謝 夢(mèng)，劉 偉,2，楊夢(mèng)圓，柴 琪，吉 莉

(1. 江蘇師范大學(xué)地理測(cè)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(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101)

隨著遙感影像空間分辨率的提高，對(duì)高分遙感影像的處理和應(yīng)用正變得日益緊迫。飛機(jī)檢測(cè)在軍用和民用領(lǐng)域均具有相當(dāng)廣泛的應(yīng)用，近年來(lái)已經(jīng)成為高分遙感影像目標(biāo)檢測(cè)中一個(gè)極其重要的研究方向[1]。關(guān)于飛機(jī)檢測(cè)的研究方法，多數(shù)是利用飛機(jī)的基本特征來(lái)識(shí)別目標(biāo)，通過(guò)獲取飛機(jī)的基本特征后送入分類(lèi)器分類(lèi)[2-4]，這些方法對(duì)人工選擇目標(biāo)特征具有很強(qiáng)的依賴(lài)性。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域一個(gè)新的研究方向，其目的在于建立模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的神經(jīng)機(jī)制來(lái)解釋數(shù)據(jù)，如圖像、聲音和文本。近年來(lái)，深度學(xué)習(xí)算法在圖像分類(lèi)[5]、自然語(yǔ)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(guò)低層濾波器來(lái)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(gè)過(guò)程都是通過(guò)網(wǎng)絡(luò)訓(xùn)練大量樣本來(lái)自動(dòng)提取影像特征，有效地提高了執(zhí)行效率和檢測(cè)精度。因此，深度學(xué)習(xí)在遙感應(yīng)用中引起了廣泛關(guān)注，并在場(chǎng)景分類(lèi)[9]、高光譜圖像分類(lèi)[10-11]、目標(biāo)檢測(cè)[12-13]等方面取得了顯著成效。

基于深度學(xué)習(xí)的飛機(jī)檢測(cè)克服了傳統(tǒng)檢測(cè)方法中目標(biāo)特征難以選取、泛化能力差等問(wèn)題，但也面臨巨大挑戰(zhàn)，主要為訓(xùn)練樣本不足、網(wǎng)絡(luò)難以訓(xùn)練[14]。同時(shí)，為了得到較高的識(shí)別率，網(wǎng)絡(luò)設(shè)計(jì)越來(lái)越復(fù)雜，網(wǎng)絡(luò)參數(shù)增大，飛機(jī)所處的遙感影像背景復(fù)雜且飛機(jī)形態(tài)存在差異[13]，因此準(zhǔn)確而快速地檢測(cè)出遙感影像中飛機(jī)仍然十分困難[1]。

深度學(xué)習(xí)在目標(biāo)檢測(cè)方面主要分為兩類(lèi):一類(lèi)是基于候選區(qū)域的分步式目標(biāo)檢測(cè)方法，代表性的有R-CNN[15]、SPP[16]、Fast R-CNN[17]、Faster R-CNN[18];另一類(lèi)是基于回歸思想的直接目標(biāo)檢測(cè)方法，代表性的有YOLO[19]、SSD[20]。前者定位精度高，但檢測(cè)時(shí)間長(zhǎng)，后者檢測(cè)速度快、正確率高。很多學(xué)者都青睞YOLO算法，通過(guò)對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)來(lái)提高網(wǎng)絡(luò)性能。文獻(xiàn)[21]提出一種Dense-YOLO網(wǎng)絡(luò)，通過(guò)特征復(fù)用提高對(duì)遙感影像中飛機(jī)的識(shí)別效果，但內(nèi)存占用較大，文獻(xiàn)[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(diǎn)，增強(qiáng)了網(wǎng)絡(luò)感受野，但網(wǎng)絡(luò)訓(xùn)練參數(shù)較多。

由于YOLOv3算法對(duì)原圖做縮放處理，造成網(wǎng)絡(luò)高層的感受野減小，導(dǎo)致“相對(duì)尺寸小”的目標(biāo)檢測(cè)困難，其中相對(duì)尺寸小的目標(biāo)是相對(duì)原圖的長(zhǎng)寬。本文為擴(kuò)大網(wǎng)絡(luò)高層的感受野，提高特征圖的分辨率，將擴(kuò)張卷積[23-24]引入YOLOv3網(wǎng)絡(luò)，為減少需要計(jì)算的可訓(xùn)練權(quán)重參數(shù)，實(shí)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(yàn)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(biāo)的檢測(cè)精度。

1 YOLOv3算法

YOLO是一種多目標(biāo)檢測(cè)算法，在訓(xùn)練和預(yù)測(cè)時(shí)將整張圖像輸入網(wǎng)絡(luò)模型，直接回歸出目標(biāo)中心位置、目標(biāo)長(zhǎng)寬和類(lèi)別，以實(shí)現(xiàn)端到端的目標(biāo)檢測(cè)。

(1)

(2)

2 YOLOv3算法的優(yōu)化

本文首先使用K-means聚類(lèi)算法計(jì)算出適用于數(shù)據(jù)集的錨框，然后用擴(kuò)張率為2的擴(kuò)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(gè)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(lèi)得到，而本文數(shù)據(jù)集中的飛機(jī)相對(duì)較小，不適合使用原定義的anchorbox[21]，因此需要對(duì)本文數(shù)據(jù)集的目標(biāo)候選框進(jìn)行維度聚類(lèi)分析，使用K-means聚類(lèi)算法獲取適合本文數(shù)據(jù)集的anchorbox。

2.2 擴(kuò)張卷積(dilated convolutions)

擴(kuò)張卷積是向卷積層引入一個(gè)稱(chēng)為擴(kuò)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(shí)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(lèi)，但犧牲了空間分辨率，從而使網(wǎng)絡(luò)難以準(zhǔn)確地定位大型目標(biāo)和識(shí)別小型目標(biāo)[26]。YOLOv3算法對(duì)原圖做了縮放，造成網(wǎng)絡(luò)高層感受野減小，本文引入擴(kuò)張卷積層增加網(wǎng)絡(luò)高層感受野，以改善小目標(biāo)檢測(cè)效果。擴(kuò)張卷積的原理如圖1所示。

圖1中灰度點(diǎn)標(biāo)記位置同正常卷積核，其他位置為0，其中圖1(a)為3×3擴(kuò)張率為1的卷積，與普通卷積一樣，感受野為9；圖1(b)為擴(kuò)張率為2的卷積，感受野為49；圖1(c)為擴(kuò)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(gè)數(shù)保持不變，感受野的大小隨著擴(kuò)張率的增加呈指數(shù)增長(zhǎng)。

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(gè)通道獨(dú)立執(zhí)行空間卷積，然后進(jìn)行逐點(diǎn)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(xùn)練參數(shù)，而且它先只考慮區(qū)域，然后再考慮通道，以實(shí)現(xiàn)區(qū)域和通道的分離。深度可分離卷積的過(guò)程如圖2所示。

從圖2可以看出，每一個(gè)通道用一個(gè)卷積核卷積之后得到對(duì)應(yīng)一個(gè)通道的輸出，然后再進(jìn)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(gè)3×3卷積核進(jìn)行卷積，則普通卷積需要計(jì)算的參數(shù)為3×3×3×32=864，深度可分離卷積要計(jì)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(yàn)與結(jié)果分析

本文試驗(yàn)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(xué)習(xí)平臺(tái)，算法的訓(xùn)練和測(cè)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(jī)目標(biāo)檢測(cè)的應(yīng)用研究方面，目前幾乎沒(méi)有公開(kāi)的符合深度學(xué)習(xí)訓(xùn)練的數(shù)據(jù)集，這也是制約該方向應(yīng)用的主要問(wèn)題之一。本文研究的影像來(lái)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(gè)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(guò)程中，依據(jù)VOC2007的數(shù)據(jù)集格式，對(duì)影像進(jìn)行統(tǒng)一格式的命名，再利用labelImg(https:∥github.com/tzutalin/labelImg)圖片標(biāo)注工具對(duì)影像進(jìn)行標(biāo)注，生成包含有目標(biāo)類(lèi)別位置信息的XML文件。試驗(yàn)共制作446張數(shù)據(jù)集，其中386張訓(xùn)練集，42張驗(yàn)證集，18張測(cè)試集，飛機(jī)樣本如圖4所示。

3.2 網(wǎng)絡(luò)訓(xùn)練

對(duì)YOLOv3算法和優(yōu)化的YOLOv3算法分別迭代200次進(jìn)行訓(xùn)練，飛機(jī)在影像中屬于小目標(biāo)，經(jīng)過(guò)多次對(duì)比試驗(yàn)，算法采用按步長(zhǎng)衰減學(xué)習(xí)率的策略，設(shè)置基礎(chǔ)學(xué)習(xí)率為0.001，在迭代120次、180次時(shí)學(xué)習(xí)率變成基礎(chǔ)學(xué)習(xí)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(guò)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(cè)試集上進(jìn)行對(duì)比測(cè)試，分別計(jì)算準(zhǔn)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(cè)出的飛機(jī)個(gè)數(shù)；FP為誤檢的飛機(jī)個(gè)數(shù)；FN為漏檢的飛機(jī)個(gè)數(shù)。

F1-score是使用調(diào)和平均結(jié)合召回率和精度的指標(biāo)。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(shí)需要F1-score來(lái)進(jìn)行總體衡量。試驗(yàn)結(jié)果表明本文在使用K-means聚類(lèi)算法和擴(kuò)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(jiàn)，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(duì)2張相同圖像的檢測(cè)結(jié)果。從圖5中可以看出YOLOv3算法不能準(zhǔn)確檢測(cè)出影像中的小目標(biāo)，出現(xiàn)較多漏檢情況，框上沒(méi)字是漏檢，框上有字是算法檢測(cè)出的飛機(jī)。優(yōu)化的YOLOv3算法增強(qiáng)了網(wǎng)絡(luò)高層的感受野，能夠準(zhǔn)確檢測(cè)出影像中的小目標(biāo)，有效地降低漏檢率，提高小目標(biāo)檢測(cè)的精度。

(%)

4 結(jié) 語(yǔ)

本文針對(duì)YOLOv3算法對(duì)小目標(biāo)檢測(cè)效果較差、出現(xiàn)較多漏檢的情況，使用K-means聚類(lèi)算法計(jì)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(kuò)張卷積，用來(lái)增強(qiáng)網(wǎng)絡(luò)高層的感受野，改善對(duì)小目標(biāo)的檢測(cè)效果，并在網(wǎng)絡(luò)結(jié)構(gòu)中引入深度可分離卷積來(lái)減少計(jì)算參數(shù)和分別學(xué)習(xí)空間特征和通道特征。試驗(yàn)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(zhǔn)確檢測(cè)到更多目標(biāo)，提高小目標(biāo)的檢測(cè)精度。由于遙感影像目標(biāo)檢測(cè)作為圖像解譯的一個(gè)重要研究方向，其對(duì)于資源調(diào)查、災(zāi)害監(jiān)測(cè)、資源勘探及軍事目標(biāo)的識(shí)別判讀等都具有重要的意義。在今后的研究工作中，會(huì)增加訓(xùn)練集以提高樣本多樣性，而且在繼續(xù)提升召回率的同時(shí)，提高精確率。