王燁奎，曹鐵勇，王 楊，方 正，劉亞九，鄭云飛,3,4，付炳陽

(1.陸軍工程大學 指揮控制工程學院，江蘇 南京 210007；2.31401部隊，吉林 長春 130000；3.陸軍炮兵防空兵學院，江蘇 南京 211100；4.偏振光成像探測技術(shù)安徽省重點實驗室，安徽 合肥 230031)

0 引 言

隨著戰(zhàn)爭形態(tài)由信息化向智能化轉(zhuǎn)變，無人作戰(zhàn)等新興領(lǐng)域?qū)?zhàn)場態(tài)勢的感知能力提出了更高要求。在軍事行動中，迷彩是較為常用的偽裝手段，其能模擬自然環(huán)境的顏色特性，破壞偽裝目標輪廓，使目標與周圍背景相融合，從而實現(xiàn)偽裝的效果。迷彩偽裝對感知戰(zhàn)場態(tài)勢產(chǎn)生重大干擾，高效、精準地發(fā)現(xiàn)和檢測迷彩偽裝目標成為提升戰(zhàn)場態(tài)勢感知能力的關(guān)鍵。

在深度學習興起前，一些傳統(tǒng)方法利用統(tǒng)計特征檢測迷彩偽裝目標。辛浩然等人[1]在HSV顏色空間處理迷彩圖像，提取H分量進行小波變換生成模極大值，并通過模極大值發(fā)現(xiàn)圖像突變點位置來提取目標邊緣信息。武國晶等人[2]改進三維凸面檢測算子，通過檢測灰度變化的峰值定位迷彩偽裝目標。Bhajantri等人[3]將圖像分割成若干個不相交的塊，對每個塊計算灰度共生矩陣(GLCM)特征，并使用分水嶺算法檢測偽裝目標。Sengottuvelan等人[4]通過GLCM分析偽裝目標的紋理特征，實施檢測。然而這些傳統(tǒng)算法局限于淺層特征提取，在檢測精度和速度上均不夠理想。

近年來，深度神經(jīng)網(wǎng)絡(luò)被大規(guī)模應(yīng)用于目標檢測任務(wù)中，并取得了良好的效果。根據(jù)候選區(qū)域(Region Proposals)生成方式的不同，可以將深度目標檢測算法分為雙階段算法與單階段算法。雙階段檢測算法在第一階段生成可能包含目標的候選區(qū)域，在第二階段對候選區(qū)域的位置進行調(diào)整，并輸出所包含目標的類別，典型算法包括R-CNN[5]、Fast RCNN[6]、Faster RCNN[7]、Cascade RCNN[8]等。雙階段算法的檢測精度較傳統(tǒng)算法大幅提升，但存在檢測速度較慢、訓練優(yōu)化困難等問題。單階段檢測算法直接在骨干網(wǎng)絡(luò)提取出的特征圖上生成候選區(qū)域，并完成后續(xù)檢測，典型方法包括YOLO系列[9-12]、SSD[13]等。單階段算法的檢測速度較雙階段算法有明顯的提升，能滿足實時感知戰(zhàn)場態(tài)勢的要求，然而單階段算法對迷彩偽裝目標特征的提取能力較弱，導致其在迷彩目標檢測任務(wù)上的效果并不出眾。

因此，該研究以單階段算法中性能較為先進的YOLOv5模型為基礎(chǔ)，提出了面向迷彩偽裝目標檢測任務(wù)的CAMOU-YOLO模型。對骨干網(wǎng)絡(luò)進行改進，結(jié)合深度可分離卷積[14]與殘差結(jié)構(gòu)設(shè)計了新的提取模塊，替換網(wǎng)絡(luò)原有模塊，既提升了模型對迷彩偽裝目標的特征提取能力，又縮減了網(wǎng)絡(luò)規(guī)模。此外，在聚合網(wǎng)絡(luò)中引入動態(tài)注意力機制(Dynamic Attention Mechanism，DAM)，強化模型對迷彩偽裝目標語義特征和位置信息的感知能力。在檢測精度較原始模型顯著提升的同時，CAMOU-YOLO的參數(shù)量下降明顯，滿足了軍事行動中實時、準確感知戰(zhàn)場態(tài)勢的要求。

1 相關(guān)工作

1.1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv5模型由骨干網(wǎng)絡(luò)、聚合網(wǎng)絡(luò)、檢測頭組成，模型結(jié)構(gòu)如圖1所示。

圖1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)

骨干網(wǎng)絡(luò)主要由卷積與C3(CSP-Net[15]with 3 Convolutions)模塊組成。卷積模塊由卷積層、批量歸一化層、激活函數(shù)組成；C3模塊將輸入分成兩路，一路經(jīng)卷積模塊處理，另一路通過卷積模塊后，再由N個瓶頸層進行處理，最后在通道維度將兩路輸出拼接，送入卷積模塊處理得到最后的輸出。兩路計算豐富了梯度傳播的路徑，增強了網(wǎng)絡(luò)的學習能力。

經(jīng)骨干網(wǎng)絡(luò)提取的特征圖，進入路徑聚合網(wǎng)絡(luò)(Path Aggregation Network，PANet[16])進行雙向融合。與傳統(tǒng)特征金字塔不同，PANet在經(jīng)自底而上的融合后，特征圖再進行一次自上而下的融合，同時雙向融合間增加了橫向連接。這種融合方式有利于低層細節(jié)信息的傳導，使得頂層特征圖得到底層特征圖帶來的豐富位置信息，提升了模型的定位精度。

檢測時，YOLOv5模型將圖片分成S×S個網(wǎng)格，由目標中心所在區(qū)域的網(wǎng)格負責預(yù)測該目標。模型在網(wǎng)格上放置B個Anchor，對每一Anchor輸出(5+N)個預(yù)測值，分別是置信度(confidence)、錨框中心距網(wǎng)格左上角坐標的偏移量(tx,ty)、錨框長寬的縮放比(tw,th)和N個類別的概率。為了增加正樣本的數(shù)量，YOLOv5還采用了跨網(wǎng)格匹配規(guī)則，除了目標中心所在區(qū)域的網(wǎng)格之外，再找出離目標中心最近的兩個網(wǎng)格，同時用這三個網(wǎng)格預(yù)測該目標，緩解了正負樣本不平衡的問題。

模型損失函數(shù)由類別損失lcls、置信度損失lobj和位置回歸損失lbox三部分組成，具體公式如下所示：

(1)

(2)

lbox=1-CIoU

(3)

1.2 深度可分離卷積

標準卷積需要對輸入的所有通道進行卷積，產(chǎn)生了大量的計算，如圖2(a)所示。假設(shè)輸入大小為M×W×H，輸出大小為N×W×H，卷積核大小為M×K×K，由于輸出通道為N，因此需要N個上述卷積核進行卷積操作，由此可得標準卷積計算量為K2×M×N×H×W。

如圖2(b)、(c)所示，深度可分離卷積將標準卷積分解為深度卷積和逐點卷積兩部分。深度卷積對輸入的每個通道分別應(yīng)用一個K×K大小的卷積進行處理，共有M個通道，由此可得深度卷積的計算量為K2×M×H×W；逐點卷積再將深度卷積的輸出應(yīng)用N個M×1×1大小的卷積進行組合，由此可得逐點卷積計算量為M×N×H×W。綜上所述，深度可分離卷積相較于標準卷積縮減了模型大小，計算量減少了：

(4)

圖2 標準卷積和深度可分離卷積計算示意圖

1.3 Dynamic ReLU

ReLU(修正線性單元，Rectified Linear Unit)是深度神經(jīng)網(wǎng)絡(luò)中常用的激活函數(shù)，計算簡單高效，有效解決了深度神經(jīng)網(wǎng)絡(luò)中存在的梯度爆炸和梯度消失問題，提高了網(wǎng)絡(luò)性能。但已有的ReLU及其變種Leaky ReLU、PReLU等激活函數(shù)的參數(shù)均固定不變，對所有輸入執(zhí)行相同的處理。

Dynamic ReLU[17]是一種基于ReLU的激活函數(shù)，其將全局上下文編碼為一個超函數(shù)，分段線性函數(shù)的斜率由超函數(shù)決定，根據(jù)輸入不同動態(tài)調(diào)整激活函數(shù)的參數(shù)。與參數(shù)固定的ReLU相比，Dynamic ReLU在僅增加少量計算開銷的情況下，表征能力顯著提升。

1.4 CBAM

注意力機制是人類視覺系統(tǒng)特有的處理機制，在人類感知中起著重要作用。人類視覺系統(tǒng)的一個重要特性是人類不會試圖一次性處理整個場景，而是通過快速觀察全局圖像，發(fā)現(xiàn)需要重點關(guān)注的目標區(qū)域，而后聚焦重要區(qū)域，獲取更多目標的細節(jié)信息，抑制其他無用信息，從而有效提高了人們處理信息的能力和效率。

與人類的視覺注意力機制類似，深度學習中的注意力機制不僅告訴模型需要關(guān)注哪里，且提高了模型的性能。具體來說就是從輸入的大量數(shù)據(jù)中選擇性地篩選出重要信息，分配不同的關(guān)注權(quán)重，使模型聚焦于重要的信息，抑制不必要的信息。目前，注意力機制在機器翻譯、語音識別、圖像分類、目標檢測、目標分割等領(lǐng)域均得到了廣泛應(yīng)用。Woo等人提出的CBAM[18]從通道、空間兩個維度依次應(yīng)用注意力模塊，使網(wǎng)絡(luò)關(guān)注輸入的重要特征，抑制無用特征，更好地在通道和空間維度獲取目標類別信息和位置信息，從而引導模型正確地聚焦目標。CBAM是一個簡單而有效的前饋卷積神經(jīng)網(wǎng)絡(luò)注意力模塊，可以集成到任何CNN架構(gòu)中，額外增加的開銷可以忽略不計。

2 CAMOU-YOLO模型

迷彩偽裝目標的外觀與所處背景高度相似，如何高效提取迷彩偽裝目標的特征信息，提升模型區(qū)分目標區(qū)域與背景區(qū)域的能力是研究的難點。

CAMOU-YOLO以YOLOv5模型為基礎(chǔ)，對其中的骨干網(wǎng)絡(luò)和聚合網(wǎng)絡(luò)進行改進，有效增強了原始模型對迷彩偽裝目標特征的提取能力，檢測精度明顯提升，CAMOU-YOLO結(jié)構(gòu)如圖3所示。

圖3 CAMOU-YOLO網(wǎng)絡(luò)結(jié)構(gòu)

2.1 特征提取網(wǎng)絡(luò)改進

原始特征提取網(wǎng)絡(luò)中的C3結(jié)構(gòu)將輸入特征分為兩路，通過卷積和殘差瓶頸網(wǎng)絡(luò)處理后，在通道維度進行拼接。C3結(jié)構(gòu)降低了計算量與內(nèi)存消耗，然而該結(jié)構(gòu)仍存在以下不足：(1)殘差瓶頸網(wǎng)絡(luò)為了減少計算量，首先使用一個1×1卷積對輸入進行降維，其次使用3×3卷積進行處理，然而卷積在低維空間能夠提取到的特征較少，這種先降維再進行卷積處理的網(wǎng)絡(luò)結(jié)構(gòu)將不可避免地導致信息丟失；(2)在具體應(yīng)用部署中，需要將網(wǎng)絡(luò)參數(shù)進一步縮減，降低網(wǎng)絡(luò)對計算資源的要求，減小模型的部署難度。

為解決上述問題，降低計算成本，提高網(wǎng)絡(luò)效率，該研究改進了原有特征提取網(wǎng)絡(luò)。使用DC3模塊替換原網(wǎng)絡(luò)結(jié)構(gòu)中的C3模塊，有效解決了原始特征提取網(wǎng)絡(luò)存在的信息丟失問題，并減少了網(wǎng)絡(luò)計算量。DC3模塊的具體結(jié)構(gòu)如圖4所示，首先在特征提取模塊C3中引入深度可分離卷積代替標準卷積，深度可分離卷積參數(shù)量較標準卷積參數(shù)量大幅下降，有效減少了網(wǎng)絡(luò)計算量；然而使用深度可分離卷積替代標準卷積后，網(wǎng)絡(luò)性能會有略微下降，因此，借鑒MobileNeXt[19]的類沙漏殘差網(wǎng)絡(luò)構(gòu)建思想，對殘差瓶頸結(jié)構(gòu)中的深度可分離卷積結(jié)構(gòu)進行重新設(shè)計，將深度卷積層放在高維空間(即殘差路徑兩端)，使其能夠提取更豐富的特征，將兩個1×1的逐點卷積層置于中間，用于通道數(shù)的縮減和擴展；最后，保留跨階段層次結(jié)構(gòu)網(wǎng)絡(luò)設(shè)計，將其和類沙漏殘差網(wǎng)絡(luò)有效結(jié)合起來，這樣的結(jié)構(gòu)設(shè)計既能夠提取更多的特征信息，保留梯度信息的跨多層傳播，減少信息損失，又縮減了參數(shù)量，有效減小了網(wǎng)絡(luò)規(guī)模。

圖4 DC3模塊結(jié)構(gòu)

2.2 聚合網(wǎng)絡(luò)改進

圖5中(a)、(b)、(c)分別為標注圖，YOLOv5s下采樣16倍的特征圖和檢測結(jié)果，由圖可得，經(jīng)過高倍數(shù)下采樣后，YOLOv5s提取的中間特征圖保留信息較少，最終導致目標定位不準確，出現(xiàn)了漏檢、錯檢的情況。

圖5 YOLOv5s的檢測結(jié)果和特征圖

為解決特征圖在高倍下采樣后語義信息丟失嚴重的問題，該研究結(jié)合Dynamic ReLU激活函數(shù)和CBAM中的空間注意力機制，設(shè)計了DAM模塊，將其嵌入聚合網(wǎng)絡(luò)，提升模型的特征提取能力。

DAM具體結(jié)構(gòu)如圖6所示，將DC3提取的特征分別送入兩個分支進行處理：第一分支為Dynamic ReLU模塊，對輸入特征依次經(jīng)過池化、全連接層、激活函數(shù)處理，通過學習輸入特征圖的全局信息自適應(yīng)得到ReLU函數(shù)的2組系數(shù)a1、b1，a2、b2(a1、a2為函數(shù)的斜率，b1、b2為函數(shù)的截距)；其次將輸入特征圖分別通過得到的兩個ReLU函數(shù)進行處理并取最大值作為輸出，使網(wǎng)絡(luò)更好地學習輸入特征圖的全局信息，提升其特征表達能力。第二分支為空間注意力模塊，首先對輸入特征圖的空間維度進行卷積、歸一化、激活函數(shù)處理，得到所有空間區(qū)域的權(quán)重；其次，將上步所得權(quán)重與Dynamic ReLU模塊處理后的輸出相乘，使網(wǎng)絡(luò)聚焦于重要區(qū)域的特征信息，進一步增強網(wǎng)絡(luò)對重要特征信息的提取能力，使其能夠更好地“捕捉”目標位置；最后將輸出與DC3提取的特征進行融合，用于最后的檢測。

圖6 DAM模塊結(jié)構(gòu)

(圖中，α1、β1、α2、β2、λ為超參數(shù)，f(x)=[λ*x1+α1,y1+β1,λ*x2+α2,y2+β2]，g(x)=max[a1*x+b1,a2*x+b2]，C表示concat(拼接)操作)

圖7中的(a)、(b)分別為YOLOv5s和添加DAM模塊后的檢測結(jié)果，(c)、(d)分別為YOLOv5s和添加DAM模塊后的輸出特征圖。由圖可得，YOLOv5s對迷彩偽裝目標的特征提取能力較弱，信息丟失嚴重，無法有效找到目標所在位置，從而出現(xiàn)了錯檢、漏檢的情況；添加DAM模塊后，提升了模型對迷彩偽裝目標的特征提取能力，使模型能夠更好地提取迷彩偽裝目標的特征信息，對目標定位更加準確，檢測精度得到一定提高。

圖7 YOLOv5s和添加DAM模塊后的檢測結(jié)果和特征圖

3 實驗結(jié)果分析

3.1 數(shù)據(jù)集介紹

該研究在一個公開迷彩偽裝數(shù)據(jù)集[20]上進行實驗。該數(shù)據(jù)集共有圖片3 278張，包含叢林、草地、雪地、荒漠、開闊地5個場景，33種迷彩樣式，圖像目標涵蓋了大、中、小三種尺度和正面、側(cè)身、背身、站立、半蹲、臥倒等多種姿態(tài)。數(shù)據(jù)集的典型樣本如圖8所示，(a)、(c)為原圖，(b)、(d)為標注圖。

圖8 數(shù)據(jù)集樣本

3.2 評價指標

目標檢測的預(yù)測結(jié)果共有4種，正樣本被正確識別為正樣本(True Positives，TP)、負樣本被正確識別為負樣本(True Negatives，TN)、負樣本被錯誤識別為正樣本(False Positives，F(xiàn)P)、正樣本被錯誤識別為負樣本(False Negatives，F(xiàn)N)。精確度(Precision)、召回率(Recall)計算分別如公式(5)、(6)所示:

(5)

(6)

目標檢測常用的性能評價指標為平均準確度均值(Mean Average Precision，mAP)，mAP就是所有類別的平均準確度(Average Precision，AP)的均值，AP的值即為P-R曲線下方的面積。

為了更好地反映算法檢測性能，該研究沒有采用mAP@0.5(交并比(Intersection over Union，IoU)為0.5時計算的mAP)作為評價指標，而是采用了與coco[21]數(shù)據(jù)集一致的評價指標。該指標對算法檢測性能評價更嚴格，使用10個IoU閾值(0.5至0.95間每隔0.05取一個值)分別計算mAP，然后取平均值得到最后的結(jié)果，并且該評價指標還將面積小于322，大于322且小于962，大于962像素的目標分別歸為小目標、中目標、大目標，并計算這三類目標的mAP及平均召回率均值(mean Average Recall，mAR)，從多個角度評價算法的檢測性能。此外，實驗還添加了每秒處理的圖片數(shù)量(FPS),參數(shù)量 (Params)和浮點運算次數(shù)(Floating Point Of Operations，F(xiàn)LOPs)三個指標來衡量算法的檢測速度和網(wǎng)絡(luò)結(jié)構(gòu)大小。

3.3 實驗環(huán)境及參數(shù)設(shè)置

文中算法在深度學習框架pytorch1.7.1上運行，工作站配置為Nvidia RTX 2080Ti 12G，Batch(批次)設(shè)置為32，迭代次數(shù)為300輪，圖像大小為512×288像素，初始學習率設(shè)置為0.02，使用SGD(隨機梯度下降)優(yōu)化方法,動量值為0.9，采用了mosic數(shù)據(jù)增強。對比算法包括Faster RCNN、Cascade RCNN、SSD300、FCOS[22]、ATSS[23]、YOLOX[24]、Deformable DETR[25],使用MMDetection(一種目標檢測算法工具箱)復現(xiàn)的代碼，對比算法均使用默認參數(shù)。

3.4 實驗結(jié)果與分析

CAMOU-YOLO算法與原始算法及7種一階段、二階段檢測算法的結(jié)果對比如表1所示。

表1 不同算法的各類mAP比較

由表1結(jié)果可得，CAMOU-YOLO算法較原始算法在mAP@0.5:0.95、mAP@0.5、mAP@0.75、mAPS、mAPM、mAPL這6項指標上分別提高了2.3%、3.2%、5.1%、1.2%、2.7%、4.1%，F(xiàn)PS值有小幅度降低，但仍大幅領(lǐng)先于其他算法；對比其他七種算法，CAMOU-YOLO算法僅在mAPS指標上稍低于YOLOX算法，在其余評價指標上均處于領(lǐng)先地位，多個指標的大幅提升充分驗證了CAMOU-YOLO算法較現(xiàn)有檢測算法更能有效解決迷彩偽裝目標檢測任務(wù)。

為驗證各改進模塊對整體網(wǎng)絡(luò)性能提升的有效性，進一步開展了消融實驗。逐步使用改進模塊替換原始模塊，將實驗結(jié)果分別跟原始算法性能進行比較，結(jié)果如表2所示。

表2 消融實驗的結(jié)果比較

由表中結(jié)果分析可得，改進的特征提取網(wǎng)絡(luò)和聚合網(wǎng)絡(luò)均能提升算法性能。單獨改進特征提取網(wǎng)絡(luò)，mAP@0.5:0.95、mAP@0.5、mAP@0.75、mAPM、mAPL、mARS、mARM、mARL這8項指標上分別提高了1.2%、3%、2.5%、1.4%、2.7%、1.1%、1.6%、2.2%，Params減小了26.4%，F(xiàn)LOPs減少了28%，有效減小了網(wǎng)絡(luò)模型，在提升檢測精度和召回率方面也有一定的貢獻；單獨改進聚合網(wǎng)絡(luò)，mAP@0.5:0.95、mAP@0.5、mAP@0.75、mAPS、mAPM、mAPL、mARS、mARM、mARL這9項指標上分別提高了1.9%、2.3%、4.8%、0.7%、2.6%、3.4%、1.1%、2%、2.5%，在僅增加少量Params、FLOPs的情況下，顯著提升了原始算法的檢測精度和召回率；當兩者結(jié)合使用時，既提升了算法的檢測精度和召回率，又對網(wǎng)絡(luò)結(jié)構(gòu)進行了輕量化改進，較原始算法性能得到了較大的提升。

圖9中(a)～(c)依次為標注圖片、YOLOv5算法的檢測結(jié)果和CAMOU-YOLO算法的檢測結(jié)果，圖中矩形框上方的白色部分為預(yù)測類別和置信度。由對比結(jié)果可得，CAMOU-YOLO算法對各種場景的目標及不同尺寸的目標檢測較原始算法的置信度更高；對比兩者檢測結(jié)果的矩形框可以發(fā)現(xiàn)，改進算法的檢測矩形框更加接近標注圖片，表明其定位更加精準，檢測性能高于原始算法；此外，YOLOv5算法對一些目標還存在漏檢的情況，而CAMOU-YOLO算法能夠檢測到目標，表明改進算法對迷彩偽裝目標的特征提取更全面，減少了信息丟失，漏檢問題得到了有效改善。綜上所述，檢測結(jié)果進一步驗證了CAMOU-YOLO較原始模型性能提升明顯，有效提升了迷彩目標特征提取能力，提高了檢測精度和召回率，能較好地完成迷彩偽裝目標檢測任務(wù)。

圖9 YOLOv5和CAMOU-YOLO檢測結(jié)果對比

4 結(jié)束語

針對現(xiàn)有目標檢測算法無法高效、精準檢測迷彩偽裝目標的現(xiàn)狀，基于YOLOv5模型，提出了一種結(jié)合深度可分離卷積和動態(tài)注意力機制的迷彩偽裝目標檢測模型CAMOU-YOLO。在原有模型中引入深度可分離卷積，借鑒類沙漏殘差網(wǎng)絡(luò)，設(shè)計了一種全新的特征提取模塊——DC3模塊，簡化了特征提取網(wǎng)絡(luò)，降低了網(wǎng)絡(luò)參數(shù)量和FLOPs值；結(jié)合Dynamic ReLU和注意力機制，設(shè)計了DAM模塊，將其嵌入聚合網(wǎng)絡(luò)中，從而有效增強了對迷彩偽裝目標的特征提取能力，提升了檢測定位精度。通過實驗對比，驗證了該模型的有效性，在較好達到網(wǎng)絡(luò)輕量化要求的同時，檢測性能也得到了顯著提升，對迷彩偽裝目標檢測研究有一定的借鑒意義。

在未來的研究工作中,將繼續(xù)優(yōu)化模型結(jié)構(gòu)，減少網(wǎng)絡(luò)層數(shù)，進一步縮減網(wǎng)絡(luò)規(guī)模，降低計算量，提升檢測速度，推進迷彩偽裝目標檢測模型的發(fā)展應(yīng)用。