摘 要：飛行目標往往呈現(xiàn)為十幾個像素點的小目標，對其準確檢測是黑飛反制、管控等應用中首要解決的問題。鑒于此，提出一種基于改進YOLO v3的方法提高飛行目標的檢測能力。首先為避免梯度消失，增強特征的復用，在特征檢測層引入殘差網(wǎng)絡；其次為提高小目標的檢測能力，增加對4倍下采樣特征的檢測；然后通過數(shù)據(jù)集對未改進YOLO v3和改進后YOLO v3進行訓練獲取模型；最后將Faster R-CNN、未改進YOLO v3和改進后YOLO v3進行實驗對比，數(shù)據(jù)顯示改進后YOLO v3的準確度提升14個百分點以上，能較好地檢測出飛行目標。

關(guān)鍵詞：飛行目標檢測；YOLO v3；深度學習

中圖分類號：TP391" " 文獻標志碼：A" " 文章編號：1671-0797（2024）23-0081-04

DOI：10.19514/j.cnki.cn32-1628/tm.2024.23.018

0" " 引言

深度學習方法是當下十分熱門的研究領域，與傳統(tǒng)學習算法[1-2]相比不需要人工設計特征提取，其通過神經(jīng)網(wǎng)絡對大量數(shù)據(jù)的學習，得到一個能夠準確描述數(shù)據(jù)深層次特征的模型，是一步到位的學習方法，識別效果取決于訓練集數(shù)據(jù)量和學習網(wǎng)絡結(jié)構(gòu)的設計。深度網(wǎng)絡一般參數(shù)量大，所需內(nèi)存較大，訓練數(shù)據(jù)量大且計算過程復雜，一般要借助GPU加速運算[3]。

YOLO（You Only Look Once） v3是Redmon[4]等人在YOLO v2的基礎上融入ResNet網(wǎng)絡而來[5]，主要特點有以下幾個方面：

1）Darknet-53結(jié)構(gòu)。隨著網(wǎng)絡加深，網(wǎng)絡的優(yōu)化更加艱難，理論上，越深的網(wǎng)絡，效果應該越好，但實際上，過深的網(wǎng)絡會產(chǎn)生退化問題，效果反而不如相對較淺的網(wǎng)絡[6]，因此Darknet-53借鑒深度殘差網(wǎng)絡設計策略，使用Skip Shotcut連接方式構(gòu)建殘差單元，解決深層網(wǎng)絡梯度消失和爆炸問題，保證深層網(wǎng)絡下仍能收斂，特征表達更豐富[7]。

2）多尺度特征融合。YOLO v2中通過轉(zhuǎn)移層將高分辨率特征抽取后拼接在低分辨率特征后，這種做法不改變最終輸出特征的尺度，而改變特征深度，一定程度上破壞了高分辨率特征的結(jié)構(gòu)信息。YOLO v3使用了upsample（上采樣）操作[8]，并將大特征圖和小特征圖upsample后的特征圖進行concat，最終輸出三個尺度的特征金字塔，這樣的特征圖既包含豐富的高層抽象特征，又包含精確的位置信息特征[9]。在三個不同的尺度特征下做目標檢測，能夠適應多種不同大小的目標檢測任務。

3）邏輯回歸。YOLO v3中也采用先驗框策略，在每個尺度上設置3個先驗框，3個尺度共設置9個先驗框，采用K-means算法對數(shù)據(jù)集Ground Truth聚類生成先驗框尺寸。YOLO v3用邏輯回歸（logistic regression）為每一個候選框預測一個目標評分（objectness score），如果某個先驗框與Ground Truth的重疊區(qū)域為9個先驗框的最大值，則相對應目標評分置1，即將該先驗框與Ground Truth相匹配，后續(xù)計算誤差時，僅考慮最佳先驗框與Ground Truth的誤差，其他先驗框不會對坐標或類預測造成任何損失。

4）類別預測。針對同一目標給予多種類型標注時，不再采用softMax分類器，而選擇獨立logistic分類器，在訓練過程中，使用二元交叉熵損失進行類預測。

1" " 改進YOLO v3結(jié)構(gòu)

YOLO v3中特征提取部分引入殘差網(wǎng)絡的思想，而目標檢測層仍然采用常規(guī)卷積形式，為避免梯度消失，增強特征的復用，受殘差網(wǎng)絡的啟發(fā)，將6個DBL單元分解為2個殘差單元和2個DBL單元，如圖1所示。

特征圖的分辨率會影響目標檢測性能指標，低分辨率特征圖用來表達深層次信息，但其對小目標的語義信息丟失嚴重，一般用作大目標檢測，在攝像機視頻畫面中，飛機占據(jù)少部分像素位置，呈現(xiàn)為較小目標。YOLO v3對8倍、16倍、32倍下采樣特征進行目標檢測，此時對小目標的檢測能力較弱，本文舍棄32倍特征的目標檢測，而增加對4倍下采樣特征的檢測，為保留深層特征信息，仍將32倍特征進行上采樣后與16倍特征結(jié)合，以此增強對小目標檢測的能力。改進后的結(jié)構(gòu)如圖2所示。

2" " 改進YOLO v3網(wǎng)絡訓練

本文研究對象為飛機目標，所搜集數(shù)據(jù)集總計4 000張圖片，其中訓練集3 200張，驗證集800張，通過打標工具LabelImg進行標注，標注完成自動生成

.xml文件。由于數(shù)據(jù)集數(shù)量有限，若對網(wǎng)絡中所有參數(shù)進行訓練，則會產(chǎn)生過擬合現(xiàn)象，模型的泛化能力變差，YOLO v3作者已在ImageNet數(shù)據(jù)集上對Darknet-53結(jié)構(gòu)進行了預訓練，得到了前74層權(quán)重，由于網(wǎng)絡的改進位置在檢測部分，所以在特征提取部分遷移預訓練權(quán)重，僅對深層的檢測、回歸網(wǎng)絡進行訓練。訓練分兩步進行，總共進行200 epoch（所有圖像訓練一輪），第一步訓練100 epoch，設置學習率為0.001，第二次訓練設置學習率0.000 1，若連續(xù)三輪次損失值沒有減小，則學習率降為十分之一，若達到200 epoch或連續(xù)10 epoch損失值沒有減小，則終止訓練。

圖3給出了訓練過程中損失值與epoch的關(guān)系，其中▲線為YOLO v3，lt;E：＼雜志＼2024＼2024年機電＼2024-12期＼2024-23期＼2024-12月機電正文＼圖標.jpggt;線代表改進的YOLO v3，改進結(jié)構(gòu)在前40個epoch loss迅速下降至1以下，約60 epoch下降至0.5以下，并逐漸趨于穩(wěn)定，改進后的結(jié)構(gòu)loss值整體要低于未改進結(jié)構(gòu)。圖4給出了Avg IOU與epoch的關(guān)系，改進結(jié)構(gòu)在第50 epoch左右達到0.7，并逐漸穩(wěn)定在0.85，與未改進結(jié)構(gòu)相比，在第37 epoch相交后，改進結(jié)構(gòu)的Avg IOU始終高于未改進結(jié)構(gòu)。在訓練過程中，訓練100 epoch后，每隔10 epoch保存一次模型，首先選出mAP（mean Average Precision）最高的模型作為實驗模型，通過驗證集篩選，YOLO v3在第180 epoch處模型、改進YOLO v3在190 epoch處模型mAP最高。

3" " 實驗結(jié)果及分析

在高性能計算機上訓練得到網(wǎng)絡模型后，在常規(guī)配置計算機（CPU為8核3.5 GHz，內(nèi)存8 GB，GPU GTX1050的臺式計算機）上進行效果驗證。本文對改進YOLO v3、YOLO v3、Faster R-CNN模型進行對比，其中改進YOLO v3和未改進YOLO v3模型由自主訓練而得，F(xiàn)aster R-CNN則選用官方模型作為實驗模型，實驗視頻為航展飛行視頻。

圖5（a）列為Faster R-CNN實驗效果，雖然對小目標具有較好的識別能力，但單幀處理耗時約1.3 s，顯然不能滿足實時處理的要求。圖5（b）為未改進YOLO v3實驗效果，單幀處理耗時約300 ms，但存在兩個問題：其一，識別置信度相比Faster R-CNN模型較低；其二，對小目標檢測能力較差，例如第555幀中，目標完全不能識別。圖5（c）為改進YOLO v3實驗效果，單幀處理耗時340 ms左右，相比未改進模型，檢測網(wǎng)絡的改進中多加入了一次上采樣處理，對大尺度特征圖進行檢測，這是耗時增加的主要原因，也正因為此改進，對小目標的識別能力得到提升。

三種算法對比數(shù)據(jù)如表1所示，其中準確率為置信閾值設置為0.5的條件下正確識別目標與實際目標的比值。

就準確率而言，改進后的YOLO v3相比未改進YOLO v3提升了約14個百分點，而Faster R-CNN準確率最低，其主要原因是采用的官方模型未進行個人數(shù)據(jù)集專項訓練。本文在考慮準確率的同時處理速度也是重要指標，在研究之初，官方模型運行速度耗時較長，距離實時處理要求較遠，因此，未對Faster R-CNN網(wǎng)絡進行專項訓練。就處理速度而言，改進YOLO v3雖然單幀耗時有所增加，但仍然在同一量級。

4" " 結(jié)束語

本文在YOLO v3的基礎上，為避免梯度消失，增強特征的復用，受殘差網(wǎng)絡的啟發(fā)，在特征檢測層引入殘差網(wǎng)絡。針對小目標難以檢測的問題，增加對4倍下采樣特征的檢測，并將32倍特征進行上采樣與16倍特征結(jié)合，增強對小目標檢測的能力。通過與Faster R-CNN、未改進YOLO v3對比，實驗顯示，檢測準確率提升了14個百分點，能夠較好地實現(xiàn)小目標的檢測。

[參考文獻]

[1] NASSIH B，AMINE A，NGADI M，et al.DCT and HOG Feature Sets Combined with BPNN for Efficient Face Classification[J].Procedia Computer Science，2019，148：116-125.

[2] OJALA T，PIETIKAINEN M，MAENPAA T.Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24（7）：971-987.

[3] 劉曉楠，王正平，賀云濤，等.基于深度學習的小目標檢測研究綜述[J].戰(zhàn)術(shù)導彈技術(shù)，2019（1）：100-107.

[4] REDMON J，F(xiàn)ARHADI A.YOLO v3：an incremental improvement[EB/OL].（2020-02-11）[2024-07-28].https：//pjreddie.

com/media/files/papers/YOLOv3.pdf.

[5] 歐陽繼紅，王梓明，劉思光.改進多尺度特征的YOLO_v4目標檢測方法[J].吉林大學學報（理學版），2022，60（6）：1349-1355.

[6] 耿創(chuàng)，宋品德，曹立佳.YOLO算法在目標檢測中的研究進展[J].兵器裝備工程學報，2022，43（9）：162-173.

[7] 邵延華，張鐸，楚紅雨，等.基于深度學習的YOLO目標檢測綜述[J].電子與信息學報，2022，44（10）：3697-3708.

[8] 張麗瑩，龐春江，王新穎，等.基于改進YOLO v3的多尺度目標檢測算法[J].計算機應用，2022，42（8）：2423-2431.

[9] 蔡偉，徐佩偉，楊志勇，等.復雜背景下紅外圖像弱小目標檢測[J].應用光學，2021，42（4）：643-650.

收稿日期：2024-08-23

作者簡介：李玉虎（1995—），男，山東濟寧人，碩士，助理實驗師，研究方向：測控技術(shù)與儀器、自動化技術(shù)。