謝 夢，劉 偉,2，楊夢圓，柴 琪，吉 莉

(1. 江蘇師范大學地理測繪與城鄉(xiāng)規(guī)劃院，江蘇 徐州 221116； 2. 資源與環(huán)境信息系統(tǒng)國家重點實驗室，北京 100101)

隨著遙感影像空間分辨率的提高，對高分遙感影像的處理和應(yīng)用正變得日益緊迫。飛機檢測在軍用和民用領(lǐng)域均具有相當廣泛的應(yīng)用，近年來已經(jīng)成為高分遙感影像目標檢測中一個極其重要的研究方向[1]。關(guān)于飛機檢測的研究方法，多數(shù)是利用飛機的基本特征來識別目標，通過獲取飛機的基本特征后送入分類器分類[2-4]，這些方法對人工選擇目標特征具有很強的依賴性。

深度學習是機器學習領(lǐng)域一個新的研究方向，其目的在于建立模擬人腦進行分析學習的神經(jīng)網(wǎng)絡(luò)，模仿人腦的神經(jīng)機制來解釋數(shù)據(jù)，如圖像、聲音和文本。近年來，深度學習算法在圖像分類[5]、自然語言處理[6]、人工智能[7-8]等領(lǐng)域取得前所未有的成果。通過低層濾波器來獲取圖像局部特征，利用高層濾波器將這些局部特征組合成全局特征。整個過程都是通過網(wǎng)絡(luò)訓練大量樣本來自動提取影像特征，有效地提高了執(zhí)行效率和檢測精度。因此，深度學習在遙感應(yīng)用中引起了廣泛關(guān)注，并在場景分類[9]、高光譜圖像分類[10-11]、目標檢測[12-13]等方面取得了顯著成效。

基于深度學習的飛機檢測克服了傳統(tǒng)檢測方法中目標特征難以選取、泛化能力差等問題，但也面臨巨大挑戰(zhàn)，主要為訓練樣本不足、網(wǎng)絡(luò)難以訓練[14]。同時，為了得到較高的識別率，網(wǎng)絡(luò)設(shè)計越來越復(fù)雜，網(wǎng)絡(luò)參數(shù)增大，飛機所處的遙感影像背景復(fù)雜且飛機形態(tài)存在差異[13]，因此準確而快速地檢測出遙感影像中飛機仍然十分困難[1]。

深度學習在目標檢測方面主要分為兩類:一類是基于候選區(qū)域的分步式目標檢測方法，代表性的有R-CNN[15]、SPP[16]、Fast R-CNN[17]、Faster R-CNN[18];另一類是基于回歸思想的直接目標檢測方法，代表性的有YOLO[19]、SSD[20]。前者定位精度高，但檢測時間長，后者檢測速度快、正確率高。很多學者都青睞YOLO算法，通過對其網(wǎng)絡(luò)結(jié)構(gòu)進行改進來提高網(wǎng)絡(luò)性能。文獻[21]提出一種Dense-YOLO網(wǎng)絡(luò)，通過特征復(fù)用提高對遙感影像中飛機的識別效果，但內(nèi)存占用較大，文獻[22]提出一種SENet結(jié)構(gòu)嵌入YOLOv3網(wǎng)絡(luò)中，融合YOLOv3(you look only once)與SENet的優(yōu)點，增強了網(wǎng)絡(luò)感受野，但網(wǎng)絡(luò)訓練參數(shù)較多。

由于YOLOv3算法對原圖做縮放處理，造成網(wǎng)絡(luò)高層的感受野減小，導致“相對尺寸小”的目標檢測困難，其中相對尺寸小的目標是相對原圖的長寬。本文為擴大網(wǎng)絡(luò)高層的感受野，提高特征圖的分辨率，將擴張卷積[23-24]引入YOLOv3網(wǎng)絡(luò)，為減少需要計算的可訓練權(quán)重參數(shù)，實現(xiàn)通道和區(qū)域的分離，再將深度可分離卷積[25]引入網(wǎng)絡(luò)。試驗結(jié)果表明：相比于YOLOv3算法，優(yōu)化的YOLOv3算法能夠降低漏檢率，提高小目標的檢測精度。

1 YOLOv3算法

YOLO是一種多目標檢測算法，在訓練和預(yù)測時將整張圖像輸入網(wǎng)絡(luò)模型，直接回歸出目標中心位置、目標長寬和類別，以實現(xiàn)端到端的目標檢測。

(1)

(2)

2 YOLOv3算法的優(yōu)化

本文首先使用K-means聚類算法計算出適用于數(shù)據(jù)集的錨框，然后用擴張率為2的擴張卷積取代YOLOv3網(wǎng)絡(luò)第76、78、80層卷積核為3×3的普通卷積，并用深度可分離卷積取代原網(wǎng)絡(luò)殘差模塊中的普通卷積，算法的優(yōu)化主要體現(xiàn)在以下3個方面。

2.1 錨框(anchorbox)

由于YOLOv3算法中的anchorbox是由VOC20和COCO80數(shù)據(jù)集聚類得到，而本文數(shù)據(jù)集中的飛機相對較小，不適合使用原定義的anchorbox[21]，因此需要對本文數(shù)據(jù)集的目標候選框進行維度聚類分析，使用K-means聚類算法獲取適合本文數(shù)據(jù)集的anchorbox。

2.2 擴張卷積(dilated convolutions)

擴張卷積是向卷積層引入一個稱為擴張率(dilation rate)的新參數(shù)，該參數(shù)定義卷積核處理數(shù)據(jù)時各值的間距。傳統(tǒng)的骨干網(wǎng)絡(luò)基于大的下采樣因子可以生成更高的感受野，有利于圖像分類，但犧牲了空間分辨率，從而使網(wǎng)絡(luò)難以準確地定位大型目標和識別小型目標[26]。YOLOv3算法對原圖做了縮放，造成網(wǎng)絡(luò)高層感受野減小，本文引入擴張卷積層增加網(wǎng)絡(luò)高層感受野，以改善小目標檢測效果。擴張卷積的原理如圖1所示。

圖1中灰度點標記位置同正常卷積核，其他位置為0，其中圖1(a)為3×3擴張率為1的卷積，與普通卷積一樣，感受野為9；圖1(b)為擴張率為2的卷積，感受野為49；圖1(c)為擴張率為4的卷積，感受野為225，從圖中可以看出卷積核的參數(shù)個數(shù)保持不變，感受野的大小隨著擴張率的增加呈指數(shù)增長。

2.3 深度可分離卷積(depthwise separable convolutions)

深度可分卷積[25]是在輸入的每個通道獨立執(zhí)行空間卷積，然后進行逐點卷積，即1×1卷積，將深度卷積的通道輸出映射到新的通道空間。深度可分離卷積比普通卷積減少訓練參數(shù)，而且它先只考慮區(qū)域，然后再考慮通道，以實現(xiàn)區(qū)域和通道的分離。深度可分離卷積的過程如圖2所示。

從圖2可以看出，每一個通道用一個卷積核卷積之后得到對應(yīng)一個通道的輸出，然后再進行信息融合。假設(shè)輸入通道數(shù)為3，輸出通道數(shù)為32，用一個3×3卷積核進行卷積，則普通卷積需要計算的參數(shù)為3×3×3×32=864，深度可分離卷積要計算的參數(shù)為： 3×3×3+3×1×1×32=123， 深度可分離卷積明顯降低了參數(shù)量。本文優(yōu)化的YOLOv3算法模型結(jié)構(gòu)如圖3所示。

3 試驗與結(jié)果分析

本文試驗環(huán)境為在Ubuntu16.04操作系統(tǒng)下，安裝配置Cuda9.1.85和Python3.6.5，并搭建Keras和Tensorflow深度學習平臺，算法的訓練和測試均在GPU加速下完成。

3.1 數(shù)據(jù)集制作

在遙感影像飛機目標檢測的應(yīng)用研究方面，目前幾乎沒有公開的符合深度學習訓練的數(shù)據(jù)集，這也是制約該方向應(yīng)用的主要問題之一。本文研究的影像來自DOTA(http:∥captain.whu.edu.cn/DOTAweb/)、UCAS-AOD(http:∥www.ucassdl.cn/resource.asp)、RSOD-Dataset(https:∥github.com/RSIA-LIESMARS-WHU/RSOD-Dataset)3個遙感影像數(shù)集，影像的尺寸一般是1044×944。在制作數(shù)據(jù)集的過程中，依據(jù)VOC2007的數(shù)據(jù)集格式，對影像進行統(tǒng)一格式的命名，再利用labelImg(https:∥github.com/tzutalin/labelImg)圖片標注工具對影像進行標注，生成包含有目標類別位置信息的XML文件。試驗共制作446張數(shù)據(jù)集，其中386張訓練集，42張驗證集，18張測試集，飛機樣本如圖4所示。

3.2 網(wǎng)絡(luò)訓練

對YOLOv3算法和優(yōu)化的YOLOv3算法分別迭代200次進行訓練，飛機在影像中屬于小目標，經(jīng)過多次對比試驗，算法采用按步長衰減學習率的策略，設(shè)置基礎(chǔ)學習率為0.001，在迭代120次、180次時學習率變成基礎(chǔ)學習率的0.1倍和0.01倍。選取Batch_size(每批數(shù)據(jù)量的大小)為10，沖量常數(shù)為0.9，權(quán)值衰減系數(shù)為0.000 5，從而避免出現(xiàn)過擬合現(xiàn)象。

3.3 結(jié)果分析

將YOLOv3算法和優(yōu)化的YOLOv3算法在本文測試集上進行對比測試，分別計算準確率、召回率和F1-score。精確率的公式為

(3)

召回率的公式為

(4)

F1-score的公式為

(5)

式中，TP為正確檢測出的飛機個數(shù)；FP為誤檢的飛機個數(shù)；FN為漏檢的飛機個數(shù)。

F1-score是使用調(diào)和平均結(jié)合召回率和精度的指標。從表1可以看出，本文優(yōu)化YOLOv3算法的召回率比YOLOv3算法高出11.86%，精確率下降7.27%。此時需要F1-score來進行總體衡量。試驗結(jié)果表明本文在使用K-means聚類算法和擴張卷積后，其F1-score比YOLOv3高出1.33%，網(wǎng)絡(luò)中再加入深度可分離卷積后，其F1-score比YOLOv3高出2.99%。由此可見，本文算法明顯優(yōu)于YOLOv3算法。圖5是YOLOv3算法和優(yōu)化YOLOv3算法對2張相同圖像的檢測結(jié)果。從圖5中可以看出YOLOv3算法不能準確檢測出影像中的小目標，出現(xiàn)較多漏檢情況，框上沒字是漏檢，框上有字是算法檢測出的飛機。優(yōu)化的YOLOv3算法增強了網(wǎng)絡(luò)高層的感受野，能夠準確檢測出影像中的小目標，有效地降低漏檢率，提高小目標檢測的精度。

(%)

4 結(jié) 語

本文針對YOLOv3算法對小目標檢測效果較差、出現(xiàn)較多漏檢的情況，使用K-means聚類算法計算出適合本文數(shù)據(jù)集的錨框，在YOLOv3算法的網(wǎng)絡(luò)結(jié)構(gòu)中引入擴張卷積，用來增強網(wǎng)絡(luò)高層的感受野，改善對小目標的檢測效果，并在網(wǎng)絡(luò)結(jié)構(gòu)中引入深度可分離卷積來減少計算參數(shù)和分別學習空間特征和通道特征。試驗結(jié)果表明，優(yōu)化的YOLOv3算法比YOLOv3算法的召回率提高了11.86%，而且F1-score提高了2.99%，能準確檢測到更多目標，提高小目標的檢測精度。由于遙感影像目標檢測作為圖像解譯的一個重要研究方向，其對于資源調(diào)查、災(zāi)害監(jiān)測、資源勘探及軍事目標的識別判讀等都具有重要的意義。在今后的研究工作中，會增加訓練集以提高樣本多樣性，而且在繼續(xù)提升召回率的同時，提高精確率。