劉克，潘廣煜，鄭大國，顧佼佼，孟春英

（1. 海軍航空大學(xué)，山東 煙臺(tái) 264001；2. 中國人民解放軍92318 部隊(duì)，北京 100000；3. 中國航天科工集團(tuán)有限公司 第二研究院，北京 100854）

0 引言

在航空偵察取證場景中，雙方之間是會(huì)存在靠近與遠(yuǎn)離的過程，取證時(shí)需盡量獲取對方機(jī)型、編號、掛載裝備等信息，以開展事后分析或輿論管控等［1-2］。

為減少航空取證操作負(fù)擔(dān)，提高偵察取證設(shè)備智能化水平，提出采用深度學(xué)習(xí)技術(shù)開展偵察取證目標(biāo)的自動(dòng)檢測。主要基于RetinaNet 與SE 模塊融合進(jìn)行航空取證目標(biāo)檢測，可以解決目標(biāo)尺寸變化幅 度 大［3］、樣 本 不 均 衡［4］的 問 題。另 外，Squeezeexcitation（SE）模塊引入的通道注意力機(jī)制加強(qiáng)通道特征針對性［5-6］，在可控計(jì)算量前提下進(jìn)一步提高檢測模型的表征能力。

目標(biāo)檢測中存在多種不平衡現(xiàn)象，文獻(xiàn)［4］對目標(biāo)檢測中的不均衡問題進(jìn)行了分析與綜述，將之分為四類：類別不平衡、尺度不平衡、空間不平衡、多任務(wù)損失優(yōu)化之間的不平衡。對于本文來說，類別不平衡是最為突出的問題，主要由樣本數(shù)量上的差別引起。即訓(xùn)練使用的正例數(shù)量遠(yuǎn)遠(yuǎn)小于負(fù)例數(shù)量，影響最終的檢測精度，現(xiàn)有的許多研究可以歸結(jié)為解決這些不平衡的方法。

可將現(xiàn)有目標(biāo)檢測算法粗分為二階段與一階段算法：二階段算法典型代表是基于Region Proposal 的R-CNN（region-convoluntional neural network）系列算法（R-CNN，F(xiàn)ast R-CNN，F(xiàn)aster R-CNN［7］）；一階段算法 典 型 代 表 是RetinaNet［8］，YOLO（you only look once）系列［9］，SSD（single shot multibox detector）［10］等。

在航空取證場景中，視景內(nèi)的目標(biāo)數(shù)量一般較少，F(xiàn)aster R-CNN 等二階段模型中，第1 階段的RPN（region proposal network）可以過濾掉很大一部分負(fù)樣本，第2 階段的檢測模塊只需處理少量的候選框，而且檢測模塊還采用正負(fù)樣本固定比例抽樣（比如1∶3）或者OHEM 方法［11］進(jìn)一步解決正負(fù)樣本不平衡問題。

單階段目標(biāo)檢測方法中，檢測部分要直接處理大量的候選位置，其中負(fù)樣本占據(jù)絕大部分，SSD 的策略是從大量的負(fù)樣本中選出損失最大的前k個(gè)負(fù)樣本以保證正負(fù)樣本比例為1：3。RPN 本質(zhì)上也是單階段檢測模型，訓(xùn)練時(shí)采取的策略也是抽樣，從一張圖像中抽取固定數(shù)量的樣本，正負(fù)樣本分開來隨機(jī)抽樣N/2，如果正樣本不足就用負(fù)樣本填充。

RetinaNet 與YOLO 和SSD 是單階段目標(biāo)檢測模型，主要特點(diǎn)是采用特征金字塔網(wǎng)絡(luò)FPN（feature pyramid networks）應(yīng)對目標(biāo)多尺度變化問題，以及采用Focal Loss 有效應(yīng)對正負(fù)樣本不均衡的問題。

SE［12］模塊是一個(gè)子結(jié)構(gòu)，引入通道注意力機(jī)制重新校準(zhǔn)特征圖，學(xué)習(xí)每個(gè)特征通道的作用程度，讓網(wǎng)絡(luò)利用全局信息有選擇地增強(qiáng)有用特征通道并抑制對當(dāng)前任務(wù)作用不大的特征通道，使得有效特征圖權(quán)重大，無效或效用小的特征圖權(quán)重小，訓(xùn)練模型達(dá)到更好的結(jié)果。

經(jīng)實(shí)驗(yàn)驗(yàn)證，在綜合考慮準(zhǔn)確率與計(jì)算復(fù)雜度前提下，采用RetinaNet+SE 改進(jìn)方式進(jìn)一步提高了檢測準(zhǔn)確率，輔以目標(biāo)跟蹤可有效減少設(shè)備操控對飛行員操作帶來的壓力。

1 基礎(chǔ)理論

1.1 RetinaNet 目標(biāo)檢測模型

RetinaNet 目標(biāo)檢測模型主要特點(diǎn)是具有特征金字塔網(wǎng)絡(luò)FPN，F(xiàn)ocal Loss 處理，以及基于Anchor的檢測機(jī)制。

（1）特征金字塔網(wǎng)絡(luò)FPN

目標(biāo)檢測領(lǐng)域普遍存在目標(biāo)尺度變化大的難題，本場景如圖1 所示，雙方距離較近時(shí)，對方軍機(jī)在取證設(shè)備中占據(jù)較大視野，在雙方距離較遠(yuǎn)時(shí)目標(biāo)飛機(jī)可能只占據(jù)少數(shù)像素。

圖1 目標(biāo)尺度(大與小)變化示意圖Fig.1 Schematic diagram of the change of target scale(large and small)

解決方式是生成多尺度特征，SSD，MSCNN（multi?scale convolutional neural network）［13］利 用 不同層的特征圖進(jìn)行不同尺寸的目標(biāo)預(yù)測，二階段目標(biāo)檢測模型中基于候選框的方法也參考這個(gè)思路在不同深度的特征層上預(yù)測不同尺寸的目標(biāo)。大尺寸的物體檢測效果已比較理想，小目標(biāo)在較低卷積層可見性強(qiáng)，但較低卷積層語義信息較弱，對后續(xù)的分類性能弱，導(dǎo)致小目標(biāo)檢測性能較差。

由于CNN（convolutional neural network）通過前向傳播自然形成一個(gè)多尺度、多層級的特征金字塔結(jié)構(gòu)，具有從低到高級的語義。FPN［14］改進(jìn)CNN 特征提取如圖2 所示，構(gòu)建橫向連接結(jié)構(gòu)，在所有尺度充實(shí)特征圖的語義信息：把高層的特征傳下來，用高層語義補(bǔ)充低層的語義特征，把低分辨率、高語義信息的高層特征和高分辨率、低語義信息的低層特征進(jìn)行特征融合，使得所有尺度下都獲得高分辨率、強(qiáng)語義的特征，然后在不同特征層進(jìn)行檢測。既兼顧不同尺寸物體，又控制了計(jì)算量。

圖2 FPN 示意圖Fig.2 FPN schematic diagram

FPN 機(jī)制大幅提升了小像素目標(biāo)檢測的效果，在檢測具有多種尺度的目標(biāo)時(shí)效果明顯。

（2）Focal Loss

常用的損失函數(shù)如交叉熵在訓(xùn)練目標(biāo)檢測模型時(shí)存在問題，如果定義置信度值pt> 0.5 為容易樣本，容易樣本的損失值依然不低，而且這部分樣本占很大比例，將淹沒難樣本的損失。

Focal Loss 引入調(diào)制因子(1 -pt)γ與類別權(quán)重系數(shù)α 構(gòu)建損失函數(shù)為

式中：超參數(shù)γ表示更多關(guān)注難樣本的程度，用于調(diào)整簡單樣本的加權(quán)速率，當(dāng)γ增加時(shí)，調(diào)制因子的影響同樣增加；α，1 -α為正例、負(fù)例的權(quán)重系數(shù)。被錯(cuò)分類的樣本pt一般很小，調(diào)制因子接近1；已經(jīng)能正確分類的簡單樣例的pt趨近于1，此時(shí)調(diào)節(jié)因子接近0，該部分損失的權(quán)重大大降低，其可視化如圖3所示。

圖3 調(diào)制因子示意圖Fig.3 Modulation factor diagram

Focal Loss 可根據(jù)置信度動(dòng)態(tài)調(diào)整交叉熵?fù)p失來解決樣本不平衡問題。當(dāng)預(yù)測正確的置信度增加時(shí)，loss 的權(quán)重系數(shù)會(huì)衰減至接近0，大量容易樣本的損失貢獻(xiàn)很低，損失集中在難樣本上，模型訓(xùn)練損失更關(guān)注難例，從而提高預(yù)測精度。

1.2 SE 模塊

SE 模塊引入一種通道注意力機(jī)制重新校準(zhǔn)特征圖，顯示地建模特征通道之間相關(guān)性，學(xué)習(xí)不同通道特征的重要程度，對每個(gè)輸出通道預(yù)測一個(gè)常數(shù)權(quán)重后進(jìn)行加權(quán)。

這個(gè)子結(jié)構(gòu)示意如圖4 所示，并未引入新的空間維度來進(jìn)行特征通道間的融合，而是采用了一種特征重標(biāo)定策略，利用全局信息對原特征圖重新校準(zhǔn)，自適應(yīng)地重新校準(zhǔn)通道方向的特征響應(yīng)。具體就是學(xué)習(xí)獲得每個(gè)特征通道的作用程度，讓網(wǎng)絡(luò)利用全局信息有選擇地增強(qiáng)有用特征通道并抑制對當(dāng)前任務(wù)用處不大的特征通道。

圖4 加入SE 模塊前后的ResNet 示意圖Fig.4 Schematic diagram of SE-ResNet module

這會(huì)使得模型中各個(gè)通道的特征更有辨別能力，理論上對小目標(biāo)的檢測有促進(jìn)作用。此處不展開論述其數(shù)學(xué)理論。

2 SE-RetinaNet 融合的網(wǎng)絡(luò)架構(gòu)

SE-RetinaNet 結(jié) 構(gòu) 如 圖5 所 示，在SE-ResNet 結(jié)構(gòu)上構(gòu)建FPN 骨干網(wǎng)絡(luò)，生成多尺度卷積特征金字塔FPN，最后附加2 個(gè)子網(wǎng)絡(luò)，分別用于anchor 邊界框分類和用于anchor 邊界框回歸。

圖5 SE-RetinaNet 模型示意圖Fig.5 Schematic diagram of SE-RetinaNet model

2.1 特征提取網(wǎng)絡(luò)

此處使用的特征提取網(wǎng)絡(luò)中，SE-ResNet 用于提取特征，F(xiàn)PN 用于在SE-ResNet 上構(gòu)建多尺度特征金字塔，在所有尺度上語義都很強(qiáng)，并且計(jì)算速度很快。以ResNet-50 和SE-ResNet-50 為例，其網(wǎng)絡(luò)結(jié)構(gòu)對比如表1 所示。

表1 ResNet-50 和SE-ResNet-50 網(wǎng)絡(luò)結(jié)構(gòu)對比Table 1 Comparison of ResNet-50 SE-ResNet-50

使用5 個(gè)尺度特征P3，P4，P5，P6，P7構(gòu)建特征金字塔，其stride分別為8，16，32，64，128。

2.2 Anchor 設(shè)定

此 處 每 級 anchor 尺 度 分 別 為322，642，1282，2562，5122；長 寬 比 的 設(shè) 定 為{1/2，1，21/3，2，22/3}，這 樣 每 個(gè) 位 置 共 有9 個(gè)anchor，所有層中anchor size 的最小值是32 pt，最大值是813 pt。在訓(xùn)練過程中采用基于IoU（intersection over union）的雙閾值anchor 匹配策略，即計(jì)算anchor與所有真實(shí)目標(biāo)框的IoU。設(shè)定的閾值為0.5，0.4，閾值在0.5 以上就將anchor 分配給真實(shí)目標(biāo)框；如果IoU 在［0，0.4）之間則分配為背景；IoU 在［0.4，0.5）中則不參與訓(xùn)練。

每個(gè)anchor 最多分配一個(gè)目標(biāo)框，每個(gè)真實(shí)框可能與多個(gè)anchor 匹配，但可能某個(gè)真實(shí)框與所有anchor 的IoU 最大值小于0.5，盡管不滿足閾值條件，此時(shí)也應(yīng)該保證這個(gè)真實(shí)框被IoU 值最大的an?chor 匹配。最終得到anchor 數(shù)量個(gè)匹配，表示與每個(gè)anchor 匹配的真實(shí)框，計(jì)算loss 時(shí)就可以找到對應(yīng)的類別及其邊界框。

2.3 檢測模塊

如圖5 中所示，檢測模塊主要包括分類子網(wǎng)絡(luò)（c）和box 回歸子網(wǎng)絡(luò)（d）。分類子網(wǎng)絡(luò)用來預(yù)測每個(gè)空間位置的各個(gè)anchor（數(shù)量為A）的類別概率（類別數(shù)為K）。這是一個(gè)FCN（fully convolutional networks），包括4 個(gè)3×3 的卷積層，每個(gè)層都有C個(gè)濾波器，（ReLU 激活函數(shù)，channel 是256），最后是一個(gè)3×3 的卷積，輸出通道數(shù)為KA，得到各個(gè)anchor預(yù)測每個(gè)類別的概率。

框回歸子網(wǎng)絡(luò)用來預(yù)測每個(gè)位置各個(gè)anchor 和真實(shí)目標(biāo)框之間的偏移量，在每個(gè)金字塔級別展開的FCN 目的是將每個(gè)錨框的偏移量回歸到附近的真實(shí)對象。它與分類子網(wǎng)相同，只是最后輸出的是每個(gè)空間位置的4A個(gè)輸出，最后輸出通道是4A。這表明是一個(gè)類別無關(guān)的邊界框回歸器，使用更少的參數(shù)，同樣有效。

3 模型訓(xùn)練與測試

3.1 速度與準(zhǔn)確率權(quán)衡

SE 模塊嵌在原有的網(wǎng)絡(luò)結(jié)構(gòu)中不可避免地增加了一些參數(shù)和計(jì)算量，增加的參數(shù)主要來自2 個(gè)全連接層，維度都是C×C/r，2 個(gè)全連接層的參數(shù)量就是2 × C ×C/r。 SE-ResNet增加的參數(shù)量為C2s，r為降維系數(shù)；S表示層數(shù)；Cs為第s層的通道數(shù)；Ns為第s層堆疊的殘差模塊數(shù)。

以ResNet-50 和SE-ResNet-50 為例對比如表2 所示，各方面相當(dāng)，r=16 時(shí)只增加了約10%的參數(shù)量。推理時(shí)間上，GPU 訓(xùn)練時(shí)間多了5.26%，CPU 推理時(shí)間多了不到2%。

表2 ResNet-50 和SE-ResNet-50 指標(biāo)對比Table 2 ResNet-50 SE-ResNet-50 indicators

3.2 仿真結(jié)果

在航空偵察取證場景中，以50 000 樣本量構(gòu)建訓(xùn)練集，以SE-ResNet-50-FPN，SE-ResNet-101-FPN，SE-ResNet-1521-FPN 為SE-RetinaNet 骨干網(wǎng)絡(luò)開展訓(xùn)練，測得測試準(zhǔn)確性如表3 所示，各訓(xùn)練50 次迭代。其中，SE-ResNet-50 準(zhǔn)確率與原ResNet-101 相當(dāng)，提升很大統(tǒng)計(jì)各機(jī)型AP（average precision）如表4 所示。

表3 SE 模塊對原模型的改進(jìn)效果Table 3 Improvement effect of the SE module on the original model

表4 各機(jī)型AP 統(tǒng)計(jì)Table 4 AP statistics of each model

在測試集測試各機(jī)型檢測平均準(zhǔn)確率AP如表，各機(jī)型測試數(shù)量不等（隨機(jī)劃分?jǐn)?shù)據(jù)集），均在200以上。

對以SE-ResNet-50-FPN 為骨干網(wǎng)絡(luò)的4 個(gè)指標(biāo)可視化如圖6 所示，迭代次數(shù)為50，總損失、分類損失與回歸損失基本呈現(xiàn)單調(diào)平穩(wěn)遞減的趨勢。mAP（mean average precision）是評估檢測效果的重要綜合指標(biāo)指標(biāo)［15］，從圖6 中可見mAP 基本在0.97上震蕩，檢測效果較好。

圖6 4 個(gè)指標(biāo)可視化圖Fig.6 Visualization of 4 indicators

3.3 結(jié)果分析

測試結(jié)果中可見，SE-RetinaNet 模型能夠應(yīng)對目標(biāo)尺度變化較大的情況如圖7 a）~d），并可從飛機(jī)局部特征中判斷機(jī)型。但若局部特征不夠明顯，盡管像素較多仍無法有效地檢測目標(biāo)如圖7 e）。在應(yīng)對極小目標(biāo)時(shí)仍存在分類錯(cuò)誤情況如圖7 f），圖像分辨率為1 280×720，目標(biāo)占據(jù)像素為12×8，檢測到目標(biāo)但分類錯(cuò)誤。

圖7 檢測結(jié)果分析Fig.7 Analysis of test results

可繼續(xù)改進(jìn)SE 等模塊提取有效特征，并嘗試引入細(xì)分類子網(wǎng)絡(luò)進(jìn)一步提高分類與檢測性能。

4 結(jié)束語

針對航空偵察取證，本文提出基于SERetinaNet 的目標(biāo)自動(dòng)檢測方法。該改進(jìn)算法中的特征金字塔網(wǎng)絡(luò)FPN 可有效應(yīng)對目標(biāo)尺寸變化較大問題，F(xiàn)ocal Loss 可有效應(yīng)對數(shù)據(jù)均衡性問題，SE模塊引入通道注意力機(jī)制對特征圖進(jìn)行加強(qiáng)，可進(jìn)一步利用提取的通道間相關(guān)性增強(qiáng)有效特征并抑制無效特征。實(shí)驗(yàn)表明，該模塊能夠進(jìn)一步增強(qiáng)模型的表征能力，有效提高目標(biāo)檢測效率。后續(xù)可進(jìn)一步改進(jìn)模型結(jié)構(gòu)以提高識別與檢測準(zhǔn)確率。