。

３． ２ 實(shí)驗(yàn)環(huán)境及參數(shù)配置

本文實(shí)驗(yàn)基于６４ 位Ｗｉｎｄｏｗｓ １１ 操作系統(tǒng)，實(shí)驗(yàn)環(huán)境為Ｐｙｔｈｏｎ３． ８、ＣＵＤＡ１１． ７ 及ＰｙＴｏｒｃｈ２． ０。實(shí)驗(yàn)所用計(jì)算機(jī)ＣＰＵ 為Ｉｎｔｅｌ （Ｒ ） Ｃｏｒｅ （ＴＭ ） ｉ７-１２７００Ｈ，ＧＰＵ 為ＮＶＩＤＩＡ ＧｅＦｏｒｃｅ ＲＴＸ３０７０，１６ ＧＢ運(yùn)行內(nèi)存。相關(guān)參數(shù)如下：訓(xùn)練輪數(shù)為１５０，此時(shí)可以達(dá)到收斂狀態(tài)；批量大小為８，設(shè)備ＧＰＵ 能夠滿功率運(yùn)行；輸入圖片尺寸為６４０ ｐｉｘｅｌ×６４０ ｐｉｘｅｌ，縮放圖片，統(tǒng)一尺寸，提升速度；隨機(jī)種子為１，固定隨機(jī)數(shù)，避免消融實(shí)驗(yàn)受到誤差影響；數(shù)據(jù)增強(qiáng)為１，開啟數(shù)據(jù)增強(qiáng)，提高訓(xùn)練效率，提升模型魯棒性；優(yōu)化器為ＳＧＤ，采用梯度下降法調(diào)整學(xué)習(xí)率；初始學(xué)習(xí)率為０． ０１，最小學(xué)習(xí)率為０． ０００ １，隨著訓(xùn)練的進(jìn)行不斷減小學(xué)習(xí)率，初始學(xué)習(xí)率設(shè)置較大以節(jié)省訓(xùn)練時(shí)間，設(shè)置最小學(xué)習(xí)率防止網(wǎng)絡(luò)被困在局部最小值；α（ＷＩｏＵ）為１． ９，δ（ＷＩｏＵ）為３，ＷＩｏＵ 損失函數(shù)的超參數(shù)，實(shí)驗(yàn)中得到的最優(yōu)解。

３． ３ 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)

為了能夠有效直觀地展示本文對(duì)ＹＯＬＯｖ８ 的改進(jìn)效果，采用查準(zhǔn)率（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、召回率（Ｒｅｃａｌｌ，Ｒ）、平均精度均值（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ）、模型參數(shù)量（Ｐａｒａｍｓ）、總浮點(diǎn)運(yùn)算量（ＦＬＯＰｓ）和每秒檢測(cè)幀數(shù)（Ｆｒａｍｅ Ｐｅｒ Ｓｅｃｏｎｄ，ＦＰＳ）作為模型性能的評(píng)價(jià)指標(biāo)。其中Ｐａｒａｍｓ 是指模型中參數(shù)的數(shù)量，ＦＬＯＰｓ 用來衡量模型的復(fù)雜度，ＦＰＳ 指模型每秒鐘處理的圖像數(shù)量。查準(zhǔn)率用以評(píng)估預(yù)測(cè)的準(zhǔn)確度，召回率用以評(píng)估找到正確樣本的能力，查準(zhǔn)率與召回率定義如下：

式中：ＴＰ 表示預(yù)測(cè)與實(shí)際都為真，ＦＰ 表示預(yù)測(cè)為真，實(shí)際為假；ＦＮ 表示預(yù)測(cè)為假，實(shí)際為真。

平均精度（Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ＡＰ）用以衡量模型在每個(gè)類別上的性能，ｍＡＰ 取所有類別ＡＰ 的平均值，以衡量模型在所有類別上的性能，ｍＡＰ 定義如式（１０）所示。ｍＡＰ５０ 表示ＩｏＵ 取值為０． ５ 時(shí)的總類別平均精度，ｍＡＰ５０：９５ 表示不同ＩｏＵ 取值（０． ５ ～ ０． ９５，步長(zhǎng)０． ０５）的平均精度。

３． ４ 添加不同數(shù)量ＥＭＡ 對(duì)比實(shí)驗(yàn)結(jié)果與分析

ＹＯＬＯｖ８ 骨干網(wǎng)絡(luò)中有４ 個(gè)Ｃ２ｆ 模塊，為確定添加在Ｃ２ｆ 后的ＥＭＡ 的數(shù)量，以ＹＯＬＯｖ８ｓ 為基準(zhǔn)算法，分別在骨干網(wǎng)絡(luò)第１ 個(gè)Ｃ２ｆ、前２ 個(gè)Ｃ２ｆ、前３ 個(gè)Ｃ２ｆ 和所有Ｃ２ｆ 模塊后添加ＥＭＡ 注意力機(jī)制，進(jìn)行了簡(jiǎn)單的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表１ 所示。

由實(shí)驗(yàn)結(jié)果可知，添加多個(gè)ＥＭＡ 注意力機(jī)制會(huì)導(dǎo)致模型計(jì)算速度變慢，且對(duì)精度的提升效果并不顯著。相較于只添加１ 個(gè)ＥＭＡ，添加２ 個(gè)ＥＭＡ 在精度有所提升的同時(shí)并沒有使得速度大幅降低。因此，選擇在骨干網(wǎng)絡(luò)前２ 個(gè)Ｃ２ｆ 模塊后添加ＥＭＡ 注意力機(jī)制，在速度與精度間達(dá)到了一個(gè)較好的平衡。

３． ５ 消融實(shí)驗(yàn)結(jié)果與分析

為證明本文提出的各項(xiàng)改進(jìn)措施對(duì)無人機(jī)航拍圖像目標(biāo)檢測(cè)算法性能的提升作用，以ＹＯＬＯｖ８ｓ 為基準(zhǔn)算法，依此對(duì)其添加相應(yīng)的改進(jìn)措施，進(jìn)行了一系列消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表２ 所示。

對(duì)表２ 中實(shí)驗(yàn)結(jié)果進(jìn)行分析：① Ａ 表示在骨干網(wǎng)絡(luò)引入ＥＭＡ 注意力和Ｃ２ｆ-Ｆａｓｔｅｒ 模塊，大部分指標(biāo)均有提升，表明對(duì)骨干網(wǎng)絡(luò)的改進(jìn)能提升模型的特征提取能力，進(jìn)而提升網(wǎng)絡(luò)的檢測(cè)精度。② Ｂ 表示將本文提出的Ｂｉ-ＹＯＬＯｖ８ 結(jié)構(gòu)應(yīng)用于ＹＯＬＯｖ８ｓ頸部，與基準(zhǔn)算法對(duì)比，除查準(zhǔn)率外，其余指標(biāo)均有較大提升，在保證提高精度的前提下實(shí)現(xiàn)了模型的輕量化，考慮到查準(zhǔn)率并不是評(píng)估模型性能的關(guān)鍵指標(biāo)，可以認(rèn)為對(duì)頸部結(jié)構(gòu)的改進(jìn)是十分有效的。③ Ｃ 表示用ＷＩｏＵ 作為邊界框回歸函數(shù)，相較于基準(zhǔn)算法，在不增加模型復(fù)雜度的情況下，提升了網(wǎng)絡(luò)的檢測(cè)精度。④ 在ＹＯＬＯｖ８ｓ 和改進(jìn)了骨干網(wǎng)絡(luò)的２ 種網(wǎng)絡(luò)結(jié)構(gòu)上應(yīng)用ＷＩｏＵ 損失函數(shù)，ｍＡＰ５０ 均只提升了０． １％ ，召回率分別提升了０． ５％ 和０． ２％ ，而查準(zhǔn)率反而有所降低，改進(jìn)效果一般；但在改進(jìn)頸部結(jié)構(gòu)的網(wǎng)絡(luò)上應(yīng)用ＷＩｏＵ，ｍＡＰ５０ 提升了０． ７％ ，召回率提升了１％ ，并且查準(zhǔn)率也提升了０． ３％ ，由對(duì)比結(jié)果可以看出損失函數(shù)優(yōu)化在改進(jìn)了頸部結(jié)構(gòu)的網(wǎng)絡(luò)上取得了更好的效果，表明ＷＩｏＵ 損失函數(shù)更適用于進(jìn)行了多尺度特征融合的網(wǎng)絡(luò)。⑤ Ｏｕｒｓ表示對(duì)ＹＯＬＯｖ８ｓ 添加本文所有改進(jìn)措施，相較于基準(zhǔn)算法，本文方法ｍＡＰ５０ 提升了１． ５％ ，查準(zhǔn)率提升了０． ５％ ，召回率提升了１． ８％ ，參數(shù)量降低了４． ６２９ Ｍ，總浮點(diǎn)運(yùn)算量降低了３． ７ Ｇ，每秒檢測(cè)幀數(shù)提升了５，改進(jìn)算法各項(xiàng)指標(biāo)均優(yōu)于ＹＯＬＯｖ８ｓ，表明本文方法不僅提升了檢測(cè)精度，還實(shí)現(xiàn)了模型的輕量化，能夠滿足實(shí)時(shí)性和準(zhǔn)確性的需求。

為能更好地表現(xiàn)本文改進(jìn)算法的有效性，還將ＹＯＬＯｖ８ｓ 基準(zhǔn)算法與改進(jìn)后的算法在訓(xùn)練過程中的查準(zhǔn)率、召回率、ｍＡＰ５０ 和ｍＡＰ５０：９５ 四項(xiàng)指標(biāo)變化情況進(jìn)行了對(duì)比，實(shí)驗(yàn)結(jié)果如圖９ 所示。從圖中可以看出，２ 種算法隨著迭代次數(shù)的增加，最終都能達(dá)到收斂狀態(tài)，但是改進(jìn)算法的４ 項(xiàng)指標(biāo)均高于基準(zhǔn)算法，表明本文改進(jìn)算法能有效提高檢測(cè)精度。

３． ６ 本文改進(jìn)算法目標(biāo)檢測(cè)結(jié)果與分析

為了更直觀地展示本文改進(jìn)算法的檢測(cè)效果，用ＹＯＬＯｖ８ｓ 與本文方法對(duì)幾種不同無人機(jī)航拍場(chǎng)景進(jìn)行檢測(cè)，得到的檢測(cè)效果對(duì)比如圖１０ 所示。其中左側(cè)為原圖，中間為ＹＯＬＯｖ８ｓ 算法檢測(cè)效果圖，右側(cè)為本文改進(jìn)算法檢測(cè)效果圖。

在尺度變化程度較大的情況下，如圖１０（ａ）所示，卡車和汽車在同一場(chǎng)景且因拍攝角度呈現(xiàn)出不同的大小，ＹＯＬＯｖ８ｓ 算法對(duì)圖中左下角卡車存在漏檢、誤檢的問題，而本文改進(jìn)算法能準(zhǔn)確識(shí)別出２ 種車輛。在檢測(cè)目標(biāo)密集分布的情況下，如圖１０（ｂ）所示，ＹＯＬＯｖ８ｓ 方法存在對(duì)圖中右上角較遠(yuǎn)距離行人漏檢的情況，本文方法能夠檢測(cè)出更多的小目標(biāo)。對(duì)于復(fù)雜背景情況下的小目標(biāo)檢測(cè)，如圖１０（ｃ）所示，本文改進(jìn)算法也能檢測(cè)出更多的目標(biāo)。對(duì)于檢測(cè)目標(biāo)被遮擋的情況，如圖１０（ｄ）所示，ＹＯＬＯｖ８ｓ 算法生成了很多重疊的邊界框，且存在對(duì)汽車誤判面包車的情況，本文算法能夠準(zhǔn)確檢測(cè)到圖中的所有目標(biāo)。綜上對(duì)比分析可知，改進(jìn)后的算法檢測(cè)效果更好。

３． ７ 對(duì)比實(shí)驗(yàn)結(jié)果與分析

為進(jìn)一步驗(yàn)證本文提出方法對(duì)無人機(jī)航拍圖像目標(biāo)檢測(cè)的性能優(yōu)勢(shì)，將ＹＯＬＯｖ８ｓ 基準(zhǔn)算法、改進(jìn)算法與相關(guān)領(lǐng)域具有代表性的網(wǎng)絡(luò)如Ｆａｓｔｅｒ-ＲＣＮＮ、ＳＳＤ、ＲｅｔｉｎａＮｅｔ、ＹＯＬＯｖ５ｓ、ＹＯＬＯｖ５ｘ、ＹＯＬＯＸ-ｓ 和ＹＯＬＯｖ７-ｔｉｎｙ 進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果如表３ 所示。

由對(duì)比實(shí)驗(yàn)結(jié)果可知，相較于同等規(guī)格的模型，本文改進(jìn)算法的ｍＡＰ５０ 值最高，并且也只略低于ＹＯＬＯｖ５ｘ，但ＹＯＬＯｖ５ｘ 參數(shù)量、計(jì)算量和檢測(cè)速度都遠(yuǎn)不及改進(jìn)算法。與輕量型算法ＹＯＬＯｖ７-ｔｉｎｙ 相比，改進(jìn)算法有著更好的性能，而且參數(shù)量相差也很小。改進(jìn)算法還有著最快的檢測(cè)速度，并且相較于基準(zhǔn)算法ＹＯＬＯｖ８ｓ，改進(jìn)算法所有指標(biāo)均展現(xiàn)出較大優(yōu)勢(shì)。結(jié)合各項(xiàng)指標(biāo)來看，本文改進(jìn)算法的綜合性能最好，對(duì)無人機(jī)航拍圖像有著良好的檢測(cè)能力，在速度和精度上都有很好的表現(xiàn)，顯現(xiàn)出本文算法具有明顯的優(yōu)越性。

３． ８ ＤＯＴＡ 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果與分析

為充分驗(yàn)證本文改進(jìn)方法的適用性和魯棒性，在ＤＯＴＡ［２５］數(shù)據(jù)集上進(jìn)行了對(duì)比實(shí)驗(yàn)。該數(shù)據(jù)集包含２ ８０６ 張航拍圖像，涵蓋１５ 種目標(biāo)類別，尺度差異大、背景復(fù)雜，很適合用于驗(yàn)證本文算法的適用性。ＤＯＴＡ 數(shù)據(jù)集中大部分圖片像素尺寸較大，接近４ ０００ ｐｉｘｅｌ×４ ０００ ｐｉｘｅｌ，若直接用來訓(xùn)練很難檢測(cè)到其中的小目標(biāo)，因此將原圖統(tǒng)一裁剪為１ ０２４ ｐｉｘｅｌ×１ ０２４ ｐｉｘｅｌ 的圖像，裁剪后圖像數(shù)量擴(kuò)充至２１ ０４６ 張，隨機(jī)選擇１５ ７４９ 張圖片作為訓(xùn)練集，５ ２９７ 張圖片作為測(cè)試集。實(shí)驗(yàn)設(shè)置與３． ２ 節(jié)一致，實(shí)驗(yàn)結(jié)果如表４ 所示。

由實(shí)驗(yàn)結(jié)果可知，改進(jìn)后的算法在ＤＯＴＡ 數(shù)據(jù)集上檢測(cè)精度提升了１． ２％ ，達(dá)到了７４． １％ ，查準(zhǔn)率提升了０． ５％ ，召回率提升了１． ５％ ，每秒檢測(cè)幀數(shù)提升了３。充分證明了本文改進(jìn)方法具有良好的適用性和魯棒性，也再次證實(shí)了本文提出算法很適合用于航拍圖像目標(biāo)檢測(cè)。

４ 結(jié)束語

無人機(jī)航拍圖像目標(biāo)檢測(cè)在民用和軍事領(lǐng)域中有著重要的應(yīng)用價(jià)值。為解決由于無人機(jī)圖像背景復(fù)雜、密集分布的小目標(biāo)相互遮擋嚴(yán)重且呈多尺度分布導(dǎo)致的目標(biāo)檢測(cè)精度較低及模型體積較大的問題，本文基于ＹＯＬＯｖ８ｓ 網(wǎng)絡(luò)，通過在骨干網(wǎng)絡(luò)引入ＥＭＡ 注意力和Ｃ２ｆＦａｓｔｅｒ 模塊，設(shè)計(jì)ＢｉＹＯＬＯｖ８ 特征融合網(wǎng)絡(luò)改進(jìn)頸部結(jié)構(gòu)，使用新的ＷＩｏＵ 損失函數(shù)，提出了一種改進(jìn)ＹＯＬＯｖ８ 的無人機(jī)航拍圖像目標(biāo)檢測(cè)算法。在無人機(jī)航拍數(shù)據(jù)集ＶｉｓＤｒｏｎｅ２０１９上的實(shí)驗(yàn)表明，本文提出算法全方面優(yōu)于基準(zhǔn)算法ＹＯＬＯｖ８ｓ，并且與其他先進(jìn)方法相比綜合性能最好，能夠滿足實(shí)時(shí)性和準(zhǔn)確性的需求；而在ＤＯＴＡ 數(shù)據(jù)集上的實(shí)驗(yàn)則是驗(yàn)證了改進(jìn)方法的適用性。改進(jìn)的算法在目標(biāo)檢測(cè)精度上仍有很大提升空間，尤其是針對(duì)小目標(biāo)檢測(cè)方面。此外，后期工作中仍需關(guān)注模型部署在無人機(jī)上的實(shí)際表現(xiàn)情況。

參考文獻(xiàn)

［１］ 柴興華，胡炎，雷耀麟，等． 無人機(jī)智能測(cè)控技術(shù)研究綜述［Ｊ］． 無線電工程，２０１９，４９（１０）：８５５－８６０．

［２］ ＳＵＲＭＡＮＮ Ｈ，ＷＯＲＳＴ Ｒ，ＢＵＳＣＨＭＡＮＮ Ｔ，ｅｔ ａｌ． Ｉｎｔｅｇｒａｔｉｏｎ ｏｆ ＵＡＶｓ ｉｎ Ｕｒｂａｎ Ｓｅａｒｃｈ ａｎｄ Ｒｅｓｃｕｅ Ｍｉｓｓｉｏｎｓ［Ｃ］∥２０１９ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｓａｆｅｔｙ，Ｓｅｃｕｒｉｔｙ，ａｎｄ Ｒｅｓｃｕｅ Ｒｏｂｏｔｉｃｓ （ＳＳＲＲ）． Ｗüｒｚｂｕｒｇ：ＩＥＥＥ，２０１９：２０３－２０９．

［３］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：ＳｉｎｇｌｅＳｈｏｔ ＭｕｌｔｉＢｏｘ Ｄｅｔｅｃｔｏｒ［Ｃ］∥２０１６ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ（ＥＣＣＶ）． Ａｍｓｔｅｒｄａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．

［４］ ＲＥＤＭＯＮ Ｊ，ＤＩＶＶＡＬＡ Ｓ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｙｏｕ ＯｎｌｙＬｏｏｋ Ｏｎｃｅ：Ｕｎｉｆｉｅｄ，Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥２０１６ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）． Ｌａｓ Ｖｅｇａｓ：ＩＥＥＥ，２０１６：７７９－７８８．

［５］ ＬＩＮ Ｔ Ｙ，ＧＯＹＡＬ Ｐ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｆｏｃａｌ Ｌｏｓｓ ｆｏｒＤｅｎｓｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ （ＩＣＣＶ ）．Ｖｅｎｉｃｅ：ＩＥＥＥ，２０１７：２９８０－２９８８．

［６］ ＧＩＲＳＨＩＣＫ Ｒ，ＤＯＮＡＨＵＥ Ｊ，ＤＡＲＲＥＬＬ Ｔ，ｅｔ ａｌ． ＲｉｃｈＦｅａｔｕｒｅ Ｈｉｅｒａｒｃｈｉｅｓ ｆｏｒ Ａｃｃｕｒａｔｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｓｅｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）． Ｃｏｌｕｍｂｕｓ：ＩＥＥＥ，２０１４：５８０－５８７．

［７］ ＣＡＩ Ｗ Ｗ，ＷＥＩ Ｚ Ｇ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ ＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄ ｏｎ ａ Ｃｒｏｓｓａｔｔｅｎｔｉｏｎ Ｍｅｃｈａｎｉｓｍ ａｎｄ Ｇｒａｐｈ Ｃｏｎｖｏｌｕｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｌｅｔｔｅｒｓ，２０２０，１９：１－５．

［８］ ＣＨＥＮＧ Ｑ Ｑ，ＷＡＮＧ Ｈ Ｊ，ＤＩＮＧ Ｘ Ｃ，ｅｔ ａｌ． Ａ ＵＡＶ ＴａｒｇｅｔＤｅｔｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ ＹＯＬＯｖ４ｔｉｎｙ ａｎｄ ＩｍｐｒｏｖｅｄＷＢＦ ［Ｃ ］ ∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １４ｔｈ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （ＷＣＳＰ）． Ｎａｎｊｉｎｇ：ＩＥＥＥ，２０２２：１２２－１２６．

［９］ 羅旭鴻，劉永春，楚國(guó)銘，等． 基于改進(jìn)ＹＯＬＯｖ５ 無人機(jī)圖像目標(biāo)檢測(cè)算法［Ｊ］． 無線電工程，２０２３，５３ （７）：１５２８－１５３５．

［１０］ ＬＩＵ Ｗ Ｊ，ＱＩＡＮＧ Ｊ，ＬＩ Ｘ Ｘ，ｅｔ ａｌ． ＵＡＶ Ｉｍａｇｅ ＳｍａｌｌＯｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｃｏｍｐｏｓｉｔｅ Ｂａｃｋｂｏｎｅ Ｎｅｔｗｏｒｋ［Ｊ］． Ｍｏｂｉｌｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ，２０２２（１５）：１－１１．

［１１］ ＷＡＮＧ Ｂ Ｂ，ＹＡＮＧ Ｇ Ｊ，ＹＡＮＧ Ｈ，ｅｔ ａｌ． Ｍｕｌｔｉｓｃａｌｅ ＭａｉｚｅＴａｓｓｅｌ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ ＲｅｔｉｎａＮｅｔ Ｍｏｄｅｌａｎｄ ＵＡＶ Ｉｍａｇｅｓ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０２３，１５（１０）：２５３０．

［１２］ 王殿偉，胡里晨，房杰，等． 基于改進(jìn)ＤｏｕｂｌｅＨｅａｄＲＣＮＮ 的無人機(jī)航拍圖像小目標(biāo)檢測(cè)算法［Ｊ］． 北京航空航天大學(xué)學(xué)報(bào)，２０２３：１０．

［１３］ ＤＥＭＥＳＱＵＩＴＡ Ｄ Ｂ，ＳＡＮＴＯＳ Ｒ Ｆ Ｄ，ＭＡＣＨＡＲＥＴ Ｄ Ｇ，ｅｔ ａｌ． Ｆｕｌｌｙ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｓｉａｍｅｓｅ Ａｕｔｏｅｎｃｏｄｅｒ ｆｏｒ ＣｈａｎｇｅＤｅｔｅｃｔｉｏｎ ｉｎ ＵＡＶ Ａｅｒｉａｌ Ｉｍａｇｅｓ ［Ｊ］． ＩＥＥＥ Ｇｅｏｓｃｉｅｎｃｅａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｌｅｔｔｅｒｓ，２０２０，１７（８）：１４５５－１４５９．

［１４］ 趙耘徹，張文勝，劉世偉． 基于改進(jìn)ＹＯＬＯｖ４ 的無人機(jī)航拍目標(biāo)檢測(cè)算法［Ｊ］． 電子測(cè)量技術(shù)，２０２３，４６（８）：１６９－１７５．

［１５］ ＷＡＮＧ Ｘ，ＨＥ Ｎ，ＨＯＮＧ Ｃ，ｅｔ ａｌ． Ｉｍｐｒｏｖｅｄ ＹＯＬＯＸＸＢａｓｅｄ ＵＡＶ Ａｅｒｉａｌ Ｐｈｏｔｏｇｒａｐｈｙ Ｏｂｊｅｃｔ ＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍ ［Ｊ ］． Ｉｍａｇｅ ａｎｄ Ｖｉｓｉｏｎ Ｃｏｍｐｕｔｉｎｇ，２０２３，１３５：１０４６９７．

［１６］ ＷＡＮＧ Ｃ Ｙ，ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＬＩＡＯ Ｈ Ｙ Ｍ． ＹＯＬＯｖ７：Ｔｒａｉｎａｂｌｅ Ｂａｇｏｆｆｒｅｅｂｉｅｓ Ｓｅｔｓ Ｎｅｗ Ｓｔａｔｅｏｆｔｈｅａｒｔ ｆｏｒＲｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｏｒｓ［Ｃ］∥２０２３ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）． Ｖａｎｃｏｕｖｅｒ：ＩＥＥＥ，２０２３：７４６４－７４７５．

［１７］ ＬＩＮ Ｔ Ｙ，ＤＯＬＬＡＲ Ｐ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． ＦｅａｔｕｒｅＰｙｒａｍｉｄ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥２０１７ ＩＥＥＥＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）． Ｈｏｎｏｌｕｌｕ：ＩＥＥＥ，２０１７：９３６－９４４．

［１８］ ＬＩＵＳ，ＱＩ Ｌ，ＱＩＮ Ｈ Ｆ，ｅｔ ａｌ． Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ ｆｏｒＩｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥２０１８ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ＣＶＰＲ）．Ｓａｌｔ Ｌａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：８７５９－８７６８．

［１９］ ＯＵＹＡＮＧ Ｄ Ｌ，ＨＥ Ｓ，ＺＨＡＮＧ Ｇ Ｚ，ｅｔ ａｌ． Ｅｆｆｉｃｉｅｎｔ Ｍｕｌｔｉｓｃａｌｅ Ａｔｔｅｎｔｉｏｎ Ｍｏｄｕｌｅ ｗｉｔｈ Ｃｒｏｓｓｓｐａｔｉａｌ Ｌｅａｒｎｉｎｇ［Ｃ］∥２０２３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ Ｓｐｅｅｃｈａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＡＳＳＰ）． Ｒｈｏｄｅｓ Ｉｓｌａｎｄ：ＩＥＥＥ，２０２３：１－５．

［２０］ ＣＨＥＮ Ｊ Ｒ，ＫＡＯ Ｓ Ｈ，ＨＥ Ｈ，ｅｔ ａｌ． Ｒｕｎ，Ｄｏｎ’ｔ Ｗａｌｋ：Ｃｈａｓｉｎｇ Ｈｉｇｈｅｒ ＦＬＯＰＳ ｆｏｒ Ｆａｓｔｅｒ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０２３ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ＣＶＰＲ ）． Ｖａｎｃｏｕｖｅｒ：ＩＥＥＥ，２０２３：１２０２１－１２０３１．

［２１］ ＴＡＮ Ｍ Ｘ，ＰＡＮＧ Ｒ Ｍ，ＬＥ Ｇ Ｖ． ＥｆｆｉｃｉｅｎｔＤｅｔ：Ｓｃａｌａｂｌｅａｎｄ Ｅｆｆｉｃｉｅｎｔ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ ２０２０ ＩＥＥＥ ／ ＣＶＦＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１０７７８－１０７８７．

［２２］ ＺＨＥＮＧ Ｚ Ｈ，ＷＡＮＧ Ｐ，ＲＥＮ Ｄ Ｗ，ｅｔ ａｌ． ＥｎｈａｎｃｉｎｇＧｅｏｍｅｔｒｉｃ Ｆａｃｔｏｒｓ ｉｎ Ｍｏｄｅｌ Ｌｅａｒｎｉｎｇ ａｎｄ Ｉｎｆｅｒｅｎｃｅ ｆｏｒＯｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｉｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ［Ｊ ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｙｂｅｒｎｅｔｉｃｓ，２０２２，５２（８）：８５７４－８５８６．

［２３］ ＴＯＮＧ Ｚ Ｊ，ＣＨＥＮ Ｙ Ｈ，ＸＶ Ｚ Ｗ，ｅｔ ａｌ． ＷｉｓｅＩｏＵ：Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ Ｌｏｓｓ ｗｉｔｈ Ｄｙｎａｍｉｃ ＦｏｃｕｓｉｎｇＭｅｃｈａｎｉｓｍ［ＥＢ ／ ＯＬ］． （２０２３ －０１ －２４）［２０２３ －０７ －１５］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２３０１． １００５１．

［２４］ ＤＵ Ｄ Ｗ，ＺＨＵ Ｐ Ｆ，ＷＥＮ Ｌ Ｙ，ｅｔ ａｌ． ＶｉｓＤｒｏｎｅＤＥＴ２０１９：Ｔｈｅ Ｖｉｓｉｏｎ Ｍｅｅｔｓ Ｄｒｏｎｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｉｍａｇｅ Ｃｈａｌｌｅｎｇｅ Ｒｅｓｕｌｔｓ［Ｃ］∥２０１９ ＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｗｏｒｋｓｈｏｐ （ＩＣＣＶＷ）． Ｓｅｏｕｌ：ＩＥＥＥ，２０１９：２１３－２２６．

［２５］ ＤＩＮＧ Ｊ，ＸＵＥ Ｎ，ＸＩＡ Ｇ Ｓ Ｊ，ｅｔ ａｌ． Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎＡｅｒｉａｌ Ｉｍａｇｅｓ：Ａ Ｌａｒｇｅｓｃａｌｅ Ｂｅｎｃｈｍａｒｋ ａｎｄ Ｃｈａｌｌｅｎｇｅｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ ＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２０２１，４４ （１１）：７７７８－７７９６．

作者簡(jiǎn)介

程換新 男，（１９６６—），博士，教授，碩士生導(dǎo)師。主要研究方向：人工智能、先進(jìn)控制、機(jī)器視覺。

喬慶元 男，（２００１—），碩士研究生。主要研究方向：計(jì)算機(jī)視覺、模式識(shí)別。

（*通信作者）駱曉玲 女，（１９６６—），博士，教授，碩士生導(dǎo)師。主要研究方向：過程裝備自動(dòng)化的優(yōu)化設(shè)計(jì)。

于沙家 女，（１９８６—），碩士，實(shí)驗(yàn)員。主要研究方向：神經(jīng)網(wǎng)絡(luò)控制。

基金項(xiàng)目：國(guó)家自然科學(xué)基金（６２２７３１９２）