黃志堅　張成　王慰慈

摘要：

為解決船舶圖像與視頻檢測算法識別率低、實時性差的問題，提出基于回歸深度卷積網(wǎng)絡(luò)的船舶圖像與視頻檢測方法。結(jié)合YOLOv2特征提取層和YOLOv3的特征金字塔網(wǎng)絡(luò)（feature?pyramid?network，?FPN）?層思想設(shè)計新的網(wǎng)絡(luò)結(jié)構(gòu)，驗證不同激活函數(shù)效果，采用聚類算法設(shè)計錨框大小。實驗表明，相比于YOLO系列網(wǎng)絡(luò)，本文的方法在船舶圖像與視頻檢測中效果更好，在測試集上平均精度均值為0.920?9，召回率為0.981?8，平均交并比為0.799?1，在視頻檢測中每秒鐘檢測的幀數(shù)為78～80。為港口船舶智能管理和無人船視覺處理提供一種準(zhǔn)確度高和實時性好的船舶檢測方法。

關(guān)鍵詞：

船舶檢測;?回歸深度卷積網(wǎng)絡(luò);?YOLO;?港口管理;?無人船

中圖分類號：U675.79文獻(xiàn)標(biāo)志碼：A

收稿日期：?2018-11-07

修回日期：?2019-03-01

基金項目：?國家自然科學(xué)基金（61403250）

作者簡介：

黃志堅（1979—），男，江西九江人，高級工程師，博士，研究方向為控制算法，（E-mail）zjhuang@shmtu.edu.cn

Ship?image?and?video?detection?based?on?regression

deep?convolutional?network

HUANG?Zhijian1，?ZHANG?Cheng1，?WANG?Weici2

（1.Merchant?Marine?College，?Shanghai?Maritime?University，?Shanghai?201306，?China;

2.The?711st?Research?Institute，?China?Shipbuilding?Heavy?Industry?Group，?Shanghai?201108，?China）

Abstract：

In?order?to?solve?the?problems?of?low?recognition?rate?and?poor?real-time?performance?of?ship?image?and?video?detection?algorithm，?a?ship?image?and?video?detection?method?based?on?the?regression?deep?convolutional?network?is?proposed.?Combining?the?YOLOv2?feature?extraction?layer?and?the?YOLOv3?feature?pyramid?network?（FPN）?layer，?a?new?network?structure?is?designed，?the?effects?of?different?activation?functions?are?verified，?and?the?anchor?size?is?designed?by?the?clustering?algorithm.?Experiments?show?that，?compared?with?the?YOLO?series?network，?the?proposed?method?is?better?in?ship?image?and?video?detection.?The?mean?average?precision?on?the?test?set?is?0.920?9，?the?recall?rate?is?0.981?8，?the?mean?intersection?over?union?is?0.799?1，?and?the?number?of?frames?detected?per?second?is?78?to?80?in?the?video?detection.?It?provides?a?ship?detection?method?with?high?accuracy?and?good?real-time?performance?for?port?ship?intelligent?management?and?unmanned?ship?visual?processing.

Key?words：

ship?detection;?regression?deep?convolutional?network;?YOLO;?port?management;?unmanned?ship

0?引?言

隨著我國經(jīng)濟(jì)飛速發(fā)展，以及對外貿(mào)易日益增長，航運(yùn)事業(yè)的發(fā)展也開始向智能化邁進(jìn)。借助于計算機(jī)視覺的船舶圖像與視頻檢測已開始在港口監(jiān)管服務(wù)以及無人船中應(yīng)用。準(zhǔn)確快速的檢測方法，不僅對港口管理具有重要的意義，也能夠保障無人船的安全行駛。

傳統(tǒng)的船舶圖像與視頻檢測分類方法多是基于船舶結(jié)構(gòu)形狀進(jìn)行人工特征設(shè)計的方法：2014年蔣少峰等[1]提出基于結(jié)構(gòu)特征的商用船舶分類算法;2016年YKSEL等[2]從三維船舶模型的輪廓圖像中提取了船舶特征。這些研究雖然取得了較好的效果，但是在環(huán)境背景復(fù)雜、船體差異小的情況下不能得到較好的效果，且對船舶的多分類情況識別率不理想。

相對于傳統(tǒng)的船舶圖像與視頻檢測分類方法，深度卷積神經(jīng)網(wǎng)絡(luò)以其優(yōu)越的性能在船舶檢測分類應(yīng)用中的地位越來越重要：2016年RAINEY等[3]利用深度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)了對衛(wèi)星船舶的分類;2017年戚超等[4]用8層卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)結(jié)合實現(xiàn)了對船舶的精細(xì)分類;2018年王新立等[5]通過改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)了船舶的目標(biāo)檢測。這些利用深度卷積神經(jīng)網(wǎng)絡(luò)的船舶檢測分類方法都取得了不錯的效果。

隨著工程應(yīng)用中對船舶檢測分類的準(zhǔn)確率和實時性的要求不斷提高，本文提出基于回歸深度卷積網(wǎng)絡(luò)的船舶圖像與視頻檢測方法，結(jié)合YOLO[6-8]系列網(wǎng)絡(luò)，通過端到端的訓(xùn)練，最終在7類船舶圖片上實現(xiàn)了定位精度高、平均準(zhǔn)確率高、檢測速度快的效果。

1?深度卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)最早是由加拿大多倫多大學(xué)的LeCun教授提出的，主要用于圖像的識別。經(jīng)過十多年的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)的深度和寬度不斷增加，圖像識別的準(zhǔn)確率也不斷提高。常用的卷積神經(jīng)網(wǎng)絡(luò)包括Lenet-5[9]、AlexNet[10]、VGG[11]、GoogLenet[12]、ResNet[13]和DenseNet[14]等。

卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)見圖1，主要由輸入層、卷積層、池化層、全連接層和輸出層組成。

1.1?輸入層

輸入層的功能是接收輸入圖像，并存儲為矩陣

形式。假定卷積神經(jīng)網(wǎng)絡(luò)有L層，由x（l）代表第l層的特征，l=1，2，…，L。其中x（l）又由多個特征圖組

成，可表示為x（l）=x（l）1，

x（l）2，…，x（l）j，j表示第l層的特征圖數(shù)量，彩色圖像對應(yīng)的特征表示為

x（1）=x（1）1，x（1）2，

x（1）3，其中x（1）1、x（1）2和

x（1）3分別表示R、G和B通道的數(shù)據(jù)。

1.2?卷積層

卷積層的作用是通過卷積操作提取特征。經(jīng)過合適的設(shè)計，隨著卷積層的增加，網(wǎng)絡(luò)的特征表達(dá)能力增強(qiáng)。

第l層卷積層的特征圖x（l）j通過以下方式計算：

式中：k（l）i，j和b（l）j分別表示卷積核和卷積層的偏移量;

G（l）i，j表示該卷積層與前一層特征圖之間的連接矩陣，

G（l）i，j取1時x（l-1）i與x（l）j相關(guān)聯(lián)，取0時無關(guān)聯(lián);符號代表卷積操作;函數(shù)f（·）表示激活函數(shù)。

1.3?池化層

池化層一般設(shè)在卷積層后面，池化操作保持了一定的空間不變性，第l層的池化層的特征圖x（l）j計算式為

x（l）j=px（l-1）j（2）

式中：p（·）表示池化操作。

1.4?全連接層

全連接層設(shè)置在特征提取層后面，將提取的深層特征映射為特征向量，全連接層之間的特征向量x（l）?計算式為

x（l）=fw（l）x（l-1）+b（l）（3）

式中：w（l）表示權(quán)重;b（l）表示偏移量;f（·）表示激活函數(shù)。

1.5?損失函數(shù)

卷積神經(jīng)網(wǎng)絡(luò)通過前向傳播獲得預(yù)測值，通過損失函數(shù)計算預(yù)測值的誤差，在圖像分類中常用的損失函數(shù)交叉熵?fù)p失計算式為

C=-1nxyln?+（1-y）ln（1-）

（4）

式中：x表示樣本;y表示預(yù)測的輸出;表示實際輸出;n表示樣本總數(shù)量。

2?本文設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)

常用的深度卷積神經(jīng)網(wǎng)絡(luò)可以分為兩類：（1）基于區(qū)域提名的RCNN（region-based?convolutional?neural?network）[15]、Fast-RCNN[16]和Faster-RCNN[17]等;（2）基于回歸的ssd[18]、YOLO[6]、YOLOv2[7]和YOLOv3[8]等。基于回歸的深度卷積神經(jīng)網(wǎng)絡(luò)將卷積神經(jīng)網(wǎng)絡(luò)作為回歸器，將待檢測圖像看成一個候選區(qū)輸入卷積神經(jīng)網(wǎng)絡(luò)，回歸目標(biāo)在待檢測圖像中的位置信息，通過端到端的訓(xùn)練，快速獲得最終的邊界框和分類結(jié)果。

本次研究結(jié)合目前流行的回歸深度卷積網(wǎng)絡(luò)YOLO系列，針對YOLOv2檢測效果不理想以及YOLOv3網(wǎng)絡(luò)龐大、訓(xùn)練識別速度慢的缺點(diǎn)，利用YOLOv2的特征提取層和YOLOv3的特征金字塔（feature?pyramid?network，F(xiàn)PN）層思想設(shè)計新的網(wǎng)絡(luò)，驗證不同激活函數(shù)的效果，采用聚類算法設(shè)計錨值，在船舶圖像與視頻檢測上取得了較高的準(zhǔn)確率和良好的實時性。研究得到的的網(wǎng)絡(luò)結(jié)構(gòu)見圖2。該網(wǎng)絡(luò)主要由3部分組成：特征提取層、FPN層和預(yù)測層，具體介紹如下。

由表2可知：本文設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)在3個評價指標(biāo)上均超過了其他兩個網(wǎng)絡(luò)。

3.3?激活函數(shù)的有效性驗證

為測試激活函數(shù)的影響，結(jié)合本文設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)，選取Relu、Elu和Leaky-Relu激活函數(shù)作為對比，在測試集上得到表3所示的結(jié)果。由于Leaky-Relu激活函數(shù)檢測效果更好，且比Elu激活函數(shù)的運(yùn)算量更小，故選取Leaky-Relu作為激活函數(shù)。

3.4?網(wǎng)絡(luò)效果展示

為達(dá)到更好的網(wǎng)絡(luò)效果，在訓(xùn)練網(wǎng)絡(luò)時，首先加載使用Imagenet[19]數(shù)據(jù)集預(yù)訓(xùn)練得到的特征提取層權(quán)重參數(shù)，然后繼續(xù)訓(xùn)練本文設(shè)計的網(wǎng)絡(luò)和YOLOv3、YOLOv2。通過在測試集上進(jìn)行測試以及對視頻進(jìn)行測試，最終得到的結(jié)果見表4。

可以看出，本文設(shè)計的網(wǎng)絡(luò)在使用預(yù)訓(xùn)練權(quán)重時平均精度均值稍低于YOLOv3，但是其他指標(biāo)均優(yōu)于YOLOv3，尤其在視頻檢測速度上比YOLOv3的優(yōu)勢更明顯。本文設(shè)計的網(wǎng)絡(luò)除視頻檢測速度略低外，其他各項指標(biāo)均優(yōu)于YOLOv2。本文設(shè)計的網(wǎng)絡(luò)檢測效果代表性結(jié)果見圖5。

用本文設(shè)計的網(wǎng)絡(luò)對一張有多艘漁船的圖片進(jìn)行檢測，并與用YOLOv3和YOLOv2檢測得到的結(jié)果做對比。由圖6可知，本文設(shè)計的網(wǎng)絡(luò)取得了更好的效果。

4?結(jié)束語

基于計算機(jī)視覺中目標(biāo)檢測技術(shù)的理論基礎(chǔ)，結(jié)合回歸深度卷積網(wǎng)絡(luò)YOLO系列，利用YOLOv2和YOLOv3各自的優(yōu)勢，設(shè)計新的網(wǎng)絡(luò)結(jié)構(gòu)，驗證不同激活函數(shù)對檢測效果的影響，聚類產(chǎn)生錨值大小，將得到優(yōu)化的回歸深度卷積網(wǎng)絡(luò)用于對船舶圖像與視頻的檢測，為港口智能化管理和無人船的安全行駛提供了可靠性強(qiáng)、實時性好的視覺信息處理方法。盡管受限于數(shù)據(jù)集，只做了7種類別的檢測，但本文的方法具有一定的指導(dǎo)意義。

參考文獻(xiàn)：

[1]蔣少峰，?王超，?吳樊，?等.?基于結(jié)構(gòu)特征分析的COSMO-SkyMed圖像商用船舶分類算法[J].?遙感技術(shù)與應(yīng)用，?2014，?29（4）：?607-615.?DOI：?10.11873/j.issn.1004-0323.2014.4.0607.

[2]YKSEL?G?K，?YALITUNA?B，?TARTAR??F，?et?al.?Ship?recognition?and?classification?using?silhouettes?extracted?from?optical?images[C]//Signal?Processing?and?Communication?Application?Conference.?IEEE，?2016：?1617-1620.?DOI：?10.1109/SIU.2016.7496065.

[3]RAINEY?K，?REEDER?J?D，?CORELLI?A?G.?Convolution?neural?networks?for?ship?type?recognition[C]//Automatic?Target?Recognition?XXVI.?International?Society?for?Optics?and?Photonics，?2016，?9844：?984409.

[4]戚超，?王曉峰.?基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)輸船舶分類識別方法[J].?微型機(jī)與應(yīng)用，?2017，?36（17）：?52-55.?DOI：?10.19358/j.issn.1674-7720.2017.17.015.

[5]王新立，?江福才，?寧方鑫，?等.?基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的船舶目標(biāo)檢測[J].?中國航海，?2018，?41（2）：?41-45.?DOI：?CNKI：SUN：ZGHH.0.2018-02-009.

[6]REDMON?J，?DIVVALA?S，?GIRSHICK?R，?et?al.?You?only?look?once：?unified，?real-time?object?detection[C]//Proceedings?of?the?IEEE?conference?on?computer?vision?and?pattern?recognition.?IEEE，?2016：?779-788.?DOI：?10.1109/CVPR.2016.91.

[7]REDMON?J，?FARHADI?A.?YOLO9000：?better，?faster，?stronger[C]//Proceedings?of?the?IEEE?conference?on?computer?vision?and?pattern?recognition.?IEEE，?2017：?7263-7271.?DOI：?10.1109/CVPR.2017.690.

[8]REDMON?J，?FARHADI?A.?YOLOv3：?an?incremental?improvement[J].?arXiv：?1804.02767，?2018.

[9]LECUN?Y，?BOTTOU?L，?BENGIO?Y，?et?al.?Gradient-based?learning?applied?to?document?recognition[J].?Proceedings?of?the?IEEE，?1998，?86（11）：?2278-2324.?DOI：?10.1109/5.726791.

[10]KRIZHEVSKY?A，?SUTSKEVER?I，?HINTON?G?E.?ImageNet?classification?with?deep?convolutional?neural?networks[J].?Communications?of?the?ACM，?2017，?60（6）：?84-90.?DOI：?10.1145/3065386.

[11]SIMONYAN?K，?ZISSERMAN?A.?Very?deep?convolutional?networks?for?large-scale?image?recognition[J].?arXiv：?1409.1556，?2014.

[12]SZEGEDY?C，?LIU?Wei，?JIA?Yangqing，?et?al.?Going?deeper?with?convolutions[C]//Proceedings?of?the?IEEE?conference?on?computer?vision?and?pattern?recognition.?IEEE，?2015：?1-9.?DOI：?10.1109/CVPR.2015.7298594.

[13]HE?Kaiming，?ZHANG?Xiangyu，?REN?Shaoqing，?et?al.?Deep?residual?learning?for?image?recognition[C]//Proceedings?of?the?IEEE?Conference?on?Computer?Vision?and?Pattern?Recognition.?IEEE，?2016：?770-778.?DOI：?10.1109/CVPR.2016.90.

[14]HUANG?Gao，?LIU?Zhuang，?VAN?DER?MAATEN?L，?et?al.?Densely?connected?convolutional?networks[C]//Proceedings?of?the?IEEE?Conference?on?Computer?Vision?and?Pattern?Recognition.?IEEE，?2017：?4700-4708.?DOI：?10.1109/CVPR.2017.243.

[15]GIRSHICK?R，?DONAHUE?J，?DARRELL?T，?et?al.?Rich?feature?hierarchies?for?accurate?object?detection?and?semantic?segmentation[C]//Proceedings?of?the?IEEE?Conference?on?Computer?Vision?and?Pattern?Recognition.?IEEE，?2014：?580-587.?DOI：?10.1109/CVPR.2014.81.

[16]GIRSHICK?R.?Fast?R-CNN[C]//Proceedings?of?the?IEEE?International?Conference?on?Computer?Vision.?IEEE，?2015：?1440-1448.?DOI：?10.1109/ICCV.2015.169.

[17]REN?Shaoqing，?HE?Kaiming，?GIRSHICK?R，?et?al.?Faster?R-CNN：?towards?real-time?object?detection?with?region?proposal?networks[C]//Advances?in?Neural?Information?Processing?Systems.?IEEE，?2015：?91-99.?DOI：?10.1109/TPAMI.2016.2577031.

[18]LIU?Wei，?ANGUELOV?D，?ERHAN?D，?et?al.?SSD：?single?shot?multibox?detector[C]//European?Conference?on?Computer?Vision.?Springer，?Cham，?2016：?21-37.?DOI：?10.1007/978-3-319-46448-0_2.

[19]RUSSAKOVSKY?O，?DENG?Jia，?SU?Hao，?et?al.?Imagenet?large?scale?visual?recognition?challenge[J].?International?Journal?of?Computer?Vision，?2015，?115（3）：?211-252.?DOI：?10.1007/s11263-015-0816-y.

（編輯?賈裙平）