關(guān)鍵詞：無人機(jī)圖像；多目標(biāo)檢測；小目標(biāo)檢測；圖像超分辨率；深度學(xué)習(xí)

中圖分類號：TP751.1；TP391.41 文獻(xiàn)標(biāo)識碼：A

0 引言

無人機(jī)遙感系統(tǒng)在各個(gè)領(lǐng)域展現(xiàn)出了巨大的潛力和應(yīng)用前景。然而，無人機(jī)圖像的目標(biāo)檢測依然是一個(gè)重要且具有挑戰(zhàn)性的任務(wù)[1]。目標(biāo)檢測旨在識別數(shù)字圖像中特定類別的視覺對象，并確定其在圖像中的位置。在無人機(jī)圖像數(shù)據(jù)檢測中，小目標(biāo)檢測因其識別難度大、應(yīng)用價(jià)值高而備受關(guān)注[2]。對于小目標(biāo)的檢測，通常有兩種提升模型檢測精確度的途徑，分別為模型內(nèi)特征融合機(jī)制和區(qū)域搜索策略[3]。

模型內(nèi)特征融合機(jī)制可以結(jié)合不同層次的特征信息，使模型更好地捕捉小目標(biāo)的細(xì)微特征[4]。例如，竇同旭等[5] 提出的改進(jìn)型算法模型YOLOADOP，其通過調(diào)整檢測分支、設(shè)計(jì)解耦頭以及優(yōu)化損失函數(shù)和標(biāo)簽分配策略，顯著提高了無人機(jī)影像中小目標(biāo)的檢測效果。該模型在VisDrone 數(shù)據(jù)集上的表現(xiàn)優(yōu)于YOLOv5 模型，具有更好的檢測效果。韓興勃等[6] 在YOLOv5 的基礎(chǔ)上引入了殘差連接與跨層注意力，提升了模型對遙感圖像中小目標(biāo)的檢測能力，驗(yàn)證了底層特征圖和注意力機(jī)制在提升小目標(biāo)檢測性能方面的重要作用。楊慧劍等[7]針對航拍圖像中小目標(biāo)檢測準(zhǔn)確率不高的問題，提出了基于YOLOv5 的改進(jìn)算法。該算法通過整合卷積塊的注意力模塊（convolutional block attentionmodule，CBAM）， 將空間金字塔池化（spatialpyramid pooling，SPP）替換為空洞空間金字塔池化（atrous spatial pyramid pooling，ASPP），在特征金字塔網(wǎng)絡(luò)（feature pyramid network，F(xiàn)PN）結(jié)構(gòu)中添加檢測頭，有效提升了小目標(biāo)的檢測精度，mAP_0.5指標(biāo)增加了6.9%，證明其可以有效檢測航拍圖像中的小目標(biāo)。Tan 等[8] 提出的MFF-FPN 模型，利用ResNet50 作為骨干網(wǎng)絡(luò)并引入注意力機(jī)制，顯著提升了該模型在臨床胸主動脈夾層及其并發(fā)癥檢測中的小目標(biāo)檢測精度。然而，只為小目標(biāo)設(shè)置特征融合的方法僅能夠在圖像噪聲分布與模型預(yù)訓(xùn)練相似的場景下，使模型檢測的表現(xiàn)有所提升，但模型難以應(yīng)用到所有場景。

針對上述方法泛化能力較弱的問題，部分學(xué)者考慮在模型內(nèi)設(shè)計(jì)區(qū)域搜索策略，將計(jì)算資源聚焦于最有可能包含目標(biāo)的圖像區(qū)域，降低小目標(biāo)檢測的難度。Lu 等[9] 利用鄰接矩陣和縮放預(yù)測將計(jì)算資源自適應(yīng)地定向至小目標(biāo)所在的子區(qū)域，從而集中處理更有可能包含目標(biāo)的區(qū)域。Alexe 等[10] 引入了一種上下文驅(qū)動的搜索方法，利用對象的上下文關(guān)系和其在圖像中的典型分布，預(yù)測目標(biāo)可能存在的位置。上述搜索策略的制定，偏向于模型關(guān)注訓(xùn)練集上目標(biāo)的典型分布模式，而在無人機(jī)航拍圖像的檢測任務(wù)中的目標(biāo)通常會隨機(jī)分布，因此當(dāng)前區(qū)域搜索策略還具備一定的提升空間。

1 粒度檢測引導(dǎo)的多目標(biāo)檢測算法

本文提出的粒度檢測引導(dǎo)的多目標(biāo)檢測算法檢測流程為：首先，對降采樣的低分辨率圖像進(jìn)行目標(biāo)檢測，標(biāo)記潛在目標(biāo)所在區(qū)域，再對這些區(qū)域進(jìn)行重采樣和超分辨率處理，并且由細(xì)粒度檢測器進(jìn)一步精確識別小目標(biāo)。其次，使用目標(biāo)識別模塊對潛在目標(biāo)區(qū)域進(jìn)行多目標(biāo)識別。最后，通過后處理算法融合粗、細(xì)粒度檢測結(jié)果。該算法主要包含3 個(gè)關(guān)鍵模塊：重采樣與超分辨率處理模塊、多目標(biāo)識別模塊、后處理模塊?？傮w模型架構(gòu)如圖1 所示。

1.1 重采樣與超分辨率處理模塊

重采樣與超分辨率處理模塊連接了多粒度圖像特征。在粗粒度目標(biāo)識別階段，采用該模塊對圖像進(jìn)行降采樣，以減少對計(jì)算資源的消耗；在細(xì)粒度目標(biāo)識別階段，采用該模塊可增強(qiáng)興趣區(qū)域的圖像質(zhì)量，在細(xì)粒度檢測階段能夠更清晰、準(zhǔn)確地識別小目標(biāo)。

本文選用單一圖像超分辨率技術(shù)（single imagesuper resolution，SISR）網(wǎng)絡(luò)[11] 作為重采樣與超分辨率處理模塊，且令重采樣與超分辨率模塊在網(wǎng)絡(luò)中共享參數(shù)，以實(shí)現(xiàn)對本地?cái)?shù)據(jù)集具有較好的重建效果。

1.2 多目標(biāo)識別模塊

在多目標(biāo)識別模塊中，采用目標(biāo)檢測器對圖像中的物體進(jìn)行識別與標(biāo)記。目標(biāo)檢測器在模型中有兩種不同的應(yīng)用場景，對于粗粒度圖像，其可以對大型個(gè)體目標(biāo)與包含多個(gè)小目標(biāo)的興趣區(qū)域位置進(jìn)行標(biāo)記；對于細(xì)粒度圖像，其可以識別小目標(biāo)并標(biāo)記相對位置。本文采用Faster R-CNN 作為多目標(biāo)識別模塊。首先，通過對圖像中的前景和背景內(nèi)容進(jìn)行判別，并利用區(qū)域提議網(wǎng)絡(luò)生成高概率包含目標(biāo)的提議框。其次，這些提議框被進(jìn)一步送入分類及回歸的檢測頭部網(wǎng)絡(luò)中，以確定提議框的具體類別及其精確的邊界框坐標(biāo)。

本文設(shè)計(jì)的算法在Linux 系統(tǒng)且版本為Ubuntu18.04 的環(huán)境下運(yùn)行， 選用了2 塊NVIDIA RTX2080Ti 11 GB GPU，CPU 型號為Intel Core i9 10980XE，其擁有系統(tǒng)內(nèi)存為64 G 的實(shí)驗(yàn)平臺。

在模型超參數(shù)設(shè)置上，檢測器特征提取階段選用預(yù)訓(xùn)練的CNN ResNet101 殘差網(wǎng)絡(luò)參數(shù)。模型訓(xùn)練時(shí)選用隨機(jī)梯度下降（stochastic gradient descent，SGD）優(yōu)化器，設(shè)置學(xué)習(xí)率為0.001，訓(xùn)練20 個(gè)訓(xùn)練輪次。

3 模型效果驗(yàn)證

在保持特征提取網(wǎng)絡(luò)、圖像處理尺寸以及其他關(guān)鍵超參數(shù)一致的前提下，將本文模型與傳統(tǒng)的多階段目標(biāo)檢測策略進(jìn)行比較，評估本文提出的模型在無人機(jī)航拍圖像識別任務(wù)上的性能。在模型驗(yàn)證試驗(yàn)中，特征提取階段均采用預(yù)訓(xùn)練的ResNet101網(wǎng)絡(luò)作為基礎(chǔ)。不同模型在VISDrone2019 測試集上的檢測結(jié)果如表1 所示。其中，AP、AP、AP 分別表示IoU 為0.5 時(shí)的mAP、IoU 為0.75時(shí)的mAP 和IoU 為0.5 ～ 0.95 時(shí)以0.05 步長遞進(jìn)的所有IoU 閾值下的mAP 平均值。

由表1 可知，本文模型在多目標(biāo)檢測任務(wù)中表現(xiàn)優(yōu)于極限模型及當(dāng)前主流目標(biāo)檢測算法，本文模型的AP、AP 和AP指標(biāo)分別比YOLOv5 模型高了1.49%、5.16% 和3.27%。

本文還探究了模型在對同類別目標(biāo)的識別表現(xiàn)，如表2 所示。相較于Faster R-CNN（基線），本文模型在大目標(biāo)的識別方面具有更大優(yōu)勢，而小目標(biāo)識別性能優(yōu)勢較小，但其整體識別性能仍有較大提升。

4 結(jié)論

本文提出的方法在處理尺寸中等至較大的物體時(shí)具有明顯的優(yōu)勢，而對于極小尺寸的物體，盡管挑戰(zhàn)依然存在，但該方法仍能實(shí)現(xiàn)一定程度的準(zhǔn)確率提升，證明了其在航拍圖像小目標(biāo)檢測領(lǐng)域的有效性和先進(jìn)性。