薛雅麗， 孫 瑜， 馬瀚融

(南京航空航天大學(xué)，南京 210000)

0 引言

隨著目標(biāo)檢測(cè)技術(shù)的迅猛發(fā)展，其應(yīng)用遍布各行各業(yè)。遙感圖像大多產(chǎn)生自飛機(jī)和衛(wèi)星拍攝，其中可識(shí)別目標(biāo)包括湖泊、森林、飛機(jī)、車輛、橋梁、建筑物等物體，其目標(biāo)識(shí)別廣泛應(yīng)用于農(nóng)業(yè)產(chǎn)值測(cè)算、災(zāi)害監(jiān)測(cè)、城市建設(shè)規(guī)劃等領(lǐng)域。在軍事戰(zhàn)爭(zhēng)中，各類目標(biāo)的檢測(cè)和定位可以將海量遙感數(shù)據(jù)快速轉(zhuǎn)化為目標(biāo)情報(bào)，有利于戰(zhàn)場(chǎng)形勢(shì)剖析、鎖定攻擊目標(biāo)位置，進(jìn)而制定精準(zhǔn)且及時(shí)的軍事行動(dòng)。因此，對(duì)遙感圖像中目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)對(duì)社會(huì)和經(jīng)濟(jì)發(fā)展具有重要的意義。

當(dāng)前主流深度學(xué)習(xí)目標(biāo)檢測(cè)算法分為基于回歸分析的單階段檢測(cè)算法和基于候選區(qū)域的雙階段檢測(cè)算法。雙階段目標(biāo)檢測(cè)算法(如RCNN系列[1-3]和Cascade RCNN[4]等)先通過(guò)Selective Search或者Edge Boxes等算法在輸入圖像中選出候選區(qū)域，再對(duì)這些可能包含目標(biāo)的候選區(qū)域進(jìn)行分類和位置回歸，進(jìn)而得到更為精確的檢測(cè)結(jié)果。單階段目標(biāo)檢測(cè)算法也稱為基于回歸分析的目標(biāo)檢測(cè)算法，以YOLO系列[5]和SSD系列[6]為代表，直接通過(guò)密集網(wǎng)絡(luò)得到目標(biāo)分類和位置信息，只需經(jīng)過(guò)一次圖片處理，因此檢測(cè)速度快，更能滿足實(shí)時(shí)性要求較高的場(chǎng)景需求。

1 單階段目標(biāo)檢測(cè)算法

在速度和精度上可以達(dá)到較高平衡的YOLOv5[7]算法通過(guò)設(shè)置靈活的配置參數(shù)，得到不同復(fù)雜度的模型。其檢測(cè)速度快等特點(diǎn)使其可以在實(shí)時(shí)性高的場(chǎng)景需求下，完成在移動(dòng)端的快速嵌入部署；其輸入端采用了MixUP和CutMix等多圖片融合、自適應(yīng)圖片縮放、DropBlock等模擬圖片遮擋的數(shù)據(jù)增廣算法；其主干網(wǎng)絡(luò)部分先后共進(jìn)行5次下采樣，主要模塊為Focus和CSP結(jié)構(gòu)；其Neck結(jié)構(gòu)中引用了擴(kuò)大感受野的SPP[8]模塊和增強(qiáng)多通道特征之間交流的PANet實(shí)現(xiàn)特征的跨層融合。然而，YOLOv5算法在畫幅大、背景復(fù)雜的光學(xué)遙感圖像中表現(xiàn)不佳，遙感圖像中目標(biāo)小且排列緊密，小目標(biāo)采樣易丟失，因此檢測(cè)精度并不理想。

2 實(shí)時(shí)目標(biāo)檢測(cè)算法改進(jìn)

本文為了滿足實(shí)時(shí)性要求，對(duì)基于速度快、模型小的YOLOv5s結(jié)構(gòu)進(jìn)行改進(jìn)。針對(duì)光學(xué)遙感圖像的畫幅大、尺度變化多樣、目標(biāo)尺度差異巨大、排列緊密等特性，引入BmFPN結(jié)構(gòu)加強(qiáng)網(wǎng)絡(luò)特征融合、降低網(wǎng)絡(luò)的參數(shù)和計(jì)算量，并在最后的邊框回歸中引入CIoU[9]損失函數(shù)。

2.1 雙向加權(quán)特征融合

對(duì)于大分辨率圖像中的小目標(biāo)檢測(cè)，隨著網(wǎng)絡(luò)加深語(yǔ)義信息更加清晰，取而代之的是位置信息的缺失。如果將原始圖像(如16 000×16 000，單位為像素，下同)直接輸入到檢測(cè)網(wǎng)絡(luò)中，多次下采樣后每格特征圖的感受野較小(如YOLOv5主干網(wǎng)絡(luò)進(jìn)行5次下采樣后，輸入圖像中32×32的目標(biāo)大小也只有1×1)，當(dāng)原始圖像中目標(biāo)的寬或高小于該閾值，網(wǎng)絡(luò)很難學(xué)習(xí)到目標(biāo)的特征信息，檢出效果并不好。

YOLOv5中借鑒了在圖像分割領(lǐng)域表現(xiàn)出色的雙向FPN結(jié)構(gòu)PANet[10]。其通過(guò)FPN結(jié)構(gòu)自頂向下傳達(dá)強(qiáng)語(yǔ)義信息，PANet自底向上傳達(dá)強(qiáng)定位特征，讓高階特征輸出中也有了低階細(xì)節(jié)，相輔相成，將來(lái)自于不同主干層的特征針對(duì)不同檢測(cè)層進(jìn)行參數(shù)聚合，進(jìn)一步提高了網(wǎng)絡(luò)的特征提取能力。

本文改進(jìn)EfficientDet[11]模型中的BiFPN結(jié)構(gòu)，代替原有的PANet作為特征網(wǎng)絡(luò)實(shí)現(xiàn)特征融合。與PANet相比,它移除了只有一個(gè)輸入邊的節(jié)點(diǎn)，增加了跨層鏈接,通過(guò)雙向傳播實(shí)現(xiàn)更高級(jí)的特征融合。

圖1 改進(jìn)后的特征網(wǎng)絡(luò)BmFPN

(1)

(2)

傳統(tǒng)方法中，不同分辨率特征圖被調(diào)整到相同的分辨率，然后在融合時(shí)一視同仁地直接相加。但其實(shí)它們對(duì)最后輸出特征的貢獻(xiàn)是不同的，因此更合理的做法是本文所用的加權(quán)平均融合。

2.2 更穩(wěn)定的損失回歸

YOLOv5使用BCEcls二分類交叉熵?fù)p失計(jì)算類概率Lcls,GIoU Loss[12]和BEC Logits損失計(jì)算目標(biāo)得分Lobj,GIoU Loss計(jì)算邊框回歸Lbox。網(wǎng)絡(luò)總損失為L(zhǎng)=Lobj+Lcls+Lbox。GIoU損失函數(shù)為

(3)

式中:P與Pgt分別為預(yù)測(cè)框與真實(shí)框;Z為其最小外接矩形?？梢?jiàn)LGIoU的優(yōu)化對(duì)象為兩框之間的面積，可初步解決LIoU為零的情況。其雖然能在一定程度上體現(xiàn)錨框的方向性差異，但當(dāng)兩框相交值相同時(shí)，無(wú)法反映具體的相交情況。DIoU損失函數(shù)為

(4)

式中:c為兩框最小外接矩形的對(duì)角線;ρ2(b，bg t)為預(yù)測(cè)框中心點(diǎn)b和真實(shí)框中心點(diǎn)bg t間的歐氏距離?？梢?jiàn)，LDIoU將預(yù)測(cè)框與目標(biāo)框之間的歸一化距離最小化，將目標(biāo)與錨框之間的距離和重疊率都考慮進(jìn)去，因此其收斂速度更快。

為了使目標(biāo)框包裹預(yù)測(cè)框時(shí)也能完成快速穩(wěn)定邊框回歸，本文在損失中引入LCIoU代替原損失函數(shù)LGIoU，帶來(lái)了更快的收斂和更好的性能。算式為

(5)

3 實(shí)驗(yàn)分析與可視化

3.1 數(shù)據(jù)集準(zhǔn)備

本文采用DOTA[13]數(shù)據(jù)集對(duì)算法進(jìn)行評(píng)估，其中包含不同傳感器和平臺(tái)所采集的2860幅遙感圖像。該數(shù)據(jù)集中有15種常見(jiàn)目標(biāo)由旋轉(zhuǎn)框標(biāo)注，特點(diǎn)是尺度變化多樣、檢測(cè)難度高。由于遙感圖像分辨率跨度大，有些高達(dá)上萬(wàn)像素，因此不應(yīng)對(duì)圖像直接縮放，需要對(duì)數(shù)據(jù)集進(jìn)行切割。本文將含有小型車輛(SV)、大型車輛(LV)兩類目標(biāo)的圖像作為原始圖像，將其切割為640×640的子圖像，并保證兩幅子圖像間重疊區(qū)間為200像素。在裁剪過(guò)程中，只保留中心點(diǎn)在子圖像內(nèi)部的標(biāo)注，并調(diào)整標(biāo)注數(shù)值。處理前、后數(shù)據(jù)集如圖2所示。

圖2 處理前、后數(shù)據(jù)集示例

處理后共得圖像10 621幅，其中，訓(xùn)練集約占58%(6152幅)，驗(yàn)證集約占14%(1513幅)，測(cè)試集約占28%(2956幅)，兩類目標(biāo)各占約1/2。本文所用的小目標(biāo)遙感數(shù)據(jù)集M-DOTA比COCO數(shù)據(jù)集中小型目標(biāo)比例更高，單幅圖像目標(biāo)多(平均每幅圖像的目標(biāo)數(shù)為9.97)，且物體大多為非中心分布，檢測(cè)難度大。處理后數(shù)據(jù)集中目標(biāo)大小的分布占比與COCO數(shù)據(jù)集對(duì)比見(jiàn)圖3。

圖3 目標(biāo)大小分布占比

3.2 模型部署與評(píng)價(jià)指標(biāo)

本文以Ubuntu 18.04作為實(shí)驗(yàn)平臺(tái)對(duì)所設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行驗(yàn)證，訓(xùn)練與測(cè)試中均使用2塊GeForce RTX 2080 SUPER作為圖形處理單元。如無(wú)特殊強(qiáng)調(diào)，驗(yàn)證采用的深度學(xué)習(xí)框架均為Pytorch，網(wǎng)絡(luò)訓(xùn)練中使用SGD優(yōu)化器，初始學(xué)習(xí)率設(shè)置為0.01，權(quán)重衰減系數(shù)為0.000 5。網(wǎng)絡(luò)中錨框均使用同一組，其由K-Means聚類算法得出，最佳召回率(BPR)為0.998 1。

本文采取的評(píng)價(jià)指標(biāo)為召回率R(Recall)、準(zhǔn)確率P(Precision)，定義為

(6)

(7)

式中：TP(True Positive)與FP(False Positive)的判別條件是識(shí)別為正例的對(duì)象與Ground truth區(qū)域間的IoU是否大于規(guī)定閾值；FN(False Negative)指遺漏未被檢出的Ground truth。

3.3 消融實(shí)驗(yàn)分析

為了驗(yàn)證本文所提算法改進(jìn)的有效性，采用消融實(shí)驗(yàn)的方法分析改進(jìn)模塊對(duì)算法性能提升的有效性。表1展示了使用LCIoU，LGIoU做損失回歸，和在Neck中使用FPN,PANet及本文設(shè)計(jì)的BmFPN特征融合網(wǎng)絡(luò)檢測(cè)效果的對(duì)比。表中:mAP@0.5指在LIoU閾值為0.5的情況下，對(duì)每類AP值求平均；mAP@0.5∶0.95指取步長(zhǎng)0.05，分別計(jì)算LIoU閾值由0.5遞增至0.95時(shí)各類的平均精度。

表1顯示本文提出的BmFPN模塊可以將mAP@0.5和mAP@0.5∶0.95提高0.6～0.7個(gè)百分點(diǎn)，說(shuō)明雙向融合和權(quán)重的加入豐富了特征圖中小目標(biāo)的特征信息，使網(wǎng)絡(luò)計(jì)算出的特征圖能夠更加有效地表征物體。引入使用CIoU函數(shù)和使用BmFPN結(jié)構(gòu)的兩個(gè)模塊組合的檢測(cè)效果最好，在mAP@0.5和mAP@0.5∶0.95下分別提高0.9和0.7個(gè)百分點(diǎn)，該結(jié)果證明了本文所設(shè)計(jì)模型的合理性與優(yōu)越性。

表1 消融實(shí)驗(yàn)結(jié)果對(duì)比

模型大小及參數(shù)量對(duì)比見(jiàn)表2。表中，浮點(diǎn)計(jì)算量單位為10億次浮點(diǎn)運(yùn)算數(shù)/s。

表2 模型大小及參數(shù)量對(duì)比

如表2所示，BmFPN在提升性能的同時(shí)并沒(méi)有大幅度增加模型大小及浮點(diǎn)計(jì)算量，依然保持了輕量級(jí)模型尺寸，便于在算力有限的場(chǎng)景下部署。

3.4 對(duì)比實(shí)驗(yàn)分析

各算法檢測(cè)精度與速度對(duì)比情況如表3所示。

表3 各算法檢測(cè)精度與速度對(duì)比

表3對(duì)比了YOLO-BM,YOLOv5和YOLOv3模型在測(cè)試集上的檢測(cè)速度和精度，可以看到，YOLOv5模型中的最小尺度YOLOv5s模型檢測(cè)速度最快，達(dá)到128.8 幀/s；YOLOv5m模型犧牲了約30%的檢測(cè)速度，將檢測(cè)精度提升了0.5個(gè)百分點(diǎn)；YOLOv3模型的精度雖高于YOLOv5s模型，但檢測(cè)速度非常慢，只有6.3 幀/s。本文設(shè)計(jì)的YOLO-BM模型在將檢測(cè)精度提高了1個(gè)百分點(diǎn)的前提下，只比速度最快的YOLOv5s模型低4.4 幀/s，檢測(cè)速度遠(yuǎn)優(yōu)于其他算法。

3.5 可視化分析

圖4展示了YOLO-BM,YOLOv5s，YOLOv5m和YOLOv3的可視化結(jié)果。小型車輛(SV)和大型車輛(LV)的檢測(cè)結(jié)果顯示在不同的彩色框中。由于遙感圖像的背景復(fù)雜多樣、目標(biāo)體積小、排列緊湊，因此，在檢測(cè)過(guò)程中經(jīng)常會(huì)出現(xiàn)誤檢和漏檢，隨著檢測(cè)精度的提高，這種現(xiàn)象將逐漸減少。

圖4 各算法檢測(cè)效果可視化

陰影區(qū)域檢測(cè)效果對(duì)比如圖5所示。為了更清楚地顯示細(xì)節(jié)，圖5放大了橙色和藍(lán)色陰影部分以進(jìn)行比較。

圖5 陰影區(qū)域檢測(cè)效果對(duì)比

圖5中，圖像橙色部分漏檢率較高，特別是對(duì)于YOLOv3和YOLOv5s模型。同時(shí)，藍(lán)色陰影區(qū)域覆蓋了許多排列緊密的小目標(biāo)。可以看到，在保持輕量級(jí)模型大小和快速檢測(cè)的同時(shí)，在本文提出的YOLO-BM算法下漏檢誤檢的數(shù)量遠(yuǎn)少于其他算法。

4 結(jié)束語(yǔ)

本文算法針對(duì)目標(biāo)復(fù)雜的航空遙感圖像，通過(guò)分析其中目標(biāo)尺度差異大、排布密集等特點(diǎn)，提出了一種雙向加權(quán)特征融合網(wǎng)絡(luò)的高效目標(biāo)檢測(cè)算法。該算法加強(qiáng)了對(duì)底層特征信息的提取，對(duì)各層特征圖加入權(quán)重機(jī)制，并且在邊框回歸中引入收斂更快、更為穩(wěn)健的CIoU損失函數(shù)。改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)尺寸小、檢測(cè)速度快、檢測(cè)精度高，完全可以滿足實(shí)時(shí)性場(chǎng)景的要求，有非常高的實(shí)用價(jià)值。