摘 要：針對(duì)目前遙感圖像目標(biāo)檢測算法中存在的誤檢、漏檢和檢測精度低等問題，提出了一種改進(jìn)ＹＯＬＯｖ８ 的遙感圖像檢測算法。在主干網(wǎng)絡(luò)中引入注意力機(jī)制ＥＭＡ 到Ｃ２ｆ 模塊，以提高模型對(duì)多尺度目標(biāo)的特征提取能力；在頸部網(wǎng)絡(luò)中提出Ｓｌｉｍ-ＰＡＮ 結(jié)構(gòu)，以減少模型計(jì)算量；使用ＷＩＯＵ 損失函數(shù)代替ＣＩＯＵ 損失函數(shù)，以提升模型的檢測精度。通過在ＤＩＯＲ 和ＲＳＯＤ 遙感數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法與原ＹＯＬＯｖ８ 算法相比，ｍＡＰ 分別提升了１． ５％ 和２． ３％ ，計(jì)算量降低了０． ３ ＧＦＬＯＰｓ，改進(jìn)算法在不增加計(jì)算量的同時(shí)能提高檢測精度，證明了改進(jìn)算法的有效性和先進(jìn)性。

關(guān)鍵詞：遙感圖像；目標(biāo)檢測；ＹＯＬＯｖ８；注意力機(jī)制

中圖分類號(hào)：ＴＰ３９１． ９ 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）０５－１１５５－０７

０ 引言

遙感圖像是指通過衛(wèi)星、飛機(jī)或其他傳感器從遙遠(yuǎn)地面獲取的圖像數(shù)據(jù)。伴隨著科技的不斷進(jìn)步和應(yīng)用需求的不斷增加，遙感圖像在精準(zhǔn)農(nóng)業(yè)、地質(zhì)災(zāi)害檢測、城市規(guī)劃和軍事國防等多個(gè)領(lǐng)域都起到了重要作用［１］。對(duì)于遙感圖像而言，這些圖像中的目標(biāo)通常分布密集、尺度差異顯著，而且還會(huì)受光照、天氣和其他建筑的影響，檢測背景十分復(fù)雜，從而給檢測過程帶來一定的影響［２］。因此，降低誤檢率和漏檢率是此領(lǐng)域亟需解決的問題［３］。

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：一類是以Ｒ-ＣＮＮ 系列（Ｒ-ＣＮＮ［４］、Ｆａｓｔｅｒ Ｒ-ＣＮＮ［５］和Ｃａｓｃａｄｅ Ｒ-ＣＮＮ［６］）為代表的雙階段目標(biāo)檢測算法；另一類是以ＹＯＬＯ［７］系列（ＹＯＬＯｖ３［８］、ＹＯＬＯｖ５ 和ＹＯＬＯｖ６［９］）、ＳＳＤ［１０］、Ｃａｓｃａｄｅ ｒｅｔｉｎａｎｅｔ［１１］和ＣｅｎｔｅｒＮｅｔ［１２］等為代表的單階段目標(biāo)檢測算法。單階段目標(biāo)檢測算法得到了更廣泛的應(yīng)用是由于它具有更快的識(shí)別速度。國內(nèi)外已有很多學(xué)者使用單階段目標(biāo)檢測算法在遙感圖像檢測領(lǐng)域取得了顯著的成績，Ｈｏｕ 等［１３］將ＭＳ Ｔｒａｎｓ-ｆｏｒｍｅｒ 模塊與ＣＢＡＭ 注意力機(jī)制引入ＹＯＬＯｖ５ 中，形成新的Ｒ-ＹＯＬＯ 網(wǎng)絡(luò)，提高了對(duì)遙感目標(biāo)的檢測精度。張上等［１４］設(shè)計(jì)了一種能重構(gòu)特征提取與特征融合的ＬＵＳＳ-ＹＯＬＯ 網(wǎng)絡(luò)結(jié)構(gòu)，使其能夠提高檢測精度。Ｗａｎ 等［１５］將多層特征金字塔、多檢測頭策略和混合注意力模塊放入到ＹＯＬＯｖ５ 中，形成新的ＹＯＬＯＨＲ 網(wǎng)絡(luò)，提高了對(duì)光學(xué)遙感目標(biāo)的檢測精度。

雖然上述研究已經(jīng)找到了有效的方法來提高遙感圖像檢測的準(zhǔn)確性，但由于遙感圖像中目標(biāo)尺度變化范圍大且分布密集，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［１６］。針對(duì)上述問題，本文以ＹＯＬＯｖ８ｎ 作為基線網(wǎng)絡(luò)，進(jìn)行了一系列改進(jìn)和優(yōu)化。首先，在主干特征提取網(wǎng)絡(luò)中將注意力機(jī)制ＥＭＡ［１７］引入到Ｃ２ｆ模塊中，構(gòu)成Ｃ２ｆ＿ＥＭＡ 模塊，以提升網(wǎng)絡(luò)對(duì)遙感目標(biāo)的注意力；其次，在特征融合網(wǎng)絡(luò)中提出了ＳｌｉｍＰＡＮ 結(jié)構(gòu)，在保證準(zhǔn)確性的前提下，降低了計(jì)算量；使用ＷＩＯＵ［１８］損失函數(shù)替換原網(wǎng)絡(luò)中的ＣＩＯＵ［１９］損失函數(shù)，以提高檢測框的定位能力；最后，在ＤＩＯＲ［２０］和ＲＳＯＤ［２１］公開數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明改進(jìn)后的算法對(duì)分布密集且尺寸差異明顯的遙感目標(biāo)具有良好的檢測效果。

１ ＹＯＬＯｖ８ 算法

ＹＯＬＯｖ８ 模型是由Ｕｌｔｒａｌｙｔｉｃｓ 團(tuán)隊(duì)在２０２３ 年１ 月提出，本文選擇以ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)模型為基本框架，其模型結(jié)構(gòu)如圖１ 所示，主要包括輸入端、主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和頭部模塊。

輸入端：通過Ｍｏｓａｉｃ 數(shù)據(jù)增強(qiáng)對(duì)圖片進(jìn)行隨機(jī)選擇、拼接和旋轉(zhuǎn)等操作，使模型能夠更好地適應(yīng)真實(shí)世界的復(fù)雜場景，具有更好的魯棒性和泛化能力，進(jìn)而提高模型在復(fù)雜背景下對(duì)目標(biāo)的檢測能力。

主干網(wǎng)絡(luò)：主要由Ｃｏｎｖ 模塊、Ｃ２ｆ 模塊、ＳＰＰＦ模塊組成。通過Ｃｏｎｖ 模塊可以改變圖像的分辨率和通道數(shù)，實(shí)現(xiàn)更好的特征提??；Ｃ２ｆ 模塊的核心思想是通過結(jié)合全局語義信息和局部目標(biāo)信息來更好地理解圖像，并使目標(biāo)檢測器更關(guān)注有意義的區(qū)域；ＳＰＰＦ 模塊能在同尺度上對(duì)特征進(jìn)行池化，以允許網(wǎng)絡(luò)在不同大小的輸入圖像上執(zhí)行目標(biāo)檢測，從而提高模型的感受野和魯棒性。

頸部網(wǎng)絡(luò)：用于將來自不同層次或不同尺度的特征圖進(jìn)行融合，以提高模型在多尺度場景下的性能，這種融合機(jī)制可以提高模型的感受野，使得模型更適應(yīng)于處理多尺度的輸入圖像，從而增強(qiáng)了模型的魯棒性和泛化能力。

頭部模塊：采用解耦頭結(jié)構(gòu)，將分類和檢測頭分離，同時(shí)將錨框換成了無錨框，減少了設(shè)計(jì)復(fù)雜性，提高了位置精度和模型的泛化能力，使其變得更加靈活。

２ 改進(jìn)ＹＯＬＯｖ８ｎ 算法

本文以ＹＯＬＯｖ８ｎ 為基線模型，使用Ｃ２ｆ＿ＥＭＡ模塊替換原始主干網(wǎng)絡(luò)中的部分Ｃ２ｆ 模塊，提出Ｓｌｉｍ-ＰＡＮ 結(jié)構(gòu)替換原始頸部網(wǎng)絡(luò)中的ＰＡＮ 結(jié)構(gòu)，最后采用ＷＩＯＵ 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２ 所示。

２． １ ＥＭＡ 模塊

ＥＭＡ 模塊是一種新的跨空間學(xué)習(xí)的高效多尺度注意力模塊，它能夠在保留每個(gè)通道上信息的同時(shí)將注意力放在感興趣的位置，其結(jié)構(gòu)如圖３ 所示。

具體流程如下：首先，對(duì)于任何給定的輸入特征映射Ｘ，將跨通道維度方向Ｘ 劃分為Ｇ 個(gè)子特征，接下來利用２ 條１×１ 分支和一條３ ×３ 分支來提取分組特征圖的注意力權(quán)重描述符。在１×１ 分支中，通過２ 個(gè)一維全局平均池化操作對(duì)通道進(jìn)行編碼，再連接２ 個(gè)編碼特征之后采用１×１ 卷積生成２ 個(gè)并行的一維特征編碼向量并分別送入Ｓｉｇｍｏｉｄ 函數(shù)中。然后通過簡單的乘法將每個(gè)組內(nèi)的通道注意力圖合并，以實(shí)現(xiàn)不同通道之間的交互特征。在３×３ 分支中，采用３×３ 的卷積操作旨在捕獲局部不同通道的互動(dòng)特征，從而擴(kuò)大特征空間。其次，引入了２ 個(gè)張量。在１×１ 分支中，用二維全局平均池化進(jìn)行全局空間信息編碼，注意在通道特征聯(lián)合激活機(jī)制前，將最小支路的輸出直接轉(zhuǎn)化為對(duì)應(yīng)的維度形狀。隨后用自然非線性函數(shù)Ｓｏｆｔｍａｘ 來擬合以上的線性變換。通過將并行處理后的輸出與矩陣點(diǎn)積相乘，來獲得一個(gè)空間注意力圖。在３×３ 分支中，原理與１×１ 分支相同。最后，將每組內(nèi)的輸出特征映射相加，從而生成２ 個(gè)空間注意力權(quán)重值的集合，隨后使用Ｓｉｇｍｏｉｄ 函數(shù)和簡單的乘法操作，使得ＥＭＡ 的最終輸出與Ｘ 的大小相同。

通過將ＥＭＡ 模塊引入到Ｃ２ｆ 中，使模型更加關(guān)注于目標(biāo)區(qū)域位置信息，以提高對(duì)目標(biāo)區(qū)域的檢測精度，其結(jié)構(gòu)如圖４ 所示。Ｓｉｇｍｏｉｄ 函數(shù)和簡單的乘法操作，使得ＥＭＡ 的最終輸出與Ｘ 的大小相同。

通過將ＥＭＡ 模塊引入到Ｃ２ｆ 中，使模型更加關(guān)注于目標(biāo)區(qū)域位置信息，以提高對(duì)目標(biāo)區(qū)域的檢測精度，其結(jié)構(gòu)如圖４ 所示。

２． ２ ＳｌｉｍＰＡＮ 結(jié)構(gòu)

遙感圖像通常從無人機(jī)、飛機(jī)等輕量化設(shè)備中獲取，參數(shù)量和計(jì)算量較大的網(wǎng)絡(luò)模型在這些邊緣設(shè)備中難以應(yīng)用，因此本文提出了一種由ＧＳＣｏｎｖ［２２］和ＶｏＶＧＳＣＳＰ［２２］構(gòu)成的輕量化ＳｌｉｍＰＡＮ結(jié)構(gòu)。

為了使深度可分離卷積的結(jié)果盡可能地近似標(biāo)準(zhǔn)卷積，標(biāo)準(zhǔn)卷積和深度可分離卷積可以聯(lián)合使用，將普通卷積、深度可分離卷積混合起來，得到ＧＳＣｏｎｖ，其結(jié)構(gòu)如圖５ 所示。

具體操作如下：首先，將輸入的圖片進(jìn)行標(biāo)準(zhǔn)卷積操作，得到通道數(shù)為ｃ２ ／ ２ 的特征圖Ａ，接著對(duì)特征圖Ａ 進(jìn)行深度可分離卷積操作，得到通道數(shù)為ｃ２ ／ ２ 的特征圖Ｂ。然后將特征圖Ａ、Ｂ 進(jìn)行連接，形成特征圖Ｃ。最后，將特征圖Ｃ 進(jìn)行混洗操作，得到最后的輸出特征圖。從圖５ 可以看出，ＧＳＣｏｎｖ 的計(jì)算成本約為Ｃｏｎｖ 的一半，但對(duì)模型的貢獻(xiàn)與標(biāo)準(zhǔn)卷積相當(dāng)?；冢牵樱茫铮睿?設(shè)計(jì)了ＧＳｂｏｔｔｌｅｎｅｃｋ 模塊，并在此基礎(chǔ)上使用單階段聚合方法設(shè)計(jì)了跨階段局部網(wǎng)絡(luò)模塊ＶｏＶＧＳＣＳＰ，在降低了計(jì)算量和復(fù)雜度的同時(shí)保持了足夠的精度。其中，ＧＳ ｂｏｔｔｌｅｎｅｃｋ 的結(jié)構(gòu)如圖６ 所示，ＶｏＶＧＳＣＳＰ 的結(jié)構(gòu)如圖７ 所示。

２． ３ 損失函數(shù)

在原ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)中，計(jì)算預(yù)測框的坐標(biāo)損失所采用的是ＣＩＯＵ 損失函數(shù)，其計(jì)算公式如下：

式中：ｗｇｔ、ｈｇｔ 表示真實(shí)框的寬和高，ｗ、ｈ 表示預(yù)測框的寬和高，ρ２（ｂ，ｂｇｔ ）表示預(yù)測框與真實(shí)框中心點(diǎn)之間的歐式距離，ＩｏＵ 表示真實(shí)框與預(yù)測框交并比，Ｃ表示預(yù)測框與真值框的最小外接矩陣的對(duì)角線長度，α 表示權(quán)重，ｖ 表示衡量長寬比一致性的參數(shù)。

雖然ＣＩＯＵ 在ＤＩＯＵ 的懲罰項(xiàng)基礎(chǔ)上添加了一個(gè)影響因子αν，但是，當(dāng)影響因子中的ｖ ＝ ０ 時(shí)，此時(shí)長寬比的懲罰項(xiàng)為０，于是提出單調(diào)靜態(tài)聚焦機(jī)制，引入ＷＩＯＵ 損失函數(shù)。其計(jì)算公式如下：

式中：Ｗｇ、Ｈｇ 表示最小包圍框的寬和高，ｒ 表示梯度增益。

３ 實(shí)驗(yàn)

３． １ 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置

實(shí)驗(yàn)環(huán)境為６４ 位Ｗｉｎｄｏｗｓ １１ 操作系統(tǒng)下搭建的Ｐｙｔｏｒｃｈ ２． ０． １ 深度學(xué)習(xí)框架，Ｐｙｔｈｏｎ３． ８ 以及ＣＵ-ＤＡ １１． ７ 編程軟件。計(jì)算機(jī)ＣＰＵ 為ＡＭＤ Ｒｙｚｅｎ ９７９４５ＨＸ，ＧＰＵ 為ＮＶＩＤＩＡ ＧｅＦｏｒｃｅ ＲＴＸ ４０６０，顯存為８ ＧＢ，內(nèi)存為１６ ＧＢ，訓(xùn)練選用的ｂａｔｃｈ-ｓｉｚｅ 為８，ｅｐｏｃｈｓ 為２００。

３． ２ 數(shù)據(jù)集

為驗(yàn)證算法的可行性，本文在ＤＩＯＲ 遙感數(shù)據(jù)集和ＲＳＯＤ 遙感數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。其中，ＤＩＯＲ 數(shù)據(jù)集是一個(gè)用于光學(xué)遙感圖像目標(biāo)檢測的大規(guī)?；鶞?zhǔn)數(shù)據(jù)集。該數(shù)據(jù)集包含２３ ４６３ 張圖像和１９２ ４７２ 個(gè)實(shí)例，涵蓋２０ 個(gè)對(duì)象類。ＲＳＯＤ 數(shù)據(jù)集是一個(gè)開放的、用于遙感圖像目標(biāo)檢測的公開數(shù)據(jù)集，該數(shù)據(jù)集包含９４６ 張圖像和６ ９５０ 個(gè)實(shí)例，包括４ 個(gè)對(duì)象類。這４ 個(gè)對(duì)象類是飛機(jī)、操場、立交橋和油箱，其中由于操場圖像中包含４０ 張無標(biāo)注圖像，本文只使用１４９ 張標(biāo)注過的操場圖像。在實(shí)驗(yàn)中，按照７ ∶ ２ ∶ １的比例隨機(jī)的將數(shù)據(jù)分成訓(xùn)練集、驗(yàn)證集和測試集，以進(jìn)行實(shí)驗(yàn)。

３． ３ 性能評(píng)價(jià)指標(biāo)

實(shí)驗(yàn)評(píng)價(jià)指標(biāo)采用精密度（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、回收率（Ｒｅｃａｌｌ，Ｒ）、平均測量精度（ｍＡＰ）、浮點(diǎn)運(yùn)算次數(shù)（Ｇｉｇａ Ｆｌｏａｔｉｎｇ-ｐｏｉｎｔ Ｏｐｅｒａｔｉｏｎｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＧＦＬＯＰｓ）對(duì)改進(jìn)后的網(wǎng)絡(luò)進(jìn)行評(píng)估。Ｐ、Ｒ、ｍＡＰ 計(jì)算如下：

式中：ＴＰ 表示模型預(yù)測為正向的正樣本，ＦＰ 表示模型預(yù)測為正向的負(fù)樣本，ＦＮ 表示模型預(yù)測為負(fù)向的正樣本，即漏檢數(shù)；ＡＰｉ 表示對(duì)數(shù)據(jù)集中的某一種類別求平均精度，ｋ 表示數(shù)據(jù)集中所有類別的數(shù)目。

３． ４ 消融實(shí)驗(yàn)

為了分析每個(gè)模塊對(duì)原網(wǎng)絡(luò)的作用和有效性，通過設(shè)計(jì)４ 組消融實(shí)驗(yàn)來分別評(píng)估使用Ｃ２ｆ＿ＥＭＡ模塊、Ｓｌｉｍ-ＰＡＮ 結(jié)構(gòu)、ＷＩＯＵ 損失函數(shù)對(duì)ＹＯＬＯｖ８ｎ的改進(jìn)效果，結(jié)果如表１ 所示。分析表１ 實(shí)驗(yàn)數(shù)據(jù)可知，原ＹＯＬＯｖ８ｎ 的Ｐ、Ｒ、ｍＡＰ、ＧＦＬＯＰｓ 分別為８９％ 、７９． ３％ 、８５． ５％ 、８． ９。加入Ｃ２ｆ＿ＥＭＡ 模塊后，Ｒ 和ｍＡＰ 均有不同程度的提升，說明Ｃ２ｆ＿ＥＭＡ 模塊有助于更好地聚焦于網(wǎng)絡(luò)關(guān)注的地方，從而克制對(duì)無關(guān)的背景信息的關(guān)注。用ＳｌｉｍＰＡＮ 結(jié)構(gòu)改進(jìn)ＰＡＮ結(jié)構(gòu)，減少了計(jì)算量的同時(shí)使得Ｐ 提高了０． ２％ ，Ｒ 提高了０． ８％ ，ｍＡＰ 提高了０． ８％ ，說明ＳｌｉｍＰＡＮ 結(jié)構(gòu)能在實(shí)現(xiàn)輕量化的同時(shí)提高準(zhǔn)確率、召回率和平均精度均值；用ＷＩＯＵ 損失函數(shù)替換ＣＩＯＵ 損失函數(shù)，Ｐ 下降了０． ８％ ，Ｒ 提高了１． ７％ ，ｍＡＰ 提高了１． ２％ ，說明ＷＩＯＵ 損失函數(shù)以降低準(zhǔn)確率為代價(jià)大大提升了召回率和平均精度均值；同時(shí)添加Ｃ２ｆ＿ＥＭＡ 模塊、Ｓｌｉｍ-ＰＡＮ 結(jié)構(gòu)以及ＷＩＯＵ 損失函數(shù)后，Ｐ 提高了０． ５％ ，Ｒ 提高了１． ２％ ，ｍＡＰ 提高了１． ５％ ，ＧＦＬＯＰｓ減少了０． ３，取得了最優(yōu)改進(jìn)。

３． ５ 對(duì)比實(shí)驗(yàn)

為了證明所提模型的優(yōu)勢，在其余所有條件都不變的前提下，利用ＤＩＯＲ 公開遙感數(shù)據(jù)集在ＹＯＬＯｖ３、ＹＯＬＯｖ５、ＹＯＬＯｖ６、ＹＯＬＯｖ８ｎ 以及改進(jìn)的ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)進(jìn)行了對(duì)比試驗(yàn)，結(jié)果如表２ 所示。

從表２ 可以看出，ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)的Ｐ、Ｒ、ｍＡＰ指標(biāo)要明顯優(yōu)于其他經(jīng)典ＹＯＬＯ 模型，而改進(jìn)的ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)在計(jì)算量低于原ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)的前提下，其Ｐ、Ｒ、ｍＡＰ 均有不同程度的提升，既實(shí)現(xiàn)了網(wǎng)絡(luò)的輕量化又提升了對(duì)遙感圖像中目標(biāo)的檢測精度，證明了本文改進(jìn)方法的有效性。

為了充分反映本文方法的適用性，設(shè)置相同的訓(xùn)練參數(shù)，將改進(jìn)后的ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)在ＲＳＯＤ 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果如表３ 所示。

分析表３ 實(shí)驗(yàn)數(shù)據(jù)可知，改進(jìn)ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)的Ｐ 提高了０． ４％ ，Ｒ 提高了５． ３％ ，ｍＡＰ 提高了２． ３％ ，計(jì)算量ＧＦＬＯＰｓ 減少了０． ３，證明了本文改進(jìn)方法的適用性。

本文對(duì)ＤＩＯＲ 數(shù)據(jù)集中檢測效果具有代表性的幾類場景進(jìn)行改進(jìn)前后檢測效果的可視化效果進(jìn)行了展示，如圖８ 所示。其中，圖８ （ａ）１、圖８ （ａ）３、圖８（ｂ）１、圖８ （ｂ）３、圖８ （ｃ）１、圖８ （ｃ）３ 為原ＹＯＬＯｖ８ｎ 算法檢測效果圖，圖８ （ａ）２、圖８ （ａ）４、圖８（ｂ）２、圖８（ｂ）４、圖８（ｃ）２、圖８（ｃ）４ 為改進(jìn)后的ＹＯＬＯｖ８ｎ 算法檢測效果圖。由圖８（ａ）１、圖８（ａ）２ 的檢測效果可知，在待檢測目標(biāo)分布密集且尺度變化范圍大的情況下，改進(jìn)后的算法有效地解決了對(duì)于紅框處海港的漏檢問題并且提升了對(duì)海港這種大目標(biāo)的檢測精度。由圖８（ａ）３、圖８（ａ）４ 的檢測效果可知，在背景復(fù)雜且待檢測目標(biāo)尺度變化范圍大的情況下，改進(jìn)后的算法有效地解決了對(duì)于紅圈處車輛的漏檢。由圖８（ｂ）１、圖８（ｂ）２ 的檢測效果對(duì)比可知，在待檢測目標(biāo)分布密集的情況下，原始ＹＯＬＯｖ８ｎ 算法錯(cuò)誤地將房屋陰影處識(shí)別為車輛，而改進(jìn)后的ＹＯＬＯｖ８ｎ 算法有效地解決了誤檢問題。由圖８（ｂ）３、圖８（ｂ）４ 的檢測效果對(duì)比可知，在待檢測目標(biāo)分布密集且尺度變化范圍大的情況下，改進(jìn)后的算法完美地解決了對(duì)于天橋這種大目標(biāo)的誤檢。圖８（ｃ）１、圖８（ｃ）２、圖８（ｃ）３、圖８（ｃ）４ 的檢測結(jié)果表明，在背景復(fù)雜且目標(biāo)尺度變化范圍大的情況下，改進(jìn)后的算法相比原始ＹＯＬＯｖ８ｎ 算法檢測精度更高，檢測效果更好?？傮w上來說，改進(jìn)后的算法既解決了目標(biāo)被漏檢或誤檢的問題又提升了檢測精度，體現(xiàn)了該算法的有效性。

４ 結(jié)束語

針對(duì)復(fù)雜背景下遙感圖像目標(biāo)分布密集、尺度變化范圍較大的檢測難題，將注意力機(jī)制ＥＭＡ 引入到主干網(wǎng)絡(luò)部分Ｃ２ｆ 模塊中，從而加強(qiáng)網(wǎng)絡(luò)在復(fù)雜背景下對(duì)目標(biāo)的注意力；提出了Ｓｌｉｍ-ＰＡＮ 的結(jié)構(gòu)，使不同尺度之間的特征相互融合，既實(shí)現(xiàn)了網(wǎng)絡(luò)的輕量化又提升了對(duì)遙感目標(biāo)的檢測精度；使用ＷＩＯＵ 損失函數(shù)來替換原網(wǎng)絡(luò)中的ＣＩＯＵ 損失函數(shù)，解決了當(dāng)預(yù)測框與真實(shí)框重合時(shí)懲罰項(xiàng)失靈的問題，提高了定位框的準(zhǔn)確度。在ＤＩＯＲ 數(shù)據(jù)集和ＲＳＯＤ 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，改進(jìn)后的ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)比原ＹＯＬＯｖ８ｎ 網(wǎng)絡(luò)的準(zhǔn)確率、召回率、平均精度均值分別提高了０． ５％ 和０． ４％ 、１． ２％ 和５． ３％ 、１． ５％和２． ３％ ，且計(jì)算量ＧＦＬＯＰｓ 降低了０． ３，證明了改進(jìn)算法既具有適用性又具有有效性。鑒于ＤＩＯＲ 數(shù)據(jù)集和ＲＳＯＤ 數(shù)據(jù)集主要包含白天或晴天的遙感圖像，晚上、霧天和雨天等惡劣天氣環(huán)境下的圖像很少，因此未來將在惡劣天氣下收集相關(guān)遙感圖像并加入ＤＩＯＲ 和ＲＳＯＤ 數(shù)據(jù)集中，以增強(qiáng)網(wǎng)絡(luò)在惡劣環(huán)境下的魯棒性和泛化性。

參考文獻(xiàn)

［１］ 李阿標(biāo)，郭浩，戚暢，等． 復(fù)雜背景下遙感圖像密集目標(biāo)檢測［Ｊ］． 計(jì)算機(jī)工程與應(yīng)用，２０２３，５９（８）：２４７－２５３．

［２］ 余俊宇，劉孫俊，許桃． 融合注意力機(jī)制的ＹＯＬＯｖ７ 遙感小目標(biāo)檢測算法研究［Ｊ］． 計(jì)算機(jī)工程與應(yīng)用，２０２３，５９（２０）：１６７－１７５．

［３］ 付涵，范湘濤，嚴(yán)珍珍，等． 基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測技術(shù)研究進(jìn)展［Ｊ］． 遙感技術(shù)與應(yīng)用，２０２２，３７（２）：２９０－３０５．

［４］ ＧＩＲＳＨＩＣＫ Ｒ，ＤＯＮＡＨＵＥ Ｊ，ＤＡＲＲＥＬＬ Ｔ，ｅｔ ａｌ． Ｒｉｃｈ Ｆｅａｔｕｒｅ Ｈｉｅｒａｒｃｈｉｅｓ ｆｏｒ Ａｃｃｕｒａｔｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｓｅ-ｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１４ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｃｏｌｕｍｂｕｓ：ＩＥＥＥ，２０１４：５８０－５８７．

［５］ ＧＩＲＳＨＩＣＫ Ｒ． Ｆａｓｔ ＲＣＮＮ ［Ｃ ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓａｎｔｉａｇｏ：ＩＥＥＥ，２０１５：１４４０－１４４８．

［６］ ＣＡＩ Ｚ Ｗ，ＶＡＳＣＯＮＣＥＬＯＳ Ｎ． Ｃａｓｃａｄｅ ＲＣＮＮ：Ｄｅｌｖｉｎｇｉｎｔｏ Ｈｉｇｈ Ｑｕａｌｉｔｙ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｓａｌｔ Ｌａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：６１５４－６１６２．

［７］ ＲＥＤＭＯＮ Ｊ，ＤＩＶＶＡＬＡ Ｓ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｙｏｕ ＯｎｌｙＬｏｏｋ Ｏｎｃｅ：Ｕｎｉｆｉｅｄ，Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ＣＶＰＲ ）． Ｌａｓ Ｖｅｇａｓ：ＩＥＥＥ，２０１６：７７９－７８８．

［８］ ＲＥＤＭＯＮ Ｊ，ＦＡＲＨＡＤＩ Ａ． ＹＯＬＯｖ３：Ａｎ Ｉｎｃｒｅｍｅｎｔａｌ Ｉｍｐｒｏｖｅｍｅｎｔ［ＥＢ ／ ＯＬ］． （２０１８ － ０４ － ０８）［２０２３ － ０９ － ０４］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １８０４． ０２７６７．

［９］ ＬＩ Ｃ Ｙ，ＬＩ Ｌ Ｌ，ＪＩＡＮＧ Ｈ Ｌ，ｅｔ ａｌ． ＹＯＬＯｖ６：Ａ Ｓｉｎｇｌｅｓｔａｇｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｉｎｄｕｓｔｒｉａｌ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］． （２０２２ － ０９ － ０７ ）［２０２３ － １２ － ０４ ］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０９． ０２９７６．

［１０］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：Ｓｉｎｇｌｅ ＳｈｏｔＭｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ［Ｃ］∥Ｃｏｍｐｕｔｅｒ ＶｉｓｉｏｎＥＣＣＶ ２０１６：１４ｔｈＥｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ． Ａｍｓｔｅｒｄａｍ：ＥＣＣＶ，２０１６：２１－３７．

［１１］ ＺＨＡＮＧ Ｈ Ｋ，ＣＨＡＮＧ Ｈ，ＭＡ Ｂ Ｐ，ｅｔ ａｌ． Ｃａｓｃａｄｅ Ｒｅｔｉｎａｎｅｔ：Ｍａｉｎｔａｉｎｉｎｇ Ｃｏｎｓｉｓｔｅｎｃｙ ｆｏｒ Ｓｉｎｇｌｅｓｔａｇｅ ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎ［Ｊ］． （２０１９－０７－１６）［２０２３ －０９ －０４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １９０７． ０６８８１．

［１２］ ＤＵＡＮ Ｋ Ｗ，ＢＡＩ Ｓ，ＸＩＥ Ｌ Ｘ，ｅｔ ａｌ． Ｃｅｎｔｅｒｎｅｔ：ＫｅｙｐｏｉｎｔＴｒｉｐｌｅｔｓ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｓｅｏｕｌ：ＩＥＥＥ，２０１９：６５６８－６５７７．

［１３］ ＨＯＵ Ｙ Ｊ，ＳＨＩ Ｇ，ＺＨＡＯ Ｙ Ｘ，ｅｔ ａｌ． ＲＹＯＬＯ：Ａ ＹＯＬＯｂａｓｅｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｒｂｉｔｒａｒｙｏｒｉｅｎｔｅｄ Ｔａｒｇｅｔ Ｄｅｔｅｃｔｉｏｎ ｉｎＨｉｇｈｒｅｓｏｌｕｔｉｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ ［Ｊ ］． Ｓｅｎｓｏｒｓ，２０２２，２２（１５）：５７１６．

［１４］ 張上，張?jiān)?，王恒濤，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．

［１５］ ＷＡＮ Ｄ Ｈ，ＬＵ Ｒ Ｓ，ＷＡＮＧ Ｓ Ｌ，ｅｔ ａｌ． ＹＯＬＯＨＲ：Ｉｍｐｒｏｖｅｄ ＹＯＬＯｖ５ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎ ＨｉｇｈｒｅｓｏｌｕｔｉｏｎＯｐｔｉｃａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ ［Ｊ ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０２３，１５（３）：６１４．

［１６］ 梁秀滿，賈梓涵，于海峰，等． 基于改進(jìn)ＹＯＬＯｖ７ 的無人機(jī)圖像目標(biāo)檢測算法［Ｊ ／ ＯＬ］． （２０２３ －１０ －１７）［２０２３ －１２ － ０４ ］． ｈｔｔｐ：∥ ｋｎｓ． ｃｎｋｉ． ｎｅｔ ／ ｋｃｍｓ ／ ｄｅｔａｉｌ ／ １３． １０９７．ＴＮ． ２０２３１０１３． １８０４． ０１０． ｈｔｍｌ．

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

［１８］ 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 －１２ －０４］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２３０１． １００５１．

［１９］ ＺＨＥＮＧ Ｚ Ｈ，ＷＡＮＧ Ｐ，ＲＥＮ Ｄ Ｗ，ｅｔ ａｌ． Ｅｎｈａｎｃｉｎｇ Ｇｅｏｍｅｔｒｉｃ Ｆａｃｔｏｒｓ ｉｎ Ｍｏｄｅｌ Ｌｅａｒｎｉｎｇ ａｎｄ Ｉｎｆｅｒｅｎｃｅ ｆｏｒ ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎ ａｎｄ Ｉｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ［Ｊ ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｙｂｅｒｎｅｔｉｃｓ，２０２１，５２（８）：８５７４－８５８６．

［２０］ ＬＩ Ｋ，ＷＡＮ Ｇ，ＣＨＥＮＧ Ｇ，ｅｔ ａｌ． Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎＯｐｔｉｃａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ：Ａ Ｓｕｒｖｅｙ ａｎｄ ａ ＮｅｗＢｅｎｃｈｍａｒｋ［Ｊ］． ＩＳＰＲＳ Ｊｏｕｒｎａｌ ｏｆ Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄＲｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０２０，１５９：２９６－３０７．［２１］ ＬＯＮＧ Ｙ，ＧＯＮＧ Ｙ Ｐ，ＸＩＡＯ Ｚ Ｆ，ｅｔ ａｌ． 。Ａｃｃｕｒａｔｅ ＯｂｊｅｃｔＬｏｃａｌｉｚａｔｉｏｎ ｉｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ Ｂａｓｅｄ ｏｎ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１７，５５（５）：２４８６－２４９８．

［２２］ ＬＩ Ｈ Ｌ，ＬＩ Ｊ，ＷＥＩ Ｈ Ｂ，ｅｔ ａｌ． Ｓｌｉｍｎｅｃｋ ｂｙ ＧＳＣｏｎｖ：ＡＢｅｔｔｅｒ Ｄｅｓｉｇｎ Ｐａｒａｄｉｇｍ ｏｆ Ｄｅｔｅｃｔｏｒ Ａｒｃｈｉｔｅｃｔｕｒｅｓ ｆｏｒ Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅｓ［ＥＢ ／ ＯＬＪ］． （２０２２ － ０８ － １７）［２０２３ －１２－０４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０６． ０２４２４．

作者簡介

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。

矯立浩 男，（１９９９—），碩士研究生。主要研究方向：人工智能、深度學(xué)習(xí)、目標(biāo)檢測。

（*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，講師。主要研究方向：人工智能、先進(jìn)控制技術(shù)。

基金項(xiàng)目：國家自然科學(xué)基金（６２２７３１９２）