摘 要：針對玉米雄穗檢測中速度較慢的問題，提出一種基于ＹＯＬＯｖ５ｓ 改進的輕量化快速檢測算法———ＰＳＯＳ-ＹＯＬＯｖ５ｓ。所提算法在主干網(wǎng)絡中采用輕量級ＰＰ-ＬＣＮｅｔ 替換ＣＳＰＤａｒｋｎｅｔ５３，采用２ 種不同的深度可分離卷積與注意力機制的組合來構(gòu)成基本塊，降低模型復雜度并加快檢測速度；在預測部分采用ＳｉｍＯＴＡ 標簽匹配策略替換ＹＯＬＯｖ５ｓ 中的標簽匹配策略，采用中心先驗思想獲得精準的先驗知識，提出動態(tài)ｋ 策略過濾冗余標簽，提高模型對正樣本的快速選取能力；在預測部分采用ＳＩＯＵＬｏｓｓ 替換ＧＩＯＵ Ｌｏｓｓ，引入角度損失因子來降低回歸自由度、加快收斂速度、節(jié)省訓練時間，重新定義懲罰指標，提高檢測精度。實驗結(jié)果表明，在玉米雄穗數(shù)據(jù)集中，提出的改進算法相比于ＹＯＬＯｖ５ｓ，模型參數(shù)量降低５２． ８６％ ，模型的檢測精度提升０． ６％ ，模型的檢測速度提升６５． ５％ 。改進后的算法提升效果明顯，可以滿足大規(guī)模玉米雄穗快速檢測的要求。

關(guān)鍵詞：玉米雄穗檢測；輕量化網(wǎng)絡；標簽匹配策略；損失函數(shù)；ＹＯＬＯｖ５

中圖分類號：ＴＰ１８３ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０６－１４４６－０８

０ 引言

玉米是雌雄同株的作物，可以進行自花授粉，但是自花授粉不利于優(yōu)良種子的選育，因此，保證玉米的異花授粉，對育種以及產(chǎn)量提升有重要意義［１－３］。在異花授粉過程中，需要對雄穗進行去除，傳統(tǒng)方法主要依靠人工識別去除，費時費力。現(xiàn)代農(nóng)業(yè)對大規(guī)模、高通量分析的需求使得人工無法處理此類任務。計算機視覺技術(shù)在農(nóng)作物識別方面的應用，為準確識別玉米雄穗并高效科學地指導去雄作業(yè)提供了有效的技術(shù)手段。

目前，玉米雄穗的檢測主要分為基于機器視覺檢測方法和基于深度學習的目標檢測方法。Ｌｕ 等［３］開發(fā)了基于分割和支持向量機（ＳｕｐｐｏｒｔＶｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）的名為ｍＴＡＳＳＥＬ 的系統(tǒng)來檢測玉米雄穗，并以９０． ３８％ 的準確率識別出具有穗的潛在區(qū)域。Ｙｕ 等［４］在數(shù)據(jù)集ＭｒＭＴ 上提出了一種新穎的輕量級神經(jīng)網(wǎng)絡ＴａｓｓｅｌＬＦＡＮｅｔ，可以準確有效地檢測和計數(shù)高時空圖像序列中的玉米雄穗。

近年來，基于深度學習的圖像分類、目標檢測等技術(shù)開始興起。兩階段的區(qū)域卷積神經(jīng)網(wǎng)絡（Ｒ-ＣＮＮ）系列模型［５］是目標檢測中的里程碑之一。ＲＣＮＮ 的后續(xù)改進包括Ｆａｓｔ Ｒ-ＣＮＮ［６］和ＦａｓｔｅｒＲ-ＣＮＮ［７］，通過引入共享特征提取來提高檢測速度和準確性。此外，還有備受關(guān)注的一階段模型ＳＳＤ［８］模型和ＹＯＬＯ 系列模型。ＹＯＬＯ 模型是一種實時目標檢測模型，ＹＯＬＯ［９］ 的改進版本包括ＹＯＬＯｖ２、ＹＯＬＯｖ３、ＹＯＬＯｖ４、ＹＯＬＯｖ７［１０］等，通過改進網(wǎng)絡結(jié)構(gòu)和使用更高分辨率的特征圖來提高檢測性能。Ｋｈａｋｉ 等［１１］提出了一種基于ＹＯＬＯｖ４ 的計算機視覺方法來檢測麥穗。Ｂｕｚｚｙ 等［１２］利用Ｔｉｎｙ-ＹＯＬＯｖ３ 網(wǎng)絡準確地檢測葉子的實時定位。ＹＯＬＯｖ５ 是ＹＯＬＯ 系列中成熟的算法，然而，直接應用ＹＯＬＯｖ５ 進行玉米雄穗檢測存在一些挑戰(zhàn)：由于玉米雄穗在生長過程中會產(chǎn)生遮擋和重疊現(xiàn)象，目標之間存在遮擋問題，導致檢測困難。玉米雄穗一般比較細長，在生長過程中可能會呈現(xiàn)不同的姿態(tài)和形狀，這些都會導致檢測不準確。

為此，本文針對上述問題提出了一種基于ＹＯＬＯｖ５ｓ 的玉米雄穗檢測模型———ＰＳＯＳ-ＹＯＬＯｖ５ｓ，能夠快速、準確地檢測出田中玉米雄穗的位置，而且參數(shù)量、每秒１０ 億次的浮點運算數(shù)（ＧＦＬＯＰｓ）和模型復雜度較低。

１ 材料和方法

１． １ 數(shù)據(jù)集

本研究選用的數(shù)據(jù)集為公開數(shù)據(jù)集ＭｒＭＴ［１３］，開發(fā)的一種自動化地面觀測系統(tǒng)在中國山東省泰安市、河南省鄭州市和河北省衡水市的實驗田每天９：００—１６：００ 每小時拍攝一張，包含從抽雄階段到開花階段的１２ 個獨立圖像序列。該數(shù)據(jù)集包含不同場景下的玉米雄穗圖像，如抽雄階段到開花階段的多個時間序列的圖像，以及來自不同地點的示例圖像。根據(jù)標準注釋范例，使用開源標注工具ｌａｂｅ-ｌＩｍｇ 對每個玉米雄穗手動進行框級標記，共標注了９６ ４３４ 個玉米雄穗。

１． ２ ＹＯＬＯｖ５ 目標檢測算法

ＹＯＬＯｖ５ 是Ｕｌｔｒａｌｙｔｉｃｓ 團隊于２０２０ 年６ 月提出的一種典型的單階段目標檢測算法，將檢測任務轉(zhuǎn)化為端到端的回歸問題。根據(jù)網(wǎng)絡結(jié)構(gòu)的深度和寬度，ＹＯＬＯｖ５ 分為５ 個版本：ＹＯＬＯｖ５ｎ、ＹＯＬＯｖ５ｓ、ＹＯＬＯｖ５ｍ、ＹＯＬＯｖ５ｌ 和ＹＯＬＯｖ５ｘ（ｎ＜ｓ＜ｍ＜ｌ＜ｘ），其中ｎ 模型參數(shù)量最小，ｘ 模型參數(shù)量最大。為了實時檢測和易于部署，本文選擇ＹＯＬＯｖ５ｓ 網(wǎng)絡作為基礎(chǔ)模型。ＹＯＬＯｖ５ 網(wǎng)絡結(jié)構(gòu)如圖１ 所示。

ＹＯＬＯｖ５ 的輸入組件如圖２ 所示，由３ 個模塊組成：馬賽克數(shù)據(jù)增強、自適應錨框計算和自適應圖像縮放。主干部分主要負責提取圖像不同層次的圖像特征，由ＣＢＳ、Ｃ３ 和ＳＰＰＦ 等模塊組成。ＣＢＳ 層由卷積、批量歸一化和激活函數(shù)組成。Ｃ３ 模塊包括３ 個標準卷積層和多個瓶頸。ＳＰＰＦ 使用５×５ 和１×１兩個池化核，可以增加感受野并輸入任意圖像長寬比和尺寸。在ＹＯＬＯｖ５ 主干中使用ＣＢＳ、ＳＰＰＦ 和Ｃ３ 架構(gòu)時的潛在缺點包括計算復雜性和內(nèi)存使用量增加，導致檢測速度變慢和資源需求增加。因此，為了實現(xiàn)網(wǎng)絡模型的輕量化，本文采用ＰＰ-ＬＣＮｅｔ［１４］作為主干網(wǎng)絡。

頸部特征融合網(wǎng)絡采用特征金字塔網(wǎng)絡（Ｆｅａｔｕｒｅ Ｐｙｒａｍｉｄ Ｎｅｔｗｏｒｋ，ＦＰＮ）［１５］和路徑聚合網(wǎng)絡（Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ，ＰＡＮ）［１６］的結(jié)構(gòu)。使用ＧＩＯＵ 損失（Ｌｏｓｓ）函數(shù)作為邊界框損失函數(shù)，解決邊界框不重疊的問題。對于ＧＩＯＵ Ｌｏｓｓ 函數(shù)，當２ 個邊界框相交時，水平和垂直方向的收斂速度都很慢。因此，本文選擇ＳＩＯＵ Ｌｏｓｓ 函數(shù)。

１． ３ ＰＳＯＳ-ＹＯＬＯｖ５ｓ

為了保證玉米雄穗檢測精度，同時盡量加快檢測速度，本文提出了一種輕量級網(wǎng)絡ＰＳＯＳ-ＹＯＬＯｖ５ｓ。

圖３ 展示了ＰＳＯＳ-ＹＯＬＯｖ５ｓ 的整體結(jié)構(gòu)，包括三部分：用于特征提取的主干網(wǎng)絡（ｂａｃｋｂｏｎｅ），用于特征融合的頸部（ｎｅｃｋ）以及用于位置和類別預測的預測頭（ｈｅａｄ）。為了減少模型參數(shù)量和ＧＦＬＯＰｓ，使用ＰＰ-ＬＣＮｅｔ 作為主干來提取特征。為了改善輕量級網(wǎng)絡ＰＰ-ＬＣＮｅｔ 帶來的精度損失，本研究將原來的標簽匹配策略換成了ＳｉｍＯＴＡ 標簽匹配策略并且把ＧＩＯＵＬｏｓｓ 更換為ＳＩＯＵ Ｌｏｓｓ。ＳｉｍＯＴＡ 可以將篩選樣本（ａｎｃｈｏｒ ｐｏｉｎｔ）與真實框（ｇｔ）之間的匹配更加合理，ＳＩＯＵ Ｌｏｓｓ 考慮到了向量角度在回歸中的重要性。

１． ３． １ 基于ＰＰ-ＬＣＮｅｔ 的骨干網(wǎng)絡

ＰＰ-ＬＣＮｅｔ 是百度在２０２１ 年提出的一種基于深度神經(jīng)網(wǎng)絡的數(shù)學內(nèi)核庫（ＭＫＬＤＮＮ）加速策略的輕量級中央處理器（ＣＰＵ）網(wǎng)絡，提高了輕量級模型在多個任務上的性能。圖４ 展示了ＰＰ-ＬＣＮｅｔ 的基本模塊，其中Ｈｓｗｉｓｈ 是激活函數(shù)，ＳＥ 是注意力機制。

該模型使用深度可分離卷積（ＤｅｐｔｈＳｅｐＣｏｎｖ）作為基本塊，其中不包含直連（ｓｈｏｒｔｃｕｔ），這樣就沒有拼接（ｃｏｎｃａｔ）或逐元素相加（ｅｌｅｍｅｎｔｗｉｓｅ-ａｄｄ）等操作，這些操作不僅會降低模型的推理速度，而且無法提高小模型的精度。該模型將這些塊（ｂｌｏｃｋ）堆疊成一個基礎(chǔ)網(wǎng)絡，然后結(jié)合現(xiàn)有技術(shù)得到了ＰＰ-ＬＣ-Ｎｅｔ。

本文的主干特征網(wǎng)絡不僅僅由ＰＰ-ＬＣＮｅｔ 網(wǎng)絡組成，將ＰＰ-ＬＣＮｅｔ 網(wǎng)絡全局平均池化層換為ＳＰＰＦ層，因此主干特征網(wǎng)絡由ＣＢＳ、ＤｅｐｔｈＳｅｐＣｏｎｖ 和ＳＰＰＦ 組成，激活函數(shù)的性能往往決定了網(wǎng)絡的性能，為了避免大量的指數(shù)操作，本文將ＤｅｐｔｈＳｅｐＣｏｎｖ 基礎(chǔ)網(wǎng)絡中的激活函數(shù)由ＲｅＬＵ 換成Ｈ-Ｓｗｉｓｈ，性能得到了很大的提升，而推理時間幾乎沒有增加。ＳＥ 模塊自提出以來已被大量網(wǎng)絡使用，但在英特爾ＣＰＵ上，ＳＥ 模塊會增加推理時間，因此不能在整個網(wǎng)絡中都使用。通過大量實驗發(fā)現(xiàn)將ＳＥ 模塊用于網(wǎng)絡的末端時，可以發(fā)揮更好的作用，因此本文只將ＳＥ模塊用在網(wǎng)絡尾端的ｂｌｏｃｋ 中，獲得了更好的精度－速度的平衡。同時卷積核的大小也會影響網(wǎng)絡的性能。

Ｍ ｉｘＮｅｔ［１７］中分析了不同大小的卷積核對網(wǎng)絡性能的影響，最終在網(wǎng)絡的同一層中使用不同大小的卷積核。但這種混合降低了網(wǎng)絡的推理速度，因此本文在同一層只使用一種大小的卷積核，并確保在低延遲和高精度的前提下才使用大卷積核。通過實驗發(fā)現(xiàn)，與使用ＳＥ 模塊位置一樣，只在網(wǎng)絡的尾部用５×５ 卷積替換３ ×３ 卷積獲得了和整個網(wǎng)絡都使用５×５ 卷積相近的性能，因此最終只在網(wǎng)絡尾部才使用５×５ 卷積。此外，該方法顯著降低了計算復雜度和參數(shù)數(shù)量，使其適合在硬件有限的設備上部署。

１． ３． ２ ＳｉｍＯＴＡ

本文采用ＹＯＬＯＸ［１８］提出的ＳｉｍＯＴＡ 標簽匹配策略來替換ＹＯＬＯｖ５ｓ 中的標簽匹配策略。

ＳｉｍＯＴＡ 中的中心先驗思想提供了更加精準的先驗知識，提高了標簽匹配的準確性。ＯＴＡ［１９］中通過Ｓｉｎｋｈｏｒｎ-Ｋｎｏｐｐ 算法解決最優(yōu)傳輸（ＯｐｔｉｍａｌＴｒａｎｓｐｏｒｔ，ＯＴ）問題，但會帶來２５％ 的額外訓練時間，所以將其簡化為動態(tài)ｋ 策略，稱為ＳｉｍＯＴＡ，以獲得近似解。與ＯＴＡ 相比，ＳｉｍＯＴＡ 運算速度快、訓練時間短，大大提高了模型的每秒傳輸幀數(shù)（ＦＰＳ），而且避免了額外的參數(shù)優(yōu)化，并且提升了檢測精度。ＳｉｍＯＴＡ 中心先驗圖如圖５ 所示，ｇｔ 代表真實物體的標注框，限定區(qū)域也是中心先驗區(qū)域。

在ＳｉｍＯＴＡ 中，ｇｉ 和ｐｊ 之間的成本（ｃｏｓｔ）計算如下，其中ｇｉ 是任意真實框，ｐｊ 是任意預測框：

ｃｉｊ ＝ Ｌｃｌｓｉｊ ＋ λＬｒｅｇｉｊ ， （１）

式中：λ 為平衡系數(shù)，本文?。?；Ｌｃｌｓｉｊ 和Ｌｒｅｇｉｊ 為ｇｉ 和ｐｊ之間的分類損失和回歸損失。對于一張圖上的所有ａｎｃｈｏｒ ｐｏｉｎｔ 來說，整個匹配策略的代價是所有特征點與每一個ｇｔ 所產(chǎn)生的分類損失與回歸損失之和。

ＳｉｍＯＴＡ 會篩選出優(yōu)質(zhì)的正樣本來匹配ｇｔ，從而減少這個匹配過程所產(chǎn)生的ｃｏｓｔ，首先ＳｉｍＯＴＡ 進行預篩選，ｇｔ 的中心區(qū)域更有可能篩選出優(yōu)質(zhì)的正樣本使得邊界回歸損失與分類損失較小，也就是匹配策略中的ｃｏｓｔ 較小。進行預篩選之后，ｃｏｓｔ 會有顯著的下降，從而可以在這個限定區(qū)域內(nèi)進行進一步的篩選，從而獲得最后的ａｎｃｈｏｒ ｐｏｉｎｔ。分別對限定區(qū)域中每一個ａｎｃｈｏｒ ｐｏｉｎｔ 計算其相對于每一個ｇｔ的分類損失（ｃｌｓ Ｌｏｓｓ）、邊界框損失（ｒｅｇ Ｌｏｓｓ）。從而根據(jù)分ｃｌｓ＿Ｌｏｓｓ、ｒｅｇ＿Ｌｏｓｓ 獲?。悖铮螅?矩陣以及交并比（Ｉｎｔｅｒｓｅｃｔｉｏｎ Ｏｖｅｒ Ｕｎｉｏｎ，ＩＯＵ）矩陣，每一個ｇｔ 匹配到的ａｎｃｈｏｒ ｐｏｉｎｔ 數(shù)量記為ｓ，將這個數(shù)與１０ 對比，取其中的最小值，然后根據(jù)ＩＯＵ 來取前ｓ 個或者１０ 個ａｎｃｈｏｒ ｐｏｉｎｔ。將所有與當前ｇｔ 匹配的正樣本求ＩＯＵ 后進行求和并向下取整，得到的數(shù)即為動態(tài)ｋ。得到動態(tài)ｋ 后，選擇ｃｏｓｔ 較小的前動態(tài)ｋ 個樣本作為當前匹配。如果同一正樣本被分配到不同的ｇｔ真值，則選擇ｃｏｓｔ 值較小的ｇｔ 真值負責預測。

此時得到所有的正樣本以及正樣本對應的ｇｔ，那么剩下的ａｎｃｈｏｒ ｐｏｉｎｔ 全部歸為負樣本。對篩選預測框進行Ｌｏｓｓ 計算，要注意這里的ｒｅｇ Ｌｏｓｓ 和ｃｌｓＬｏｓｓ 只針對目標框和篩選出的正樣本預測框進行計算，而ｏｂｊ Ｌｏｓｓ 還是針對所有的ａｎｃｈｏｒ ｐｏｉｎｔ（包含所有的正樣本與負樣本），損失函數(shù)如下：

式中：Ｌｃｌｓ 表示分類損失，Ｌｒｅｇ 表示邊界框損失，Ｌｏｂｊ 表示置信度損失，β 表示定位損失的平衡系數(shù)，本文設置為５． ０；Ｎｐｏｓ 表示被分為正樣本的ａｎｃｈｏｒ ｐｏｉｎｔ 數(shù)。

采用ＳｉｍＯＴＡ 來進行標簽匹配可以將限定區(qū)域內(nèi)每一個ａｎｃｈｏｒ ｐｏｉｎｔ 匹配到最合適的ｇｔ，大大提高了檢測的速度和精度。

１． ３． ３ ＳＩＯＵ 損失函數(shù)

ＹＯＬＯｖ５ 中的損失函數(shù)包括三部分：分類損失、邊界框損失和置信度損失。分類損失用來計算錨框與對應的標定分類是否正確，邊界框損失用來計算預測框與標定框之間的誤差，置信度損失用來計算網(wǎng)絡的置信度。其中邊界框損失用ＧＩＯＵ Ｌｏｓｓ［２０］來計算。

ＧＩＯＵ Ｌｏｓｓ 函數(shù)在ＩＯＵ 的基礎(chǔ)上引入了預測框和真實框的最小外接矩形。假設ｂｇｔ 為真實框，ｂ 為預測的邊界框，Ｃ 為Ａ 和Ｂ 的最小外接矩形，則ＧＩＯＵ Ｌｏｓｓ 計算公式如下：

ＧＩＯＵ ＝ ＩＯＵ －（ Ｃ － （ｂ ∪ｇｔ）／Ｃ ）， （３）

ＬＧＩＯＵ ＝ １ － ＧＩＯＵ。（４）

當預測框和真實框完全重合時（預測框在真實框的內(nèi)部），如圖６ 所示，ＩＯＵ 和ＧＩＯＵ 的損失值都一樣，此時ＧＩＯＵ 退化為ＩＯＵ，ＧＩＯＵ ＝ ＩＯＵ，最終還是無法區(qū)分預測框和真實框的位置關(guān)系，導致此時的邊界框回歸收斂很慢，檢測結(jié)果失準。

為了解決上述問題，本文使用ＳＩＯＵ Ｌｏｓｓ［２１］代替ＧＩＯＵ Ｌｏｓｓ。ＳＩＯＵ 函數(shù)引入了真實框和預測框之間的向量角度，重新定義了相關(guān)損失函數(shù)，加快了網(wǎng)絡收斂的速度，提升了回歸精度。ＳＩＯＵ 損失函數(shù)具體包含四部分：角度損失（Ａｎｇｌｅ ｃｏｓｔ）、距離損失（Ｄｉｓｔａｎｃｅ ｃｏｓｔ）、形狀損失（Ｓｈａｐｅ ｃｏｓｔ）和ＩＯＵ 損失（ＩＯＵ ｃｏｓｔ）。

角度損失定義為：

最后，ＳＩＯＵ Ｌｏｓｓ 函數(shù)定義為：

ＬＳＩＯＵ ＝ １ － ＩＯＵ ＋（ Δ ＋ Ω／２） 。（９）

ＳＩＯＵ Ｌｏｓｓ 考慮到了所需回歸之間的向量角度，引入角度損失因子來降低回歸自由度，加快了收斂速度，而且重新定義了懲罰指標，提高了訓練的速度和推理的準確性。

２ 實驗和結(jié)果

２． １ 實施細節(jié)

主要實驗參數(shù)如下：本研究的訓練數(shù)據(jù)集由從公開的ＭｒＭＴ 數(shù)據(jù)集中隨機選擇的１ １２０ 張圖像組成。驗證集和測試集分別為４８０ 張和３６８ 張。所有實驗均在使用ＰｙＴｏｒｃｈ １． １０ 和ＣＵＤＡ １１． ３ 實現(xiàn)的深度學習框架上進行，并在４ 張具有４０ ＧＢ 顯存的ＮＶＩＤＩＡ Ａ１００ ＧＰＵ 上執(zhí)行。

為了反映模型的真實水平，本研究沒有選擇使用遷移學習。鑒于數(shù)據(jù)集中圖像的高分辨率，將大小調(diào)整為６４０ ｐｉｘｅｌ×６４０ ｐｉｘｅｌ。使用單周期學習率調(diào)度的方法從０． ０１ 開始調(diào)度學習率。訓練使用動量為０． ９３７ 的隨機梯度下降（Ｓｔｏｃｈａｓｔｉｃ Ｇｒａｄｉｅｎｔ Ｄｅｓｃｅｎｔ，ＳＧＤ）優(yōu)化器進行，ｂａｔｃｈ ｓｉｚｅ 設為１２８，持續(xù)３００ 個ｅｐｏｃｈ。

２． ２ 與其他目標檢測模型的對比

２． ２． １ 評價指標

在本研究中，改進的ＹＯＬＯｖ５ｓ 模型與其他模型相比的評價指標主要基于ＦＰＳ、精度（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、召回率（Ｒｅｃａｌｌ，Ｒ）和平均精度均值（ｍｅａｎ ＡｖｅｒａｇｅＰｒｅｃｉｓｉｏｎ，ｍＡＰ）。ＴＰ、ＦＰ 和ＦＮ 分別是被模型預測為正類的正樣本數(shù)、被模型預測為正類的負樣本數(shù)和被模型預測為負類的正樣本數(shù)。此外，本研究還綜合考慮了模型參數(shù)、ＧＦＬＯＰｓ 以及權(quán)重大小。因為數(shù)據(jù)中只有一個類別（玉米雄穗），所以ｎ 為１。ｍＡＰ＠ ０． ５ 表示ＩＯＵ 閾值為０． ５ 時的平均ｍＡＰ。ｍＡＰ ＠ ０． ５：０． ９５ 表示不同ＩＯＵ 閾值下ｍＡＰ 的平均值（從０． ５ 到０． ９５，步長為０． ０５）。各個評價指標的計算公式如下：

２． ２． ２ 消融實驗

利用消融實驗來評估網(wǎng)絡結(jié)構(gòu)變化的影響。進行了４ 組消融實驗，結(jié)果如表１ 所示。在消融實驗中，本文將ＰＰ-ＬＣＮｅｔ 骨干網(wǎng)絡縮寫為ＰＰ，將ＳｉｍＯＴＡ 縮寫為ＳＯ，將ＳＩＯＵ Ｌｏｓｓ 函數(shù)縮寫為Ｓ，其中△ 代表替換相應的模塊。從表１ 可以看出，與ＹＯＬＯｖ５ｓ 相比，ＰＰ-ＹＯＬＯｖ５ｓ 的參數(shù)量、權(quán)重大小和ＧＦＬＯＰｓ 分別降低了５２． ８６％ 、５１． ６４％ 和６１． ４０％ ，ＦＰＳ 提高了４０． ５９％ ，以上提升表明了以ＰＰ-ＬＣＮｅｔ為主干網(wǎng)絡提取特征實現(xiàn)了網(wǎng)絡的輕量化，提高了網(wǎng)絡檢測速度。與ＰＰ-ＹＯＬＯｖ５ｓ 相比而言，ＰＰＳＯ-ＹＯＬＯｖ５ｓ 的ｍＡＰ 提高了０． ４％ ，ＦＰＳ 提升了１８． ７，表明了本文采用的ＳｉｍＯＴＡ 標簽分配策略不僅提升了模型的檢測精度，還提升了一定的檢測速度。與ＰＰＳＯ-ＹＯＬＯｖ５ｓ 比較，ＰＰＳＯＳ-ＹＯＬＯｖ５ｓ 的ｍＡＰ 提升了０． ９％ ，ＦＰＳ 也有一定的提升，這也證實了ＳＩＯＵＬｏｓｓ 函數(shù)可以有效地提高檢測精度和速度。綜上所述，與原始ＹＯＬＯｖ５ｓ 模型相比，ＰＰＳＯＳ-ＹＯＬＯｖ５ｓ 的參數(shù)量、模型權(quán)重和ＧＦＬＯＰｓ 分別降低了５２． ８６％ 、５１． ５７％ 和６１． ４０％ ，而ｍＡＰ 提升了０． ６％ ，ＦＰＳ 提升了６５． ５％ 。上述分析表明本文提出的改進模型具有較理想的檢測精度和速度。

圖７ 是ＩＯＵ 閾值為０． ５ 時的ＰＲ 曲線圖。藍色曲線與橫縱坐標之間的面積表示該類別的平均精度（Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ＡＰ），面積越大，檢測效果越好。可以看出，玉米雄穗的ＡＰ 值為９７． ２％ ，本文提出的模型能夠準確地檢測出玉米田中的雄穗。

２． ２． ３ 實驗結(jié)果對比

為了與基于ＰＰ-ＬＣＮｅｔ 的主干進行比較，本研究在網(wǎng)絡其余部分保持不變的基礎(chǔ)上用一些輕量級網(wǎng)絡，例如ＭｏｂｉｌｅＮｅｔｖ３［２２］、ＧｈｓｏｔＮｅｔ［２３］和Ｅｆｆｉｃｉｅｎｔ-Ｎｅｔ［２４］替換掉原來ＹＯＬＯｖ５ｓ 的主干。實驗結(jié)果如表２ 所示，與其他的輕量網(wǎng)絡相比，在保證精度的基礎(chǔ)上，ＰＰ-ＬＣＮｅｔ 顯著地降低了參數(shù)量和模型的復雜程度。與此同時，模型的檢測速度提升較為理想。

為了驗證將ＳＩＯＵ Ｌｏｓｓ 函數(shù)替換掉ＧＩＯＵ Ｌｏｓｓ 的有效性，本文將ＳＩＯＵ Ｌｏｓｓ 函數(shù)應用于ＰＳＯ-ＹＯＬＯｖ５ｓ模型中，并與ＣＩＯＵ、ＥＩＯＵ、ＷＩＯＵ 和ＧＩＯＵ 損失函數(shù)進行比較。如表３ 所示，ＳＩＯＵ Ｌｏｓｓ 達到了最大的ｍＡＰ 和最快的檢測速度，驗證了改進的有效性。

為了探究提出的ＰＳＯＳ-ＹＯＬＯｖ５ｓ 模型在玉米雄穗數(shù)據(jù)集上的檢測精度、參數(shù)量、ＦＰＳ 以及權(quán)重大?。?個評價指標，本文將其與ＹＯＬＯｖ３、ＹＯＬＯｖ７-ｔｉｎｙ、ＴａｓｓｅｌＬＦＡＮｅｔ 以及ＹＯＬＯｖ５ｓ 四種模型進行比較。通過表４ 可以看出，除ＴａｓｓｅｌＬＦＡＮｅｔ 以外，本文提出的改進模型的評價指標表現(xiàn)最佳，雖然ＴａｓｓｅｌＬＦＡＮｅｔ 參數(shù)量和權(quán)重大小比本文提出的模型要小，但是本文改進模型在檢測精度和ＦＰＳ 上表現(xiàn)更佳。本文提出的改進模型權(quán)重大小為６． ６５ ＭＢ，參數(shù)數(shù)量僅為３． ３ Ｍ，但是ｍＡＰ＠ ０． ５ 達到了９７． ２％ ，ＦＰＳ 高達１２８． ５。

ＰＳＯＳ-ＹＯＬＯｖ５ｓ 與其他４ 個模型的ｍＡＰ ＠ ０． ５對比曲線如圖８ 所示，可以看出本文改進網(wǎng)絡由于采用了ＳＩＯＵ Ｌｏｓｓ 損失函數(shù)和ＳｉｍＯＴＡ 的標簽匹配策略，收斂速度大大加快，雖然用更輕量化的網(wǎng)絡替換了主干網(wǎng)絡，但ｍＡＰ 值依然有提升。

圖９ 展示了５ 個模型的玉米穗檢測結(jié)果?？梢钥闯觯疚奶岢龅模校樱希?ＹＯＬＯｖ５ｓ 模型，玉米雄穗檢測的置信度分別為０． ９８ 和０． ９７，明顯高于其余４ 個模型，充分展現(xiàn)了模型的優(yōu)異檢測性能。

３ 結(jié)束語

本文提出了一種基于ＹＯＬＯｖ５ｓ 改進的輕量化網(wǎng)絡模型———ＰＳＯＳ-ＹＯＬＯｖ５ｓ，在保證檢測精度的基礎(chǔ)上，可以顯著提升檢測速度。該模型利用輕量級網(wǎng)絡ＰＰ-ＬＣＮｅｔ 結(jié)構(gòu)作為提取特征的骨干網(wǎng)絡，明顯降低了模型的參數(shù)量和復雜度。為了彌補輕量化主干造成的檢測精度下降，在檢測頭部分將標簽匹配策略換為ＳｉｍＯＴＡ 標簽匹配策略，并且將邊界框回歸損失函數(shù)更換為更快、更準確的ＳＩＯＵ Ｌｏｓｓ。根據(jù)消融和對比實驗得出的結(jié)果，本文提出的模型在玉米雄穗數(shù)據(jù)集上實現(xiàn)了ＦＰＳ 高達１２８． ５，提升了６５． ５％ 。參數(shù)量、模型權(quán)重和ＧＦＬＯＰｓ 分別降低了５２． ８６％ 、５１． ５７％ 和６１． ４０％ ，而ｍＡＰ 提升了０． ６％ 。為以后大規(guī)模玉米雄穗快速檢測的實現(xiàn)提供了新的實用方法。

參考文獻

［１］ ＧＡＧＥ Ｊ Ｌ，ＭＩＬＬＥＲ Ｎ Ｄ，ＳＰＡＬＤＩＮＧ Ｅ Ｐ，ｅｔ ａｌ． ＴＩＰＳ：ＡＳｙｓｔｅｍ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｉｍａｇｅｂａｓｅｄ Ｐｈｅｎｏｔｙｐｉｎｇ ｏｆ ＭａｉｚｅＴａｓｓｅｌｓ ［Ｊ］． Ｐｌａｎｔ Ｍｅｔｈｏｄｓ，２０１７，１３：２１．

［２］ ＨＵＡＮＧ Ｊ Ｘ，Ｇ？ＭＥＺＤＡＮＳ Ｊ Ｌ，ＨＵＡＮＧ Ｈ，ｅｔ ａｌ． Ａｓｓｉｍｉｌａｔｉｏｎ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｉｎｔｏ Ｃｒｏｐ Ｇｒｏｗｔｈ Ｍｏｄｅｌｓ：Ｃｕｒｒｅｎｔ Ｓｔａｔｕｓ ａｎｄ Ｐｅｒｓｐｅｃｔｉｖｅｓ ［Ｊ］． Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄＦｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ，２０１９，２７６－２７７：１０７６０９．

［３］ ＬＵ Ｈ，ＣＡＯ Ｚ Ｇ，ＸＩＡＯ Ｙ，ｅｔ ａｌ． Ｆｉｎｅｇｒａｉｎｅｄ ＭａｉｚｅＴａｓｓｅｌ Ｔｒａｉｔ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｗｉｔｈ Ｍｕｌｔｉｖｉｅｗ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ［Ｊ ］． Ｃｏｍｐｕｔｅｒｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ ｉｎ Ａｇｒｉｃｕｌｔｕｒｅ，２０１５，１１８：１４３－１５８．

［４］ ＹＵ Ｚ Ｈ，ＹＥ Ｊ Ｘ，ＬＩ Ｃ Ｎ，ｅｔ ａｌ． ＴａｓｓｅｌＬＦＡＮｅｔ：Ａ ＮｏｖｅｌＬｉｇｈｔｗｅｉｇｈｔ Ｍｕｌｔｉｂｒａｎｃｈ Ｆｅａｔｕｒｅ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｆｏｒ Ｈｉｇｈｔｈｒｏｕｇｈｐｕｔ Ｉｍａｇｅｂａｓｅｄ Ｍａｉｚｅ Ｔａｓｓｅｌｓ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｃｏｕｎｔｉｎｇ ［Ｊ］． Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｐｌａｎｔ Ｓｃｉｅｎｃｅ，２０２３，１４：１１５８９４０．

［５］ 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． Ｃｏｌｕｍｂｕｓ：ＩＥＥＥ，２０１４：５８０－５８７．

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

［７］ 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 ＆Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，３９（６）：１１３７－１１４９．

［８］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：ＳｉｎｇｌｅＳｈｏｔ Ｍｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ ［Ｃ］∥ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＣｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．

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

［１０］ ＷＡＮＧ Ｃ Ｙ，ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＭＡＲＫ Ｈ Ｙ． ＹＯＬＯｖ７：Ｔｒａｉｎａｂｌｅ Ｂａｇｏｆｆｒｅｅｂｉｅｓ Ｓｅｔｓ Ｎｅｗ Ｓｔａｔｅｏｆｔｈｅａｒｔ ｆｏｒＲｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｏｒｓ ［Ｃ ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｖａｎｃｏｕｖｅｒ：ＩＥＥＥ，２０２３：７４６４－７４７５．

［１１］ ＫＨＡＫＩ Ｓ，ＳＡＦＡＥＩ Ｎ，ＰＨＡＭ Ｈ，ｅｔ ａｌ． ＷｈｅａｔＮｅｔ：ＡＬｉｇｈｔｗｅｉｇｈｔ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｆｏｒ Ｈｉｇｈｔｈｒｏｕｇｈｐｕｔ Ｉｍａｇｅｂａｓｅｄ Ｗｈｅａｔ Ｈｅａｄ Ｄｅｔｅｃｔｉｏｎ ａｎｄＣｏｕｎｔｉｎｇ ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０２２，４８９：７８－８９．

［１２］ ＢＵＺＺＹ Ｍ，ＴＨＥＳＭＡ Ｖ，ＤＡＶＯＯＤＩ Ｍ，ｅｔ ａｌ． ＲｅａｌｔｉｍｅＰｌａｎｔ Ｌｅａｆ Ｃｏｕｎｔｉｎｇ Ｕｓｉｎｇ Ｄｅｅｐ Ｏｂｊｅｃｔ ＤｅｔｅｃｔｉｏｎＮｅｔｗｏｒｋｓ［Ｊ］． Ｓｅｎｓｏｒｓ，２０２０，２０（２３）：６８９６．

［１３］ ＹＵ Ｚ Ｈ，ＣＡＯ Ｚ Ｇ，ＷＵ Ｘ，ｅｔ ａｌ． Ａｕｔｏｍａｔｉｃ ＩｍａｇｅｂａｓｅｄＤｅｔｅｃｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ｔｗｏ Ｃｒｉｔｉｃａｌ Ｇｒｏｗｔｈ Ｓｔａｇｅｓ ｏｆＭａｉｚｅ：Ｅｍｅｒｇｅｎｃｅ ａｎｄ Ｔｈｒｅｅｌｅａｆ Ｓｔａｇｅ ［Ｊ］． Ａｇｒｉｃｕｌｔｕｒａｌａｎｄ Ｆｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ，２０１３，１７４－１７５：６５－８４．

［１４］ ＣＵＩ Ｃ，ＧＡＯ Ｔ Ｑ，ＷＥＩ Ｓ Ｙ，ｅｔ ａｌ． ＰＰＬＣＮｅｔ：ＡＬｉｇｈｔｗｅｉｇｈｔ ＣＰＵ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ［ＥＢ ／ＯＬ］． （２０２１ － ０９ － １７）［２０２３ － ０８ － １２］． ｈｔｔｐｓ：∥ ａｒｘｉｖ．ｏｒｇ ／ ａｂｓ ／ ２１０９． １５０９９．

［１５］ ＬＩＮ Ｔ Ｙ，ＤＯＬＬ？Ｒ Ｐ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． ＦｅａｔｕｒｅＰｙｒａｍｉｄ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｈｏｎｏｌｕｌｕ：ＩＥＥＥ，２０１７：９３６－９４４．

［１６］ ＬＩＵ Ｓ，ＱＩ Ｌ，ＱＩＮ Ｈ Ｆ，ｅｔ ａｌ． Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ ｆｏｒＩｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｓａｌｔ Ｌａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：８７５９－８７６８．

［１７］ ＴＡＮ Ｍ， ＬＥ Ｑ Ｖ． ＭｉｘＣｏｎｖ： Ｍｉｘｅｄ ＤｅｐｔｈｗｉｓｅＣｏｎｖｏｌｕｔｉｏｎａｌ Ｋｅｒｎｅｌｓ ［ＥＢ ／ ＯＬ］． （２０１９－０７－２２）［２０２３－０８－１２］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １９０７． ０９５９５．

［１８］ ＧＥ Ｚ，ＬＩＵ Ｓ Ｔ，ＷＡＮＧ Ｆ，ｅｔ ａｌ． ＹＯＬＯＸ：ＥｘｃｅｅｄｉｎｇＹＯＬＯ Ｓｅｒｉｅｓ ｉｎ ２０２１ ［ＥＢ ／ ＯＬ］． （２０２１－０７－１８）［２０２３－０８－１２］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２１０７． ０８４３０．

［１９］ ＧＥ Ｚ，ＬＩＵ Ｓ Ｔ，ＬＩ Ｚ Ｍ，ｅｔ ａｌ． ＯＴＡ：Ｏｐｔｉｍａｌ Ｔｒａｎｓｐｏｒｔ Ａｓｓｉｇｎｍｅｎｔ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｎａｓｈｖｉｌｌｅ：ＩＥＥＥ，２０２１：３０３－３１２．

［２０］ ＲＥＺＡＴＯＦＩＧＨＩ Ｈ，ＴＳＯＩ Ｎ，ＧＷＡＫ Ｊ，ｅｔ ａｌ． ＧｅｎｅｒａｌｉｚｅｄＩｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ：Ａ Ｍｅｔｒｉｃ ａｎｄ ａ Ｌｏｓｓ ｆｏｒ ＢｏｕｎｄｉｎｇＢｏｘ Ｒｅｇｒｅｓｓｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． ＬｏｎｇＢｅａｃｈ：ＩＥＥＥ，２０１９：６５８－６６６．

［２１］ ＧＥＶＯＲＧＹＡＮ Ｚ． ＳＩｏＵ Ｌｏｓｓ：Ｍｏｒｅ Ｐｏｗｅｒｆｕｌ Ｌｅａｒｎｉｎｇ ｆｏｒＢｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ ［ＥＢ ／ ＯＬ］． （２０２２ － ０８ － ２５ ）［２０２３－０９－０１］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０５． １２７４０．

［２２］ ＨＯＷＡＲＤ Ａ，ＳＡＮＤＬＥＲ Ｍ，ＣＨＥＮ Ｂ，ｅｔ ａｌ． Ｓｅａｒｃｈｉｎｇ ｆｏｒＭｏｂｉｌｅＮｅｔＶ３［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓｅｏｕｌ：ＩＥＥＥ，２０１９：１３１４－１３２４．

［２３］ ＨＡＮ Ｋ，ＷＡＮＧ Ｙ Ｈ，ＴＩＡＮ Ｑ，ｅｔ ａｌ． ＧｈｏｓｔＮｅｔ：Ｍｏｒｅ Ｆｅａｔｕｒｅｓ ｆｒｏｍ Ｃｈｅａｐ Ｏｐｅｒａｔｉｏｎｓ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１５７７－１５８６．

［２４］ ＴＡＮ Ｍ Ｘ，ＰＡＮＧ Ｒ Ｍ，ＬＥ Ｑ Ｖ． ＥｆｆｉｃｉｅｎｔＤｅｔ：Ｓｃａｌａｂｌｅａｎｄ Ｅｆｆｉｃｉｅｎｔ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１０７７８－１０７８７．

作者簡介

胡 陣 男，（１９９９—），碩士研究生。主要研究方向：目標檢測、多源遙感數(shù)據(jù)融合。

馬宗軍 男，（１９９７—），碩士研究生。主要研究方向：控制工程。

黃傳寶 男，（１９９８—），碩士研究生。主要研究方向：計算機視覺、語音情感識別。

趙景波 男，（１９７１—），博士，教授。主要研究方向：機器人工程、計算機控制。

唐勇偉 男，（１９９１—），博士研究生，助理研究員。主要研究方向：工業(yè)物聯(lián)網(wǎng)、智能感知和控制等。

（*通信作者）郝鳳琦 男，（１９７９—），碩士，副研究員。主要研究方向：網(wǎng)絡協(xié)議、人工智能和嵌入式系統(tǒng)等。

基金項目：山東省科技型中小企業(yè)創(chuàng)新能力提升工程項目（２０２３ＴＳＧＣ０１１１，２０２３ＴＳＧＣ０５８７）；青島市民生計劃（２２-３-７-ｘｄｎｙ-１８-ｎｓｈ）；山東省重點研發(fā)計劃（軟科學項目）（２０２３ＲＺＡ０２０１７）；山東省重大科技創(chuàng)新工程項目（２０１９ＪＺＺＹ０２０６０３）