張麗麗，蔡健楠，劉雨軒，屈樂樂

（沈陽航空航天大學(xué)電子信息工程學(xué)院，遼寧沈陽 110136）

0 引 言

合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）具有高分辨率、全天時(shí)、全天候工作等特點(diǎn)［1］，相比于傳統(tǒng)光學(xué)傳感器，其在海洋監(jiān)測等任務(wù)中擁有更大的優(yōu)勢?；赟AR 圖像的艦船目標(biāo)檢測任務(wù)在海上巡邏和監(jiān)測、海上交通管理、海上搜索和救援等領(lǐng)域中具有重要作用，在軍用和民用領(lǐng)域均有廣泛的應(yīng)用場景［2］。

對于傳統(tǒng)的SAR 艦船檢測方法，恒虛警率（Constant False Alarm Rate，CFAR）［3-5］算法由于其較低的算法復(fù)雜度而被廣泛使用。其原理是估計(jì)表面雜波的概率密度函數(shù)，并根據(jù)預(yù)先設(shè)定的虛警率自適應(yīng)地調(diào)整檢測閾值。然而在近岸場景下，陸地區(qū)域的背景較為復(fù)雜，這使得雜波建模和閾值設(shè)定變得困難，導(dǎo)致檢測性能降低。最近，隨著深度學(xué)習(xí)的發(fā)展，SAR 圖像艦船目標(biāo)檢測的準(zhǔn)確率得到了進(jìn)一步的提高。文獻(xiàn)［6］提出了一種無錨框的功率變換和特征對齊引導(dǎo)網(wǎng)絡(luò)（Power Transformation and Feature Alignment-guided Network，Pow-FAN），它包含了用于抑制噪聲的PCB（power-based convolution block）模塊和用于特征融合的FAB（feature alignment block）模塊。為了抑制噪聲和復(fù)雜背景的影響，文獻(xiàn)［7］設(shè)計(jì)了跨尺度自注意力模塊，除此之外，還提出了區(qū)域預(yù)測感知一對一標(biāo)簽分配以挑選最合適的正負(fù)樣本。文獻(xiàn)［8］基于協(xié)調(diào)注意模塊［9］提出了一個(gè)CSPMRes2（cross stage partial network with a modified res2net）模塊，并將其應(yīng)用于YOLOv5 網(wǎng)絡(luò)中，取得了較好的效果。文獻(xiàn)［10］提出了注意力引導(dǎo)的平衡特征金字塔網(wǎng)絡(luò)（Attention-guided Balanced Feature Pyramid Network，A-BFPN）并設(shè)計(jì)了通道注意力引導(dǎo)的融合網(wǎng)絡(luò)模型，在利用語義和多級互補(bǔ)特征的同時(shí)緩解特征圖融合過程中的混疊效應(yīng)。文獻(xiàn)［11］為提高對密集目標(biāo)的檢測能力提出了關(guān)鍵點(diǎn)估計(jì)模塊，并設(shè)計(jì)通道注意力模塊減少噪聲對艦船目標(biāo)的干擾。文獻(xiàn)［12］設(shè)計(jì)一個(gè)AFF（adjacent feature fusion）模塊減少了由于注意力分散導(dǎo)致的不同尺度特征之間的信息差異，同時(shí)將AFF 和swin Transformer［13］結(jié)合提出了ESTD-NET（enhancement Swin transformer detection network），進(jìn)一步提高檢測精度。上述方法都通過注意力模塊提高網(wǎng)絡(luò)的特征提取能力。然而，文獻(xiàn)［6，8，10-11］的注意力機(jī)制較為簡單，注意力結(jié)果不理想。文獻(xiàn)［7］和［12］中使用的基于transformer 的注意力機(jī)制雖然可以取得較好的效果，但計(jì)算量較大。此外，在SAR 圖像中，斑點(diǎn)噪聲、近岸場景下的陸地背景均會(huì)影響檢測結(jié)果，使艦船目標(biāo)被漏檢或者將陸地區(qū)域誤檢為目標(biāo)。

為了解決上述問題，本文提出了多尺度特征注意力融合網(wǎng)絡(luò)（Multi-scale Attention Fusion Network，MAF-Net），其包含MFAF（multi-scale feature attention fusion）模塊和余弦相似（Cosine Similar，CS）損失。MFAF 模塊用于對FPN（Feature Pyramid Network）輸出的3 個(gè)不同尺度特征圖進(jìn)行增強(qiáng)，通過融合深層的語義信息，增強(qiáng)了對噪聲的抑制效果，從而提高了檢測的準(zhǔn)確率。CS 損失在訓(xùn)練過程中計(jì)算目標(biāo)與非目標(biāo)區(qū)域的余弦距離，并在訓(xùn)練過程中讓此距離減小，以增強(qiáng)網(wǎng)絡(luò)對目標(biāo)的識別精度。

1 MFAF模塊

本文基于FCOS（fully convolutional one-stage object detection）［14］提出了MAF-Net，其結(jié)構(gòu)如圖1所示，該網(wǎng)絡(luò)包含4個(gè)部分:主干網(wǎng)絡(luò)、MFAF模塊、FPN和分類回歸子網(wǎng)絡(luò)。其中MFAF模塊對FPN輸出的特征圖進(jìn)行增強(qiáng)。并且使用focal損失、CIoU［15］損失和CS損失進(jìn)行訓(xùn)練。

圖1 MAF-Net網(wǎng)絡(luò)結(jié)構(gòu)

在SAR 圖像中，艦船目標(biāo)的長寬比普遍較為極端，且船只朝向不固定。因此在特征圖中，艦船目標(biāo)對應(yīng)的位置很容易包含較多的背景信息，從而對檢測結(jié)果造成干擾，影響精度。此外，由于分辨率以及拍攝角度的不同，SAR 艦船目標(biāo)的尺寸跨度較大。單一的特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)較為簡單，不能充分地利用每個(gè)尺度的特征中的信息。在近岸場景下，陸地背景復(fù)雜，部分島嶼與艦船目標(biāo)的形狀相似，因此會(huì)造成誤檢，同時(shí)部分艦船目標(biāo)離陸地較近且排列密集，易受到噪聲的影響，從而導(dǎo)致漏檢。所有這些問題都將導(dǎo)致網(wǎng)絡(luò)檢測性能受到限制。為了解決上述問題，本文提出了MFAF 模塊。其結(jié)構(gòu)如圖2 所示。該模塊使用不同尺度間的信息對FPN 輸出的特征圖進(jìn)行增強(qiáng)，以提升網(wǎng)絡(luò)的特征提取能力，抑制噪聲對艦船目標(biāo)的干擾。,i= 3,4,5 是從FPN 輸出的特征圖，其中X5和X3分別是FPN 輸出的最深層特征和最淺層特征，通道數(shù)為256，Hi、Wi分別為特征圖的高和寬。首先對特征圖X5在空間上分別使用最大池化和平均池化操作，隨后將結(jié)果送入MLP 模塊以得到和。然后通過和對特征圖X5進(jìn)行通道維度上的增強(qiáng)。對于其他的特征Xi,i= 3,4，先經(jīng)過空間上的最大池化和平均池化操作，然后將結(jié)果與和分別相加后再送入MLP模塊中。其公式可以表示如下：

式中，X'i∈?Ci×Hi×Wi,i= 3,4,5 為經(jīng)過通道增強(qiáng)后的特征，BD()為廣播操作，·表示按元素相乘。

MLP 是層數(shù)為2 的多層感知機(jī)。將經(jīng)過通道增強(qiáng)后的特征圖X'5在通道維度上分別取最大值和平均值，隨后將結(jié)果在通道維度進(jìn)行拼接得到，然后將送入SCAM 模塊以得到，然后使用對X'5進(jìn)行空間上的增強(qiáng)。對于其他的特征X'i,i= 3,4,將通道維度的最大值和平均值拼接后，再分別與相加來得到,i= 3,4，然后再將送入SCAM 模塊以得到。其公式可以表示如下：

2 CS損失

SAR 圖像中的陸地背景較為復(fù)雜，且部分船只受噪聲影響較大，因此網(wǎng)絡(luò)很難有效地區(qū)分背景與艦船目標(biāo)之間的差異，導(dǎo)致檢測結(jié)果較差。為了引導(dǎo)網(wǎng)絡(luò)學(xué)習(xí)艦船目標(biāo)與背景之間的差異，本文提出了CS損失。其目的是使特征圖中包含目標(biāo)的區(qū)域與不包含目標(biāo)的區(qū)域的相似度盡可能的低，從而減少背景與目標(biāo)的混淆。X∈?1×H×W表示輸入的圖片。X上屬于第k個(gè)目標(biāo)的標(biāo)簽框內(nèi)的位置集合可以表示為

式中：chk，cwk分別表示第k個(gè)目標(biāo)框的中心位置;bhk，bwk表示k個(gè)目標(biāo)框的高和寬;d是用于調(diào)整Pk,d中包含區(qū)域的大小。Pd={p1,d,p2,d,…,pn,d}表示X上所有目標(biāo)框內(nèi)的位置集合，n是X上目標(biāo)的個(gè)數(shù)。

相應(yīng)地，X″i∈?Ci×Hi×Wi,i= 3,4,5 上包含在目標(biāo)框內(nèi)的位置集合Ωi和不包含在目標(biāo)框內(nèi)的位置集合Γi可以表示為

式中di表示特征圖X″i所對應(yīng)的理論感受野大小。CS損失的公式如下：

式中 |Ωi|和 |Γi|分別為集合Ωi和Γi的大小，‖ . ‖2表示向量的二范數(shù)，X″i,p∈?Ci×1×1表示特征圖X″i上位置p對應(yīng)的向量。因此網(wǎng)絡(luò)的分類損失可以表示為

式中Lfocal為focal 損失，超參數(shù)α用于調(diào)整CS 損失占比，其被設(shè)置為0.5時(shí)可以達(dá)到最佳結(jié)果。

3 實(shí)驗(yàn)與討論

3.1 數(shù)據(jù)集與實(shí)驗(yàn)設(shè)置

1）數(shù)據(jù)集

Official-SSDD（SSDD）：SSDD 數(shù)據(jù)集［16-17］是SAR 船舶檢測領(lǐng)域使用最廣泛的數(shù)據(jù)集。于2017年第一次發(fā)布，并在2021 年發(fā)布了更新版。SSDD數(shù)據(jù)集包含多尺度目標(biāo)并且背景復(fù)雜，大多數(shù)圖片大小為500 像素寬，分辨率從1 m 到15 m 不等，來自RadarSat-2、TerraSAR-X 和Sentinel-1，包含多種極化方式（HH、VV、VH 和HV）。SSDD 中船舶的平均尺寸僅為約35×35像素。

SAR-Ship-Dataset：2019 年，Wang 等人發(fā)布了SAR 船舶數(shù)據(jù)［18］。它包含43 819 張圖像，圖像大小為256×256，主要來自Sentinel-1和高分-3。其具有5 m 至20 m 的分辨率，以及HH、HV、VV 和VH極化。與文獻(xiàn)［18］中的設(shè)置相同，整個(gè)數(shù)據(jù)集被隨機(jī)分為訓(xùn)練（70%）、驗(yàn)證（20%）和測試數(shù)據(jù)集（10%）。

2）實(shí)現(xiàn)細(xì)節(jié)

骨干網(wǎng)絡(luò)采用ResNet50，并且使用ImageNet數(shù)據(jù)集對其進(jìn)行預(yù)訓(xùn)練。然后通過COCO 數(shù)據(jù)集對整個(gè)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練。本文使用15 vCPU Intel（R）Xeon（R）Platinum 8358P CPU@2.60GHz，NVIDIA RTX 3090 顯卡。使用的編程語言是python3.9，深度學(xué)習(xí)框架為PyTroch1.8.1。GPU 計(jì)算平臺(tái)為CUDA 11.1。優(yōu)化器是初始學(xué)習(xí)率為0.01的隨機(jī)梯度下降（SGD）優(yōu)化器，其學(xué)習(xí)率在每個(gè)衰減步驟被除以10。SSDD 和SAR 船舶數(shù)據(jù)集的迭代次數(shù)分別為16K 和32K。所有的圖片尺寸均被縮放為512×512，為了公平地與其他方法進(jìn)行比較，訓(xùn)練階段使用的數(shù)據(jù)增強(qiáng)方法只包括隨機(jī)反轉(zhuǎn)以避免過擬合。

3.2 驗(yàn)證評價(jià)指標(biāo)

為了定量地分析所提方法的有效性，本文使用目標(biāo)檢測領(lǐng)域中廣泛使用的平均精度（AP）當(dāng)做驗(yàn)證指標(biāo)。AP的計(jì)算方法如下:

式中Pd和Rd分別為準(zhǔn)確率和召回率，其計(jì)算方式如下：

其中d是IoU 閾值，對于網(wǎng)絡(luò)輸出的一個(gè)樣本，其回歸框與標(biāo)簽框的IoU 大于d時(shí)，該樣本定義為TPd；否則，該樣本定義為FPd。對于某一個(gè)標(biāo)簽框來說，如果沒有網(wǎng)絡(luò)輸出的樣本與其IoU大于d，則將其定義為FNd。AP為d取0.5 到0.95 時(shí)APd的平均值：

此外，按照目標(biāo)所占像素區(qū)域的大小可以分為大目標(biāo)（大于962）、中目標(biāo)（大于322 并且小于962）和小目標(biāo)（小于322）。分別計(jì)算大、中和小目標(biāo)的AP，將所得結(jié)果分別定義為APL、APM 和APS。

3.3 消融實(shí)驗(yàn)

為了驗(yàn)證所提出的MFAF 模塊和CS 損失的有效性，本文以不同的設(shè)置在SSDD數(shù)據(jù)集上對MAFNet進(jìn)行訓(xùn)練。消融實(shí)驗(yàn)的結(jié)果如表1所示。

由于FCOS 網(wǎng)絡(luò)的特征提取能力較弱，因此只能達(dá)到96.5% AP50，通過添加了MFAF 模塊以后，提升了網(wǎng)絡(luò)的特征提取能力，針對所有尺度的目標(biāo)的檢測能力均有所提升，使AP50達(dá)到了97.4%。在FCOS 的訓(xùn)練階段中添加CS 損失可以有效地引導(dǎo)網(wǎng)絡(luò)針對目標(biāo)與背景之間的差異進(jìn)行學(xué)習(xí)，從而提高準(zhǔn)確率，可達(dá)97.4% AP50。聯(lián)合使用MFAF模塊和CS 損失可以達(dá)到最佳的結(jié)果，提升了1.7% AP50，可達(dá)98.2% AP50。并且在所有尺度上的AP50均可以達(dá)到最佳。額外地，通過添加MFAF模塊后網(wǎng)絡(luò)的檢測速度僅降低了8%，依舊可以滿足對網(wǎng)絡(luò)的實(shí)時(shí)性的要求。

為了進(jìn)一步驗(yàn)證CS 損失的有效性，并確定最佳的超參數(shù)，本文使用占比不同的CS損失在SSDD數(shù)據(jù)集上對FCOS進(jìn)行訓(xùn)練，其結(jié)果如表2所示，其中超參數(shù)α用于調(diào)整CS 損失的占比。當(dāng)α為0 時(shí)相當(dāng)于不添加CS 損失。其AP50為最低的96.5%。通過添加占比不同的CS損失后，均能提高AP50，當(dāng)α為0.5時(shí)可以取得最佳的97.4% AP50。

表2 在SSDD上不同參數(shù)α的檢測結(jié)果

為了直觀地展示MFAF模塊的作用，網(wǎng)絡(luò)注意力可視化結(jié)果如圖3所示。其中圖3（a）為標(biāo)簽，圖3（b）為僅使用CBAM 模塊的注意力結(jié)果，圖3（c）為MFAF 模塊的注意力結(jié)果。如圖3（b）中前4 行所示，當(dāng)僅用CBAM 模塊時(shí)，在近岸場景下，網(wǎng)絡(luò)注意的位置會(huì)受到陸地背景的干擾。而在深海場景下，網(wǎng)絡(luò)注意的位置不能很好地集中在艦船目標(biāo)上，注意力較為分散，如圖3（b）中后兩行所示。當(dāng)使用MFAF模塊時(shí)，網(wǎng)絡(luò)注意的位置受到陸地的干擾較小，并且注意力的結(jié)果可以很好地集中在艦船目標(biāo)上，從而可以取得較好的檢測結(jié)果。

圖3 網(wǎng)絡(luò)注意力結(jié)果圖

3.4 與其他方法的比較和討論

本文所提的MAF-Net 與其他方法的比較如表3和表4所示，MAF-Net在SSDD和SAR-Ship-Dataset中均可以取得最佳的AP50。在SSDD 數(shù)據(jù)集上，MAF-Net 可以達(dá)到最佳的98.2% AP50，與雙階段和單階段最佳的A-BFPN 和Pow-FAN 相比，分別提高了1.4% AP50和1.8% AP50。對于SAR-Ship-Dataset，MAF-Net 達(dá)到了最佳的96.5% AP50，與雙階段網(wǎng)絡(luò)中性能最佳的ISASDNet+r101 相比，提高了0.7% AP50。與單階段網(wǎng)絡(luò)中的MSSD-Net 相比，提高了1.4% AP50。作為單階段網(wǎng)絡(luò)，MAF-Net不僅在單階段網(wǎng)絡(luò)中有最佳的性能，還可以獲得比雙階段網(wǎng)絡(luò)更佳的檢測結(jié)果。

表3 SSDD上的對比實(shí)驗(yàn)結(jié)果

表4 SAR-Ship-Dataset上的對比實(shí)驗(yàn)結(jié)果

4 結(jié)束語

為了解決SAR 圖像中艦船目標(biāo)檢測精度不高的問題。本文提出了一個(gè)單階段無錨框的MAFNet。其中包含的MFAF 模塊使用不同尺度特征中的信息對特征進(jìn)行空間和通道維度的增強(qiáng)，可以有效提升網(wǎng)絡(luò)的表達(dá)能力，抑制背景噪聲的干擾，從而提高網(wǎng)絡(luò)的檢測準(zhǔn)確度。此外，本文提出了一個(gè)CS損失，在訓(xùn)練過程中添加CS損失可以使網(wǎng)絡(luò)更清晰地區(qū)分目標(biāo)與背景之間的差異。通過在兩個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)表明，MAF-Net 使用的MFAF模塊和CS 損失均可以有效地提升檢測精度，并且MAF-Net與其他方法相比，擁有更佳的準(zhǔn)確率。在未來，為了方便模型的部署，可以從模型剪枝的角度出發(fā)，在不影響模型準(zhǔn)確率的前提下去除網(wǎng)絡(luò)中冗余的參數(shù)，提高網(wǎng)絡(luò)的運(yùn)行速度。