摘 要：針對(duì)無人機(jī)圖像中由于目標(biāo)微小且相互遮擋、特征信息少導(dǎo)致檢測精度低的問題，提出一種基于改進(jìn)ＹＯＬＯｖ７的無人機(jī)圖像目標(biāo)檢測算法。在頸部和檢測頭中加入了坐標(biāo)卷積，能更好地感受特征圖中目標(biāo)的位置信息；增加Ｐ２ 檢測層，減少小目標(biāo)特征丟失、提高小目標(biāo)檢測能力；提出多信息流融合注意力機(jī)制———Ｓｐａｔｉａｌ ａｎｄ Ｃｈａｎｎｅｌ Ａｔｔｅｎｔｉｏｎ Ｍｅｃｈａｎｉｓｍ（ＳＣＡ），動(dòng)態(tài)調(diào)整注意力對(duì)空間信息流和語義信息流的關(guān)注，獲得更豐富的特征信息以提高捕獲目標(biāo)的能力；更換損失函數(shù)為ＳＩｏＵ，加快模型收斂速度。在公開數(shù)據(jù)集ＶｉｓＤｒｏｎｅ２０１９ 上進(jìn)行對(duì)比實(shí)驗(yàn)，改進(jìn)后算法的ｍＡＰ５０ 值相比ＹＯＬＯｖ７ 提高了４％ ，達(dá)到了５２． ４％ ，ＦＰＳ 為３７，消融實(shí)驗(yàn)驗(yàn)證了每個(gè)模塊均提升了檢測精度。實(shí)驗(yàn)表明，改進(jìn)后的算法能較好地檢測無人機(jī)圖像中的目標(biāo)。

關(guān)鍵詞：無人機(jī)；小目標(biāo)檢測；多信息流融合注意力機(jī)制；ＹＯＬＯｖ７；損失函數(shù)

中圖分類號(hào)：ＴＰ３９１． ４ 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）０４－０９３７－１０

０ 引言

隨著技術(shù)的進(jìn)步和不斷創(chuàng)新，無人機(jī)的應(yīng)用正逐漸融入到日常生活中，例如農(nóng)業(yè)、電力能源、攝影和地質(zhì)勘探等。由于無人機(jī)飛行在一定高度，拍攝的圖像存在大量小尺寸目標(biāo)以及目標(biāo)之間相互遮擋的現(xiàn)象，從而導(dǎo)致檢測的準(zhǔn)確度下降。這一問題在對(duì)無人機(jī)圖像進(jìn)行目標(biāo)檢測時(shí)帶來了一定的挑戰(zhàn)。因此，設(shè)計(jì)一種能夠精準(zhǔn)地檢測無人機(jī)圖像目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)變得尤為重要。卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ ＮｅｕｒａｌＮｅｔｗｏｒｋ，ＣＮＮ）的出現(xiàn)，使得基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)迅速發(fā)展［１］。目前基于深度學(xué)習(xí)的目標(biāo)檢測算法根據(jù)有無候選區(qū)域分為２ 類：兩階段算法和單階段算法。兩階段算法以Ｆａｓｔ Ｒ-ＣＮＮ［２］、Ｆａｓｔｅｒ Ｒ-ＣＮＮ［３］為代表。單階段算法中的典型算法為ＳＳＤ［４］和ＹＯＬＯ 系列ＹＯＬＯｖ１［５］、ＹＯＬＯｖ３［６］、ＹＯＬＯｖ４［７］、ＹＯＬＯｖ７［８］等，單階段算法因在檢測精度和計(jì)算效率之間能夠取得平衡，已成為目標(biāo)檢測任務(wù)中一個(gè)具有吸引力的選擇。

為提高對(duì)無人機(jī)圖像的檢測精度，趙耘徹等［９］使用輕量級(jí)網(wǎng)絡(luò)ＭｏｂｉｌｅＮｅｔｖ３ 替換ＹＯＬＯｖ４ 的主干網(wǎng)絡(luò)，并使用Ｋｍｅａｎｓ＋＋算法重新生成錨框，減少模型的參數(shù)量的同時(shí)提升了檢測精度。雷幫軍等［１０］在檢測模型中引入自適應(yīng)校準(zhǔn)模塊，融合來自不同空間的特征信息，使輸出特征圖的感受野變大，并引入注意力機(jī)制使其更加關(guān)注局部信息，檢測精度有了顯著提升。王恒濤等［１１］提出一種基于ＹＯＬＯｖ５的輕量化網(wǎng)絡(luò)結(jié)構(gòu)，通過對(duì)檢測層和感受野進(jìn)行調(diào)整，使淺層特征的權(quán)重變大，提高了對(duì)小目標(biāo)的檢測能力。張上等［１２］重新設(shè)計(jì)了ＹＯＬＯｖ５ 中的特征提取網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)，大大降低了網(wǎng)絡(luò)模型參數(shù)，使用ＥＩｏＵ 加速模型收斂，能滿足無人機(jī)對(duì)小目標(biāo)的實(shí)時(shí)檢測需求。劉展威等［１３］在主干網(wǎng)絡(luò)中加入了ＣＡ 注意力機(jī)制，用于提高網(wǎng)絡(luò)對(duì)目標(biāo)位置信息的關(guān)注度，在頸部加入了ＢｉＦＰＮ 結(jié)構(gòu)，能有效融合不同層次之間的特征信息，檢測精度相比基線大幅提高。Ｌｉ 等［１４］ 引入Ｂｉ-ＰＡＮ-ＦＰＮ 的思想，改進(jìn)了ＹＯＬＯｖ８ 的頸部網(wǎng)絡(luò)，在保證模型參數(shù)量可控的情況下，能使網(wǎng)絡(luò)更好地進(jìn)行特征融合，將主干中部分Ｃ２ｆ 模塊變成了ＧｈｏｓｔｂｌｏｃｋＶ２ 結(jié)構(gòu)，保證特征在長距離傳輸中不丟失信息，具有較強(qiáng)的魯棒性。齊向明等［１５］將ＹＯＬＯｖ７ 中ＳＰＰＣＳＰＣ 結(jié)構(gòu)中的２ 個(gè)ＣＢＳ層改為了ＳｉｍＡＭ 注意力機(jī)制，同時(shí)縮小了池化層中的池化核，可以提高網(wǎng)絡(luò)對(duì)密集區(qū)域的關(guān)注程度，捕獲相互遮擋目標(biāo)的特征。張徐等［１６］基于ＹＯＬＯｖ７算法，將主干網(wǎng)絡(luò)的ＥＥＬＡＮ 模塊替換成使用余弦注意機(jī)制和后正則化方法改進(jìn)后的ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ（ＳＴＲ）模塊，能夠更好地捕捉圖像中的上下文信息，理解目標(biāo)與背景之間的關(guān)系，并且具有較好的實(shí)時(shí)性和魯棒性。

盡管上述工作對(duì)提高無人機(jī)圖像檢測精度做出了有效改進(jìn)，但無人機(jī)圖像中小目標(biāo)繁多且呈現(xiàn)密集的趨勢，仍容易出現(xiàn)漏檢、誤檢等情況，并且對(duì)于目標(biāo)的特征提取能力不足，導(dǎo)致檢測精度不高。針對(duì)上述問題，本文考慮無人機(jī)圖像的特點(diǎn)，提出一種基于ＹＯＬＯｖ７ 的無人機(jī)圖像目標(biāo)檢測算法，主要工作如下：

① 將ＣｏｏｒｄＣｏｎｖ 引入網(wǎng)絡(luò)的頸部和頭部，使卷積具備空間感知能力，能在提取的特征中更好地定位目標(biāo)。

② 添加Ｐ２ 檢測層，與其他３ 個(gè)檢測層相結(jié)合獲取更多小目標(biāo)的特征，能顯著提升小目標(biāo)的檢測精度。利用Ｋｍｅａｎｓ 聚類算法重新生成先驗(yàn)框。

③ 提出一種新穎的多信息流融合注意力機(jī)制———Ｓｐａｔｉａｌ ａｎｄ Ｃｈａｎｎｅｌ Ａｔｔｅｎｔｉｏｎ Ｍｅｃｈａｎｉｓｍ（ＳＣＡ），將不同層次的全局信息和局部信息結(jié)合起來，有助于不同尺度的特征提取，提高多尺度表達(dá)能力，捕獲小目標(biāo)的能力顯著提高。

④ 將邊界框損失函數(shù)替換為ＳＩｏＵ，考慮了預(yù)測框和真實(shí)框之間的角度差異，進(jìn)而加快模型訓(xùn)練速度。

１ ＹＯＬＯｖ７ 算法

ＹＯＬＯｖ７ 是一個(gè)兼具速度與精度的檢測模型，在ＹＯＬＯｖ５ 的基礎(chǔ)上改進(jìn)得到。ＹＯＬＯｖ７ 由輸入端（Ｉｎｐｕｔ）、主干網(wǎng)絡(luò)（Ｂａｃｋｂｏｎｅ）、頸部網(wǎng)絡(luò)（Ｎｅｃｋ）和頭部（Ｈｅａｄ）組成。首先將輸入端處理好的圖片送入主干網(wǎng)絡(luò)進(jìn)行特征提取，然后進(jìn)入頸部網(wǎng)絡(luò)進(jìn)行特征融合，得到３ 種不同尺寸的特征，最后將這３ 種特征送入檢測頭，得到預(yù)測結(jié)果。

輸入端：對(duì)輸入圖像進(jìn)行數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算和自適應(yīng)圖像縮放等處理，豐富數(shù)據(jù)集的同時(shí)能加快網(wǎng)絡(luò)訓(xùn)練速度。

主干網(wǎng)絡(luò)：對(duì)輸入端傳來的圖像進(jìn)行特征提取，主干由若干個(gè)ＥＬＡＮ、ＣＢＳ 和ＭＰＣｏｎｖ 模塊組成，使主干網(wǎng)絡(luò)具備優(yōu)秀的特征提取能力。ＥＬＡＮ 由多個(gè)ＣＢＳ 構(gòu)成，使網(wǎng)絡(luò)能夠?qū)W習(xí)到豐富的特征。

頸部網(wǎng)絡(luò)：包含ＳＰＰＣＳＰＣ、ＥＬＡＮＷ、ＣＢＳ 和ＭＰＣｏｎｖ 模塊。ＳＰＰＣＳＰＣ 用來增大感受野，ＥＬＡＮＷ 比ＥＬＡＮ 多了２ 個(gè)輸出進(jìn)行拼接操作。與ＹＯＬＯｖ５ 相同，頸部網(wǎng)絡(luò)也使用ＦＰＮ 和ＰＡＮ 進(jìn)行特征融合，得到３ 種不同尺寸的特征。

頭部：根據(jù)頸部３ 個(gè)不同尺度的特征輸出來預(yù)測物體的位置和類別。

２ 改進(jìn)的ＹＯＬＯｖ７ 算法

本文以ＹＯＬＯｖ７ 為基線模型，添加坐標(biāo)卷積、Ｐ２檢測層和ＳＣＡ，并將ＳＩｏＵ 作為邊界框損失函數(shù)。改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)如圖１ 所示。

２． １ ＣｏｏｒｄＣｏｎｖ 模塊

深度學(xué)習(xí)中的卷積運(yùn)算有平移等變形，允許在圖像的不同位置共享參數(shù)，從而有效地捕捉特征。然而，這種方式也帶來了一個(gè)限制：在卷積的學(xué)習(xí)過程中，網(wǎng)絡(luò)無法感知當(dāng)前特征在圖像中的具體坐標(biāo)位置。因此，本文將頸部網(wǎng)絡(luò)中的卷積模塊和檢測頭中的卷積模塊替換為ＣｏｏｒｄＣｏｎｖ［１７］模塊。

為了使卷積具備感知空間信息的能力，在特征圖后加入了２ 個(gè)坐標(biāo)通道，代表原始輸入的ｉ 和ｊ 坐標(biāo)，然后再進(jìn)行傳統(tǒng)卷積操作，使卷積能夠感受特征圖的空間信息。如果坐標(biāo)通道學(xué)習(xí)了一定的信息，那么ＣｏｏｒｄＣｏｎｖ 就具備了平移依賴性，當(dāng)沒有學(xué)習(xí)到信息時(shí)，等同于傳統(tǒng)卷積具備平移不變性。傳統(tǒng)卷積如圖２ 所示，坐標(biāo)卷積如圖３ 所示。

２． ２ 增加小目標(biāo)檢測層

無人機(jī)從一定高度采集圖像，目標(biāo)在圖像中占據(jù)較小的像素，同時(shí)ＹＯＬＯｖ７ 算法在多次進(jìn)行下采樣過程中會(huì)丟失小目標(biāo)的特征信息，導(dǎo)致小目標(biāo)的檢測精度不盡人意。為了增加小目標(biāo)的特征提取能力，進(jìn)而有效提高小目標(biāo)的檢測精度，本文在不改變其他特征圖尺度的基礎(chǔ)上，在頸部網(wǎng)絡(luò)添加一個(gè)分辨率為１６０ ｐｉｘｅｌ×１６０ ｐｉｘｅｌ 的Ｐ２ 檢測層。該層位于原有頸部網(wǎng)絡(luò)上采樣過程中的最后一個(gè)ＥＬＡＮＷ模塊之后，該層的輸入包含部分：一部分是主干網(wǎng)絡(luò)中第一個(gè)ＥＬＡＮ 模塊進(jìn)行卷積之后的特征圖；另一部分是經(jīng)過卷積和上采樣操作的擴(kuò)展特征圖。將來自兩部分的特征圖由ＥＬＡＮＷ 模塊進(jìn)行融合，得到包含豐富位置信息的特征圖。Ｐ２、Ｐ３、Ｐ４、Ｐ５ 檢測層分別對(duì)應(yīng)了４ 倍、８ 倍、１６ 倍、３２ 倍下采樣特征圖，４ 倍下采樣特征圖感受野較小，位置信息更加豐富，因此其特征圖包含大量小目標(biāo)的紋理特征及更多的細(xì)節(jié)信息，在特征圖的傳遞過程中，能最大程度地保留小目標(biāo)的特征，進(jìn)而提升小目標(biāo)檢測精度。增加的小目標(biāo)檢測層如圖１ 中紅色虛線框所示。由于本文數(shù)據(jù)集中小目標(biāo)眾多，寬高尺寸都比較小，不宜使用原來的先驗(yàn)框，因此利用Ｋｍｅａｎｓ 聚類算法生成一組更加匹配數(shù)據(jù)集的先驗(yàn)框，如表１ 所示。

２． ３ 多信息流融合注意力機(jī)制

特征融合是把不同層之間的特征進(jìn)行結(jié)合，低層的特征圖有較多的空間信息，高層的特征圖有較多的語義信息。目前的注意力機(jī)制大多是對(duì)單層和單個(gè)信息流中傳遞來的特征進(jìn)行處理，可能會(huì)丟失某些特征信息。為了得到更全面的特征信息，使模型更加關(guān)注應(yīng)該注意的目標(biāo)，本文提出ＳＣＡ。相比傳統(tǒng)注意力，本文注意力擴(kuò)展到多個(gè)信息流，可以動(dòng)態(tài)調(diào)整注意力對(duì)空間信息流和語義信息流的關(guān)注，將不同層次的全局信息和局部信息結(jié)合起來，獲取更多更全面的特征。

多信息流融合注意力機(jī)制ＳＣＡ 如圖４ 所示。圖４（ａ）表示注意力所添加的位置，圖４（ｂ）左側(cè)為空間注意力，右側(cè)為通道注意力。

Ｕｌ 代表語義信息流，Ｘ′ｌ 代表空間信息流。在空間注意力中更關(guān)注位置信息，更加關(guān)注特征圖中含有有效信息的區(qū)域。將Ｕｌ 和Ｘ′ｌ 分別通過平均池化層進(jìn)行壓縮操作，將２ 個(gè)輸出拼接后通過３×３ 卷積提取更豐富的特征，調(diào)整雙線性層的大小，再經(jīng)過一個(gè)１ ×１ 調(diào)整通道數(shù)后得到ε。通道注意力同樣使Ｕｌ 和Ｘ′ｌ 通過最大池化層，使其在空間維度上整合全局空間信息并縮小特征圖。將其結(jié)果進(jìn)行拼接后，分別通過１ ×１、３ ×３ 以及平均池化后的１ ×１卷積操作，得到包含不同信息的特征圖。

將上述操作結(jié)果相加經(jīng)過１ ×１ 卷積調(diào)整通道數(shù)后得到ξ。將ε 和ξ 拼接后通過１×１ 的卷積，經(jīng)過Ｓｉｇｍｏｉｄ 激活函數(shù)得到權(quán)重Ｚ，平衡了語義信息和空間信息之間的關(guān)系。計(jì)算如下：

Ｚ ＝ Ｓｉｇｍｏｉｄ（Ｃｏｎｖ（ε，ξ））。（１）

上述空間注意力和通道注意力結(jié)合就構(gòu)成了多信息流注意力機(jī)制。將權(quán)重分別與空間信息流和語義信息流相乘得到Ｍ 和Ｎ：

Ｍ ＝ Ｚ × Ｘ′ｌ ， （２）

Ｎ ＝ Ｚ × Ｕｌ。（３）

最后將Ｍ 和Ｎ 進(jìn)行加和操作，結(jié)合通道與空間２ 個(gè)維度的特征。加和后經(jīng)過Ｓｉｇｍｏｉｄ 激活函數(shù)得到融合空間和通道注意力的權(quán)重，定義如下：

Ｐ ＝ Ｓｉｇｍｏｉｄ（Ｍ ＋ Ｎ）。（４）

本文所提出的多信息流注意力機(jī)制可以結(jié)合不同層次的語義信息和空間信息，在不同尺度上提取更全面的特征，減少背景信息的干擾，提升檢測精度。

為了更直觀地驗(yàn)證多信息流融合注意力ＳＣＡ的有效性，圖５ 展示了添加ＳＣＡ 注意力前后的熱力圖。圖５（ａ）為原始輸入圖片，圖５（ｂ）為基線模型的熱力圖，圖５（ｃ）為基線基礎(chǔ)上添加ＳＣＡ 注意力后的熱力圖?？梢钥闯鎏砑樱樱茫?注意力后模型對(duì)圖片中的目標(biāo)定位更加準(zhǔn)確，更有效地關(guān)注圖片中的重要信息，過濾背景信息。

２． ４ 改進(jìn)損失函數(shù)

ＹＯＬＯｖ７ 采用的損失函數(shù)包括邊界損失、置信度損失和分類損失。邊界損失和置信度損失由交叉熵?fù)p失函數(shù)進(jìn)行計(jì)算，而邊界框損失函數(shù)使用ＣＩｏＵ損失函數(shù)計(jì)算：

式中：ｂ 和ｂｇｔ 分別表示預(yù)測框和真實(shí)框的中心點(diǎn)，ρ表示２ 個(gè)框中心點(diǎn)之間的歐氏距離，ｃ 表示包含２個(gè)框的最小方框的對(duì)角線距離，ｗｇｔ、ｈｇｔ 表示真實(shí)框的寬度和高度，ｗ、ｈ 表示預(yù)測框的寬度和高度?？梢钥闯觯茫桑铮?基于預(yù)測框和真實(shí)框的寬高相對(duì)比例進(jìn)行計(jì)算，二者寬高比例一致時(shí)其懲罰項(xiàng)就失效了。為此，本文使用ＳＩｏＵ［１８］替換原來的ＣＩｏＵ，其包含的參數(shù)和示意如圖６ 所示。ＳＩｏＵ 損失函數(shù)包括角度成本、距離成本和形狀成本三部分。具體的計(jì)算如下：

（１）角度成本

若α 的角度小于４５° ，則直接帶入下述公式計(jì)算，否則使用α 的互補(bǔ)角β 代替，角度成本的計(jì)算如下：

式中：ｘ 為α 的正弦值，σ 為兩框中點(diǎn)之間的距離，ｃｈ為兩框之間的高度差。

（２）距離成本

距離成本定義如下：

Δ ＝ Σｔ ＝ ｘ，ｙ（１ － ｅ－γρｔ） ＝ ２ － ｅ－γρｘ － ｅ－γρｙ ， （９）

式中：γ ＝ ２－Λ，ρｘ 表示Ｃｗ 和Ｃｘ 之比的平方，ρｙ 表示Ｃｈ 和Ｃｙ 之比的平方。

（３）形狀成本

形狀成本定義如下：

Ω ＝ （１ － ｅ－ωｗ） θ ＋ （１ － ｅ－ωｈ） θ ， （１０）

式中：θ 的值定義了形狀成本的權(quán)重，控制著應(yīng)該將多少注意力放在形狀成本上，本文中θ 值為１。ωｗ表示兩框?qū)挾炔畹慕^對(duì)值與最大值之比，ωｈ 表示兩框高度差的絕對(duì)值與最大值之比。最后，ＳＩｏＵ 的定義如下：

相比其他損失函數(shù)，ＳＩｏＵ 考慮了角度因素，使預(yù)測框能更快地向真實(shí)框靠近，加快損失函數(shù)的收斂速度。ＳＩｏＵ 在計(jì)算真實(shí)框和預(yù)測框的寬高關(guān)系時(shí)，采用分別計(jì)算的方法，而不是計(jì)算其相對(duì)比例，避免了預(yù)測框和真實(shí)框?qū)捀弑认嗤瑫r(shí)懲罰項(xiàng)為０ 的情況。

３ 實(shí)驗(yàn)與結(jié)果分析

３． １ 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

網(wǎng)絡(luò)訓(xùn)練基于深度學(xué)習(xí)框架ＰｙＴｏｒｃｈ１． １１． ０ 實(shí)現(xiàn)，并使用ＣＵＤＡ１１． ３ 進(jìn)行訓(xùn)練。實(shí)驗(yàn)在Ｕｂｕｎｔｕ２０． ０４ 環(huán)境下進(jìn)行，ＲＴＸＡ５０００ 顯卡，２４ ＧＢ 顯存，Ｉｎｔｅｌ（Ｒ ）Ｘｅｏｎ （Ｒ ） Ｐｌａｔｉｎｕｍ ８３５８Ｐ ＠ ２． ６０ ＧＨｚＣＰＵ。輸入圖像大小為６４０ ｐｉｘｅｌ × ６４０ ｐｉｘｅｌ，訓(xùn)練３００ 輪，ｂａｔｃｈｓｉｚｅ 設(shè)為８，初始學(xué)習(xí)率為０． ０１。

本文采用天津大學(xué)機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘?qū)嶒?yàn)室ＡｉｓｋＹｅｙｅ 團(tuán)隊(duì)收集的ＶｉｓＤｒｏｎｅ２０１９ 數(shù)據(jù)集［１９］，由２８８ 個(gè)視頻片段、２６１ ９０８ 幀和１０ ２０９ 幅靜態(tài)圖像組成，共６ ４７１ 幅圖像用以訓(xùn)練，５４８ 幅圖像用以驗(yàn)證，１ ６１０ 幅圖像用以測試。該數(shù)據(jù)為日常生活中的場景，總共包含１０ 個(gè)類別，分別為行人、人、自行車、汽車、面包車、卡車、三輪車、遮陽篷三輪車、公共汽車和摩托車。數(shù)據(jù)集中，類別比例不均衡，并且圖片中大多以小目標(biāo)的形式存在，給檢測帶來了極大的挑戰(zhàn)。

３． ２ 評(píng)價(jià)指標(biāo)

本文所用到的評(píng)價(jià)指標(biāo)有精準(zhǔn)率（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、召回率（Ｒｅｃａｌｌ，Ｒ）、平均精度均值（ｍＡＰ）、模型參數(shù)量、每秒檢測幀數(shù)（ＦＰＳ）和浮點(diǎn)運(yùn)算次數(shù)（ＧＦＬＯＰｓ）。Ｐ 指預(yù)測為正樣本中實(shí)際正樣本的比例，計(jì)算如下：

式中：ＴＰ 為正確預(yù)測出正樣本的檢測框數(shù)量，ＦＰ 為負(fù)樣本被預(yù)測成正類的數(shù)量。

Ｒｅｃａｌｌ 代表正確預(yù)測的樣本數(shù)占總樣本數(shù)的比例，計(jì)算如下：

式中：ＦＮ 為被預(yù)測成負(fù)類的正樣本數(shù)。

ｍＡＰ 代表平均精度均值，是所有類別檢測精度的平均值，計(jì)算如下：

式中：ｎ 為檢測的類別數(shù)量，ＡＰ 為ＰＲ 曲線下面的面積。ｍＡＰ５０ 是ＩｏＵ 為０． ５ 時(shí)所有類別的平均檢測精度；ｍＡＰ５０：９５ 是ＩｏＵ 以０． ０５ 為步長、０． ５ ～ ０． ９５的全部平均檢測精度。

ＦＰＳ 為模型每秒處理的圖片數(shù)量，用來衡量檢測速度；ＧＦＬＯＰｓ 為網(wǎng)絡(luò)模型的浮點(diǎn)運(yùn)算次數(shù)。

３． ３ 消融實(shí)驗(yàn)

為了驗(yàn)證所提出的方法對(duì)無人機(jī)圖像檢測性能的有效性，本文進(jìn)行了消融實(shí)驗(yàn)，以ＹＯＬＯｖ７ 為基線，逐步加入所提出的改進(jìn)方法，實(shí)驗(yàn)結(jié)果如表２ 所示。

分析表２ 結(jié)果可知，引入ＣｏｏｒｄＣｏｎｖ、加入小目標(biāo)檢測層、加入ＳＣＡ 注意力、損失函數(shù)更換為ＳＩｏＵ都提升了檢測性能。改進(jìn)１ 使用ＣｏｏｒｄＣｏｎｖ 替代了頸部和頭部中卷積核為１ 的卷積，具備了空間感知能力，可以有效地定位目標(biāo)，ｍＡＰ５０ 提高了０． ６％ 的同時(shí)參數(shù)量降低了０． ６ Ｍ，檢測速度也由原來的４８提高到了５２，驗(yàn)證了改進(jìn)１ 的有效性。改進(jìn)２ 添加了小目標(biāo)檢測層，由于多了ＥＬＡＮＷ 模塊、上采樣、額外的卷積操作和檢測頭，導(dǎo)致模型的復(fù)雜度增加，計(jì)算量增加在可接受范圍之內(nèi)，但是能最大程度保留小目標(biāo)位置信息，檢測精度有了極大的提升，小目標(biāo)檢測層的加入使檢測精度相比基線提升了２． １％ ，達(dá)到了５０． ５％ 。改進(jìn)３ 在基線模型添加了ＳＣＡ。ＳＣＡ 注意力的加入，使不同尺度的特征融合，補(bǔ)充上下文信息，獲得了更全面的特征，從而提高了檢測精度，同時(shí)也帶來了一定的參數(shù)量，ＦＰＳ 也有所下降，但是檢測精度提升了１． ７％ 。改進(jìn)４ 替換了損失函數(shù)，ＳＩｏＵ 考慮了角度成本和距離成本，在沒有增加參數(shù)量和計(jì)算量的情況下，檢測精度提升了１． １％ ，相比基線，檢測速度也有所提升。改進(jìn)５ 將改進(jìn)１ 和改進(jìn)２ 相結(jié)合，雖然僅比改進(jìn)２ 的精度提升了０． ２％ ，但是參數(shù)量有所下降。改進(jìn)６ 在改進(jìn)５的基礎(chǔ)上添加了ＳＣＡ，檢測精度再次提升了０． ２％ 。改進(jìn)７ 將所有改進(jìn)方法融合在一起，ｍＡＰ５０ 的值相比基線模型提高了４％ ，達(dá)到了５２． ４％ 。通過消融實(shí)驗(yàn)可以看到，本文所提出的每個(gè)改進(jìn)都提升了模型的檢測性能，雖然改進(jìn)的模塊帶來了一定的計(jì)算量和參數(shù)量，但是檢測精度得到了提升，能滿足實(shí)時(shí)性檢測的需求。

３． ４ 注意力對(duì)比實(shí)驗(yàn)

為了驗(yàn)證本文所提出注意力的有效性，將目前主流的ＳＥ［２０］、ＣＢＡＭ［２１］、ＣＡ［２２］注意力機(jī)制與本文注意力機(jī)制進(jìn)行對(duì)比實(shí)驗(yàn)。在ＹＯＬＯｖ７ 的基礎(chǔ)上，在相同的位置添加注意力機(jī)制，設(shè)置相同參數(shù)。實(shí)驗(yàn)結(jié)果如表３ 所示，可以看出，本文所提出的注意力機(jī)制相比其他３ 個(gè)注意力機(jī)制帶來了額外的參數(shù)量，但是檢測精度高于其他３ 個(gè)注意力機(jī)制，提升了１． ７％ ，證明了模型中添加ＳＣＡ 注意力的有效性。加入ＳＣＡ 注意力，可以使模型更加關(guān)注有效區(qū)域，提高對(duì)目標(biāo)的關(guān)注度，減輕背景信息對(duì)檢測的干擾，從而提升檢測精度。

３． ５ 損失函數(shù)對(duì)比實(shí)驗(yàn)

表４ 展示了本文所用的損失函數(shù)ＳＩｏＵ 與ＣＩｏＵ、ＥＩｏＵ［２３］和ＷＩｏＵ［２４］在ＶｉｓＤｒｏｎｅ２０１９ 數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)結(jié)果，以ｍＡＰ５０ 和ｍＡＰ５０：９５ 為評(píng)價(jià)指標(biāo)，從結(jié)果中可以看出ＳＩｏＵ 與ＥＩｏＵ 有著相同的ｍＡＰ５０：９５，但ｍＡＰ５０ 高于ＥＩｏＵ。相比其他損失函數(shù)，ＳＩｏＵ 具有更良好的性能表現(xiàn)和更快的收斂速度。

３． ６ 對(duì)比實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證本文算法的性能優(yōu)勢，本文采用ＹＯＬＯ 系列中具有代表性的算法ＹＯＬＯｖ５Ｌ、ＴＰＨＹＯＬＯｖ５、ＳＣＡＹＯＬＯ、ＹＯＬＯＸＬ、ＹＯＬＯｖ７ 和ＹＯＬＯｖ８Ｌ在公開數(shù)據(jù)集ＶｉｓＤｒｏｎｅ２０１９ 上與本文算法進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表５ 所示。

由表５ 可知，ＹＯＬＯｖ５Ｌ 比本文算法的ｍＡＰ５０值低了１２． ６％ ，并且參數(shù)量多出了７． ３５ Ｍ，對(duì)該數(shù)據(jù)集的檢測效果不佳。ＴＰＨＹＯＬＯｖ５ 比ＹＯＬＯｖ５Ｌ的ｍＡＰ５０ 值高了２． ２％ ，同時(shí)帶來了額外的計(jì)算量。ＳＣＡＹＯＬＯ 是在ＹＯＬＯｖ５Ｌ 的基礎(chǔ)上進(jìn)行改進(jìn)的，相比ＹＯＬＯｖ５Ｌ 精度提高明顯，但仍然低于本文算法。ＹＯＬＯＸＬ 相比本文算法在參數(shù)量和計(jì)算量上都有大幅度增加，且檢測精度相差８． ９％ 。ＹＯＬＯｖ８ 是目前最先進(jìn)的檢測算法，計(jì)算量和參數(shù)量分別比本文算法多了３５％ 和１２％ ，并且檢測精度低了５％ 。

分析得知，盡管本文算法在參數(shù)量和計(jì)算量上都有小幅增長，但仍然低于同量級(jí)的其他主流檢測算法，并且本文算法在檢測精度上占據(jù)優(yōu)勢，檢測精度達(dá)到了５２． ４％ ，能夠滿足實(shí)時(shí)性檢測的需求。因此本文算法綜合表現(xiàn)最好，驗(yàn)證了改進(jìn)的有效性，對(duì)復(fù)雜場景下的目標(biāo)具有更強(qiáng)的辨識(shí)能力。

３． ７ 可視化分析

在ＶｉｓＤｒｏｎｅ２０１９ 的測試集中選取了密集、模糊、遮擋和高空場景下具有代表性的圖片進(jìn)行檢測，用于更直觀地評(píng)估本文算法。檢測效果如圖７ 所示。圖７（ａ）是密集場景下的檢測圖，可以看到圖片中有較多種類的小目標(biāo)且目標(biāo)之間相互重疊比例較大，尤其是人群相互重疊的現(xiàn)象十分嚴(yán)重，但本文算法依然可以檢測出行人這一類別。圖７（ｂ）是模糊場景下的檢測圖，由于無人機(jī)移動(dòng)速度較快導(dǎo)致拍攝的圖像出現(xiàn)了模糊的情況，但仍然可以檢測出車輛、行人等類別；下方的圖片受昏暗和部分光照的影響，圖片質(zhì)量不高，同樣可以較為全面地檢測出圖像的目標(biāo)。圖７（ｃ）展示了遮擋情況下的檢測圖，圖像中存在大量樹木遮蓋住了部分物體，使小目標(biāo)更加不明顯，圖中可以看出，改進(jìn)后的算法仍然可以檢測出被樹木遮擋住的汽車。圖７（ｄ）是高空場景的檢測圖，與其他３ 組場景相比，高空場景的圖片中車輛變得非常微小，并且背景占了圖片的大部分內(nèi)容，背景噪聲給檢測帶來了一定的挑戰(zhàn)，但改進(jìn)的算法仍然檢測出了微小車輛的存在。

將基線模型和改進(jìn)后的算法進(jìn)行對(duì)比，檢測效果對(duì)比如圖８ 所示。圖８（ａ）為ＹＯＬＯｖ７ 的檢測圖，圖８（ｂ）為改進(jìn)后的ＹＯＬＯｖ７ 檢測圖，為更方便地看出差異，將不同的地方用黃色框標(biāo)注出來。從第一行可以看出，ＹＯＬＯｖ７ 將廣告牌上的字誤檢成了行人類別，并且樓房旁邊的重疊摩托車沒有檢測出來，而改進(jìn)后的算法將其檢測了出來。從第二行中看出，ＹＯＬＯｖ７ 沒有檢測出重疊的人群。改進(jìn)后的算法較ＹＯＬＯｖ７ 相比，有更高檢測精度的同時(shí)減少了漏檢、誤檢的現(xiàn)象。

４ 結(jié)論

本文提出了一種基于ＹＯＬＯｖ７ 改進(jìn)的無人機(jī)圖像目標(biāo)檢測算法，主要工作和結(jié)論如下：

① 在頸部和檢測頭中加入了坐標(biāo)卷積，網(wǎng)絡(luò)能夠感受特征圖中物體的位置信息，提高了空間感知能力，進(jìn)一步定位目標(biāo)從而提升了檢測精度。

② 針對(duì)圖像中小目標(biāo)占比大的問題，生成一組新的錨框，同時(shí)在頸部增加較淺的Ｐ２ 檢測層，使網(wǎng)絡(luò)在特征提取時(shí)獲得更多小目標(biāo)的信息，從而提高了小目標(biāo)的檢測精度。

③ 針對(duì)檢測密集場景中出現(xiàn)誤檢漏檢的現(xiàn)象，提出了ＳＣＡ，將不同層次的全局信息和局部信息結(jié)合，獲得更加全面的特征信息，降低了漏檢誤檢現(xiàn)象的發(fā)生，ｍＡＰ５０ 值提升了１． ７％ 。

④ 使用ＳＩｏＵ 替換ＣＩｏＵ，加快模型收斂速度同時(shí)提高了檢測精度。

在ＶｉｓＤｒｏｎｅ２０１９ 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，改進(jìn)后算法的ｍＡＰ５０ 值為５２． ４％ ，提高了４％ ，ＦＰＳ為３７。消融實(shí)驗(yàn)中，逐一驗(yàn)證了每一個(gè)改進(jìn)模塊對(duì)提升檢測精度的有效性。本文改進(jìn)的算法優(yōu)于目前主流的目標(biāo)檢測算法，能較好地檢測出無人機(jī)圖像中的目標(biāo)。改進(jìn)后的模型在檢測精度上有更大優(yōu)勢，同時(shí)也能滿足實(shí)時(shí)性檢測的需求。接下來將繼續(xù)深入研究，降低模型的計(jì)算復(fù)雜度和參數(shù)量，使模型整體更加輕量化，并用不同的數(shù)據(jù)集驗(yàn)證模型的泛化性。

參考文獻(xiàn)

［１］ ＺＯＵ Ｚ Ｘ，ＣＨＥＮ Ｋ Ｙ，ＳＨＩ Ｚ Ｗ，ｅｔ ａｌ． Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎ２０ Ｙｅａｒｓ：Ａ Ｓｕｒｖｅｙ［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ，２０２３，１１１（３）：２５７－２７６．

［２］ ＧＩＲＳＨＩＣＫ Ｒ． Ｆａｓｔ ＲＣＮＮ［Ｃ］∥２０１５ ＩＥＥＥ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓａｎｔｉａｇｏ：ＩＥＥＥ，２０１５：１４４０－１４４８．

［３］ ＲＥＮ Ｓ Ｑ，ＨＥ Ｋ Ｍ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｆａｓｔｅｒ ＲＣＮＮ：Ｔｏｗａｒｄｓ Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ Ｒｅｇｉｏｎ ＰｒｏｐｏｓａｌＮｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄＭａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，３９（６）：１１３７－１１４９．

［４］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：ＳｉｎｇｌｅＳｈｏｔ Ｍｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ ［Ｃ ］∥ Ｃｏｍｐｕｔｅｒ ＶｉｓｉｏｎＥＣＣＶ２０１６：１４ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ． Ａｍｓｔｅｒｄａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．

［５］ 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．

［６］ ＲＥＤＭＯＮ Ｊ，ＦＡＲＨＡＤＩ Ａ． ＹＯＬＯｖ３：Ａｎ Ｉｎｃｒｅｍｅｎｔａｌ Ｉｍｐｒｏｖｅｍｅｎｔ［ＥＢ ／ ＯＬ］． （２０１８ － ０４ － ０８）［２０２３ － ０６ － ０７］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １８０４． ０２７６７．

［７］ ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＷＡＮＧ Ｃ Ｙ，ＬＩＡＯ Ｈ Ｙ Ｍ． ＹＯＬＯｖ４：Ｏｐｔｉｍａｌ Ｓｐｅｅｄ ａｎｄ Ａｃｃｕｒａｃｙ ｏｆ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［ＥＢ ／ＯＬ］． （２０２０ － ０４ － ２３）［２０２３ － ０６ － ０７］． ｈｔｔｐｓ：∥ ａｒｘｉｖ．ｏｒｇ ／ ａｂｓ ／ ２００４． １０９３４．

［８］ 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．

［９］ 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)檢測算法［Ｊ］． 電子測量技術(shù)，２０２３，４６（８）：１６９－１７５．

［１０］ 雷幫軍，耿紅彬，吳正平． 基于自適應(yīng)校準(zhǔn)和多分支注意力的遙感目標(biāo)檢測［Ｊ］． 電子測量技術(shù)，２０２２，４５（２２）：１０６－１１１．

［１１］ 王恒濤，張上，陳想，等． 輕量化無人機(jī)航拍目標(biāo)檢測算法［Ｊ］． 電子測量技術(shù)，２０２２，４５（１９）：１６７－１７４．

［１２］ 張上，張?jiān)溃鹾銤?，等?輕量化無人機(jī)遙感圖像小目標(biāo)檢測算法［Ｊ］． 無線電工程，２０２３，５３（１０）：２３２９－２３３６．

［１３］ 劉展威，陳慈發(fā)，董方敏． 基于ＹＯＬＯｖ５ｓ 的航拍小目標(biāo)檢測改進(jìn)算法研究［Ｊ］． 無線電工程，２０２３，５３ （１０）：２２８６－２２９４．

［１４］ ＬＩ Ｙ Ｔ，ＦＡＮ Ｑ Ｓ，ＨＵＡＮＧ Ｈ Ｓ，ｅｔ ａｌ． Ａ ＭｏｄｉｆｉｅｄＹＯＬＯｖ８ Ｄｅｔｅｃｔｉｏｎ Ｎｅｔｗｏｒｋ ｆｏｒ ＵＡＶ Ａｅｒｉａｌ Ｉｍａｇｅ Ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］． Ｄｒｏｎｅｓ，２０２３，７（５）：３０４．

［１５］ 齊向明，柴蕊，高一萌． 重構(gòu)ＳＰＰＣＳＰＣ 與優(yōu)化下采樣的小目標(biāo)檢測算法［Ｊ］． 計(jì)算機(jī)工程與應(yīng)用，２０２３，５９（２０）：１５８－１６６．

［１６］ 張徐，朱正為，郭玉英，等． 基于ｃｏｓＳＴＲＹＯＬＯｖ７ 的多尺度遙感小目標(biāo)檢測［Ｊ ／ ＯＬ ］． 電光與控制：１ － ９［２０２３－０６ －２４］． ｈｔｔｐ：∥ ｋｎｓ． ｃｎｋｉ． ｎｅｔ ／ ｋｃｍｓ ／ ｄｅｔａｉｌ ／ ４１．１２２７． ｔｎ． ２０２３０６１５． １０１７． ００２． ｈｔｍｌ．

［１７］ ＬＩＵ Ｒ，ＬＥＨＭＡＮ Ｊ，ＭＯＬＩＮＯ Ｐ，ｅｔ ａｌ． Ａｎ ＩｎｔｒｉｇｕｉｎｇＦａｉｌｉｎｇ ｏｆ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ａｎｄ ｔｈｅ Ｃｏｏｒｄｃｏｎｖ Ｓｏｌｕｔｉｏｎ ［ＥＢ ／ ＯＬ］． （２０１８ － ０７ － ０９ ）［２０２３ － ０６ －２４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １８０７． ０３２４７．

［１８］ ＧＥＶＯＲＧＹＡＮ Ｚ． ＳＩｏＵ Ｌｏｓｓ：Ｍｏｒｅ Ｐｏｗｅｒｆｕｌ Ｌｅａｒｎｉｎｇ ｆｏｒＢｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ ［ＥＢ ／ ＯＬ ］． （２０２２ － ０５ － ２５ ）［２０２３－０６－２４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０５． １２７４０．

［１９］ ＺＨＵ Ｐ Ｆ，ＷＥＮ Ｌ Ｙ，ＤＵ Ｄ Ｗ，ｅｔ ａｌ． Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ Ｍｅｅｔ Ｄｒｏｎｅｓ Ｃｈａｌｌｅｎｇｅ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎＰａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０２１，４４（１１）：７３８０－７３９９．

［２０］ ＨＵ Ｊ，ＳＨＥＮ Ｌ，ＳＵＮ Ｇ． ＳｑｕｅｅｚｅａｎｄＥｘｃｉｔａｔｉｏｎ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０１８ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｓａｌｔ Ｌａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：７１３２－７１４１．

［２１］ ＷＯＯ Ｓ，ＰＡＲＫ Ｊ，ＬＥＥ Ｊ Ｙ，ｅｔ ａｌ． ＣＢＡＭ：ＣｏｎｖｏｌｕｔｉｏｎａｌＢｌｏｃｋ Ａｔｔｅｎｔｉｏｎ Ｍｏｄｕｌｅ ［Ｃ ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＥｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ （ＥＣＣＶ２０１８）． Ｍｕｎｉｃｈ：Ｓｐｒｉｎｇｅｒ，２０１８：３－１９．

［２２］ ＨＯＵ Ｑ Ｂ，ＺＨＯＵ Ｄ Ｑ，ＦＥＮＧ Ｊ Ｓ． Ｃｏｏｒｄｉｎａｔｅ Ａｔｔｅｎｔｉｏｎｆｏｒ Ｅｆｆｉｃｉｅｎｔ Ｍｏｂｉｌｅ Ｎｅｔｗｏｒｋ Ｄｅｓｉｇｎ ［Ｃ］∥ ２０２１ ＩＥＥＥ ／ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｎａｓｈｖｉｌｌｅ：ＩＥＥＥ，２０２１：１３７０８－１３７１７．

［２３］ ＺＨＡＮＧ Ｙ Ｆ，ＲＥＮ Ｗ Ｑ，ＺＨＡＮＧ Ｚ，ｅｔ ａｌ． Ｆｏｃａｌ ａｎｄ Ｅｆｆｉｃｉｅｎｔ ＩＯＵ Ｌｏｓｓ ｆｏｒ Ａｃｃｕｒａｔｅ Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０２２，５０６：１４６－１５７．

［２４］ ＴＯＮＧ Ｚ Ｊ，ＣＨＥＮ Ｙ Ｈ，ＸＵ Ｚ Ｗ，ｅｔ ａｌ． ＷｉｓｅＩｏＵ：Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ Ｌｏｓｓ ｗｉｔｈ Ｄｙｎａｍｉｃ ＦｏｃｕｓｉｎｇＭｅｃｈａｎｉｓｍ［ＥＢ ／ ＯＬ］． （２０２３ －０１ －２４）［２０２３ －０６ －２６］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２３０１． １００５１．

［２５］ ＺＨＵ Ｘ Ｋ，ＬＹＵ Ｓ Ｃ，ＷＡＮＧ Ｘ，ｅｔ ａｌ． ＴＰＨＹＯＬＯｖ５：Ｉｍｐｒｏｖｅｄ ＹＯＬＯｖ５ Ｂａｓｅｄ ｏｎ Ｔｒａｎｓｆｏｒｍｅｒ Ｐｒｅｄｉｃｔｉｏｎ Ｈｅａｄｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｏｎ Ｄｒｏｎｅｃａｐｔｕｒｅｄ Ｓｃｅｎａｒｉｏｓ［Ｃ］∥２０２１ ＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ Ｗｏｒｋｓｈｏｐｓ （ＩＣＣＶＷ ）． Ｍｏｎｔｒｅａｌ：ＩＥＥＥ，２０２１：２７７８－２７８８．

［２６］ ＺＥＮＧ Ｓ，ＹＡＮＧ Ｗ Ｚ，ＪＩＡＯ Ｙ Ｙ，ｅｔ ａｌ． ＳＣＡＹＯＬＯ：ＡＮｅｗ Ｓｍａｌｌ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｍｏｄｅｌ ｆｏｒ ＵＡＶ Ｉｍａｇｅｓ［Ｊ］．Ｔｈｅ Ｖｉｓｕａｌ Ｃｏｍｐｕｔｅｒ，２０２４，４０：１７８７－１８０３．

作者簡介

梁秀滿 女，（１９７３—），碩士，副教授，碩士生導(dǎo)師。主要研究方向：檢測技術(shù)及智能裝置、人工智能與模式識(shí)別。

賈梓涵 男，（２０００—），碩士研究生。主要研究方向：深度學(xué)習(xí)與圖像處理。

（*通信作者）于海峰 男，（１９９０—），博士，講師。主要研究方向：深度學(xué)習(xí)與圖像處理。

劉振東 男，（１９７３—），碩士，副高級(jí)工程師。主要研究方向：深度學(xué)習(xí)與圖像處理。

基金項(xiàng)目：河北省自然科學(xué)基金（Ｆ２０１８２０９２８９）