張曉玲 張?zhí)煳?師 君 韋順軍

(電子科技大學信息與通信工程學院 成都 611731)

1 引言

SAR是一種主動式的微波成像傳感器，具有全天時、全天候的工作能力，對氣候變幻無常的海洋進行監(jiān)測具有良好的適應(yīng)性[1]。其中，海洋上的艦船是一種需要重點監(jiān)測的高價值對象，對其有效的檢測有利于海洋交通管制、漁業(yè)管理、油污泄漏監(jiān)察、戰(zhàn)事部署等[2]。

傳統(tǒng)的SAR艦船檢測有恒虛警率(Constant False Alarm Rate,CFAR)方法[3-5]，該類方法根據(jù)預先建立的雜波統(tǒng)計模型來確定檢測閾值，但這些模型容易受到洋流、氣候等影響，存在應(yīng)用場景受限的缺點，并且求解復雜的模型方程十分耗時，影響其檢測速度。模版匹配[6-10]是另外一種常見的傳統(tǒng)方法，此類方法通過人工設(shè)計多種模版，一種模板對應(yīng)一種特征(艦船的長度、寬度、周長、面積、輪廓、紋理等)，在實際檢測時，用這些模版在圖像上進行滑動搜索，從而獲得檢測結(jié)果。但該類方法建立全面的模板庫耗費大量人力，并且常常依賴于專家經(jīng)驗，具有較差的泛化能力。特別地，在大場景的SAR圖像中進行窗口滑動也耗費較長時間，對實時性帶來一定的挑戰(zhàn)。

近些年來，隨著人工智能的興起，由于深度學習無需人工耗時耗力進行特征設(shè)計便能實現(xiàn)有效的目標檢測，因此越來越多的學者將計算機視覺領(lǐng)域的目標檢測器引入到SAR領(lǐng)域中。特別地，深度學習的方法不受場景限制，無需海陸分離，只要給定標注好的數(shù)據(jù)集，便能夠自發(fā)有效地學習艦船特征，具有高效性、高準確性等優(yōu)點。

對于SAR圖像中的艦船檢測，自從海軍航空大學提出了國內(nèi)第一個公開的SAR艦船檢測數(shù)據(jù)集(SAR Ship Detection Dataset,SSDD)以來[11]，基于深度學習的SAR艦船檢測發(fā)展日益迅速。文獻[12]將候選區(qū)域提取的二值化賦范梯度方法(BInarized Normed Gradients,BING)[13]和快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Faster Region-Convolutional Neural Network,Fast R-CNN)[14]結(jié)合，采用級聯(lián)CNN的形式檢測精度達到了73.5%。文獻[15]優(yōu)化Faster R-CNN[16]來進行艦船檢測，結(jié)合特征融合、遷移學習等方式在SSDD數(shù)據(jù)集上實現(xiàn)了78.8%的檢測精度。文獻[17]將單點多框檢測器(Single Shot multi-box Detector,SSD)[18]應(yīng)用到SAR艦船檢測中，提出了基于上下文信息的遷移學習模型實現(xiàn)了87.1%的檢測精度。文獻[19]針對SAR圖像中復雜的艦船背景提出了一種改進的“你只需看一遍”版本3 (You Only Look Once version 3,YOLOv3)[20]算法，并結(jié)合特征金字塔[21]結(jié)構(gòu)，實現(xiàn)了多尺度的艦船檢測，尤其對小尺寸艦船檢測性能更佳，精度提高了6%，但是速度卻從原始的27 ms降至32 ms。遺憾的是，以上文獻中的檢測模型都比較大，網(wǎng)絡(luò)參數(shù)較多，在提高精測精度的同時往往犧牲了檢測速度。因此，對于實時性要求高的SAR應(yīng)用場合，存在一定的局限性，例如緊急軍事部署、迅速海難救援、實時海洋環(huán)境監(jiān)測等。

因此，為解決上述缺陷，本文提出一種基于深度分離卷積神經(jīng)網(wǎng)絡(luò)(Depthwise Separable Convolution Neural Network,DS-CNN)[22]的高速高精度SAR艦船檢測方法SARShipNet-20，該方法取代傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(Traditional Convolution Neural Network,T-CNN)，并結(jié)合通道注意力機制(Channel Attention,CA)[23,24]和空間注意力機制(Spatial Attention,SA)[23]，能夠同時實現(xiàn)高速和高精度的SAR艦船檢測。該方法在實時性SAR應(yīng)用領(lǐng)域具有一定的現(xiàn)實意義，并且其輕量級的模型有助于未來的FPGA或DSP的硬件移植。

相比于先前研究成果[2]，本文創(chuàng)新點如下：

(1)本文中的網(wǎng)絡(luò)結(jié)構(gòu)是全新的，和文獻[2]中結(jié)構(gòu)完全不同，并命名為SARShipNet-20，這里的20指有20個卷積層。該網(wǎng)絡(luò)結(jié)構(gòu)更加精簡，層數(shù)更少，并且為前向流水線結(jié)構(gòu)，無復雜多余的正向反饋或負向反饋支路。特別地，SARShipNet-20模型為23.17 MB，而文獻[2]中網(wǎng)絡(luò)模型為38.05 MB，網(wǎng)絡(luò)輕了約40%；

(2)SARShipNet-20中全部采用DS-CNN，而文獻[2]中的方法為了避免較大的精度損失，采用DS-CNN和T-CNN相混合的機制；

(3)本文額外加入通道注意力(CA)和空間注意力(SA)機制，使檢測精度得到了改善，而文獻[2]沒有采用注意力機制。

2 CNN

2.1 T-CNN

卷積神經(jīng)網(wǎng)絡(luò)具有類似于人眼的感受野[25]，能夠更全面地觀測目標信息，因此在目標檢測領(lǐng)域得到了廣泛地應(yīng)用。不同于BP神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)采用參數(shù)共享機制，能夠?qū)崿F(xiàn)更深網(wǎng)絡(luò)的訓練，從而達到深度學習的目的。特別地，自從AlexNet[26]網(wǎng)絡(luò)在目標檢測領(lǐng)域被成功應(yīng)用，越來越多的學者開始使用卷積神經(jīng)網(wǎng)絡(luò)來實現(xiàn)目標檢測任務(wù)。近年來，眾多利用卷積神經(jīng)網(wǎng)絡(luò)的目標檢測器已經(jīng)被提出，例如Faster R-CNN,YOLO,SSD等，并且已經(jīng)被眾多學者成功地應(yīng)用到SAR艦船檢測領(lǐng)域。為便于闡述所提方法，本文稱以上最初提出的卷積神經(jīng)網(wǎng)絡(luò)為傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(T-CNN)。

圖1(a)為T-CNN的結(jié)構(gòu)圖，其中I1,I2,I3代表輸入，K1,K2,K3代表卷積核，O1,O2,O3代表輸出。在T-CNN中，每個卷積核需要對輸入的所有通道進行卷積，卷積運算的過程融合了通道相關(guān)性和空間相關(guān)性。

T-CNN的計算量為

其中，L為輸入圖像的尺寸，k為卷積核的尺寸，Nkernel為卷積核數(shù)目，Ninput為輸入通道數(shù)目。

2.2 DS-CNN

圖1(b)為DS-CNN的結(jié)構(gòu)圖，其中I1,I2,I3代表輸入，K1,K2,K3和代表卷積核，J1,J2,J3代表中間層輸出，O1,O2,O3代表輸出。DS-CNN由深度卷積(Depthwise Convolution,D-Conv)和點狀卷積(Pointwise Convolution,P-Conv)組成。其中，D-Conv只卷積輸入的一個通道，相比T-CNN能夠大幅減少網(wǎng)絡(luò)的參數(shù)量；P-Conv進行傳統(tǒng)的卷積運算，但它的卷積核的尺寸為1×1，相比大尺寸的卷積核，也具有較少的參數(shù)量。DS-CNN能夠成功解耦通道相關(guān)性和空間相關(guān)性[2,27]，能夠在不損失精度的條件下，大幅減少計算量，從而提高檢測速度，這主要由于T-CNN存在一定的網(wǎng)絡(luò)冗余[2,27]。

DS-CNN的計算量為

式(2)和式(1)的比值為

其中，Nkernel＞＞ 1,k＞ 1。

因此，ratio ＜1，這從理論上證明了DS-CNN確實比T-CNN具有更少的計算量，這對提高艦船的檢測速度具有促進作用。

3 網(wǎng)絡(luò)結(jié)構(gòu)

3.1 網(wǎng)絡(luò)結(jié)構(gòu)圖

當前SAR艦船檢測研究中大多采用計算機視覺領(lǐng)域現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)進行改進，這存在一定的缺陷。一方面，計算機視覺領(lǐng)域所提出的眾多目標檢測都針對光學圖像，若直接應(yīng)用在SAR圖像中存在數(shù)據(jù)源不平衡的問題；另一方面，計算機視覺領(lǐng)域中的目標檢測器都針對多種類別的目標，而SAR圖像艦船檢測只需檢測艦船這一類目標，那么這些模型必然存在較大的冗余度。因此，不同于現(xiàn)有的其他研究，本文在借鑒YOLO[20,28,29]網(wǎng)絡(luò)的基礎(chǔ)上，從0開始構(gòu)建了一個全新的網(wǎng)絡(luò)結(jié)構(gòu)，為便于敘述，本文將網(wǎng)絡(luò)結(jié)構(gòu)命名為SARShipNet-20，這里的20指有20個卷積層。

圖2為SARShipNet-20示意圖。圖2中，數(shù)字80,40,20,10,5代表不同層的特征圖(feature maps)的尺寸，且所有的卷積層均采用DS-CNN。如圖2所示，網(wǎng)絡(luò)中均采用3×3的卷積核，這可減少網(wǎng)絡(luò)參數(shù)量。由于網(wǎng)絡(luò)越深，特征圖的尺寸越小，可能導致丟失較多的艦船特征，因此網(wǎng)絡(luò)后端的層數(shù)被設(shè)置逐漸增加。另外，為了能夠檢測不同尺寸的檢測，網(wǎng)絡(luò)中設(shè)置了3種不同的檢測尺度，分別位于特征圖尺寸為20的輸出，特征圖尺寸為10的輸出，特征圖尺寸為5的輸出。計算機視覺領(lǐng)域中的目標檢測器大多幾十層甚至上百層，而本網(wǎng)絡(luò)只有20層，結(jié)構(gòu)清晰簡單，更適合于SAR圖像中艦船檢測這種簡單的任務(wù)，能夠大幅降低網(wǎng)絡(luò)的冗余度。

每個卷積層的內(nèi)部詳細操作流程如圖3所示。

為了使網(wǎng)絡(luò)訓練更充分，網(wǎng)絡(luò)中每個卷積層后均進行批量歸一化(Batch Normalization,BN)[30]操作，該操作將卷積層中的參數(shù)值歸一化到[0,1]的高斯分布，有助于避免訓練過程中的梯度消失，其定義為

其中，X為輸入向量，Y為輸出向量，m()為求均值，參數(shù)ξ和η為超參數(shù)，這兩個超參數(shù)無需手工設(shè)置，而是在訓練過程中通過自動學習獲得，ε為接近于0的常數(shù)，以避免分母為0的情況發(fā)生。

圖1 傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)和深度分離卷積神經(jīng)網(wǎng)絡(luò)示意圖Fig.1 Diagrammatic sketch of T-CNN and DS-CNN

圖2 網(wǎng)絡(luò)結(jié)構(gòu)示意圖 (SARShipNet-20)Fig.2 Network structure (SARShipNet-20)

圖3 卷積層內(nèi)部操作流程Fig.3 Internal operation flow in convolution layers

為了加快激活速度，網(wǎng)絡(luò)中的激活函數(shù)選擇為ReLU，其定義為

3.2 損失函數(shù)

SARShipNet-20無需產(chǎn)生候選區(qū)域，因此是一個單階段目標檢測器，其訓練的損失函數(shù)可借鑒YOLOv3。實現(xiàn)SAR艦船檢測任務(wù)就是獲得艦船的以下參數(shù)：

(1)艦船檢測框的坐上頂點的坐標(x,y)；

(2)艦船檢測框的寬度和高度(w,h)；

(3)艦船檢測框的置信得分。

因此，訓練SARShipNet-20的損失函數(shù)由以上3部分組成。

檢測框的坐標損失函數(shù)為

其中，xi和yi為第i個真實框的坐標，為第j個網(wǎng)格的第i個檢測框的坐標(網(wǎng)格劃分機制詳見YOLOv3[20])；當網(wǎng)格中包含艦船或者艦船的一部分時否則;λc為坐標損失的權(quán)重系數(shù)，B為生成的檢測框的數(shù)目，S為劃分的網(wǎng)格數(shù)目。

檢測框的寬度和高度損失函數(shù)為

其中，wi和hi為第i個真實框的寬度和高度，和為第j個網(wǎng)格的第i個檢測框的寬度和高度；λw,h為寬度和高度損失函數(shù)的權(quán)重系數(shù)。

檢測框的置信得分損失函數(shù)為

IoU為預測框和真實框的交并比，定義為

其中，BP為預測框，BG為真實框，即IoU為預測框和真實框區(qū)域交集和并集的面積比值。

3.3 通道注意力機制

SARShipNet-20采用DS-CNN來搭建網(wǎng)絡(luò)模型，可能存在檢測精度的損失。因此，為了提高檢測精度，本文在此基礎(chǔ)上增加了通道注意力機制模型(CA),CA加在圖2黑色虛線框中的每兩層之間。

網(wǎng)絡(luò)中的通道數(shù)目本質(zhì)就是卷積核的個數(shù)，在網(wǎng)絡(luò)中，并不是每個卷積核都起到關(guān)鍵的作用，有些甚至會對檢測產(chǎn)生負面的影響。因此，CA可以關(guān)注到有效的通道和抑制無效的通道，從而能夠提高網(wǎng)絡(luò)中信息流動的效率[23]。

圖4為通道注意力機制的示意圖，通道注意力機制加在每一個卷積層的輸出端。輸入的特征圖維度為N×H×W，其中N為通道數(shù)，H為高，W為寬，該通道注意力機制實現(xiàn)為

其中，F(xiàn)為輸入特征圖，MLP為多層感知機，GAP為全局平均池化，GMP為全局最大池化，sg為激活函數(shù)，定義為

在注意力機制處理后得到一個維度為N×1×1的向量Fc

其中，αi,i=1,2,···,N代表第N個通道的重要等級。最后該向量點乘輸入得到最終的輸出，能夠有效關(guān)注到有效的通道。

通道注意力機制的詳細原理可參考文獻[23]。

3.4 空間注意力機制

SARShipNet-20中還增加了空間注意力機制(SA)來進一步提高檢測精度，SA加在圖2黑色虛線框中的每兩層之間。在一幅SAR圖像中，在空間上存在不同價值的信息，例如對于?？坑诟劭诘呐灤灤侵攸c關(guān)注的對象，而港口設(shè)備不是關(guān)注的對象，空間注意力機制能夠有效地關(guān)注到艦船而抑制圖像中其他不重要的信息，從而提高檢測精度。

圖5為空間注意力機制的示意圖，空間注意力機制加在通道注意力機制的輸出端。輸入的為被通道注意力機制處理后的特征圖，該空間注意力機制實現(xiàn)為

其中，F(xiàn)′為輸入特征圖，該特征圖為通道注意力機制的輸出；f7×7為7×7的卷積。

在注意力機制處理后得到一個維度為1×H×W的矩陣Fs

其中，βi,j,i=1,2,···,H;j=1,2,···,W代表空間中(i,j)坐標位置信息的重要等級。最后該矩陣點乘輸入得到最終的輸出，能夠有效地關(guān)注到有效的空間信息。

空間注意力機制的詳細原理可參考文獻[23]。

4 實驗驗證

本文基于Keras[31]編寫程序，以Tensorflow[32]為程序后端，在Pycharm軟件平臺上進行。實驗硬件配置的CPU為Intel(R)i9-9900K,GPU為NVIDIA RTX2080Ti，內(nèi)存為32 G，使用CUDA10.0和CUDNN7.6調(diào)用GPU進行訓練加速。本實驗中，設(shè)置IoU等于0.5為檢測閾值，即當檢測框和真實框的重疊區(qū)域超過50%，才認為該檢測框檢測正確。

圖4 通道注意力機制Fig.4 Channel Attention (CA)

圖5 空間注意力機制Fig.5 Spatial Attention (SA)

4.1 實驗數(shù)據(jù)

本文方法在國內(nèi)公開的SSDD數(shù)據(jù)集上進行驗證，SSDD數(shù)據(jù)集中包含1160張SAR圖像，共有2358只艦船，平均每張圖像中有2.03只艦船，最小的艦船為7×7像素，最大的艦船為211×298像素。該數(shù)據(jù)集已被海軍航空大學李健偉等學者[11,12,15]正確標注，另外，數(shù)據(jù)集中的SAR圖像具有多種極化模型、多種分辨率、多種艦船場景，能夠有效驗證艦船檢測器的魯棒性，已被眾多學者使用[1,2,11,12,15,17,19]。

SSDD數(shù)據(jù)集可在以下鏈接下載獲?。篽ttps://pan.baidu.com/s/1vnTakmVkTuaVECCOL5EyA；提取碼：uduc。

4.2 訓練策略

SSDD數(shù)據(jù)集按照7:2:1的比例被隨機劃分為訓練集、驗證集和測試集。Adam優(yōu)化器被用來進行網(wǎng)絡(luò)參數(shù)迭代更新，并且訓練2000個epoch，本文采用Poly[33]機制來動態(tài)調(diào)整學習率，定義為

其中，lr為學習率，lr0為初始學習率，本文中設(shè)置為0.001，max_epoch為最大的迭代次數(shù)即2000，current_epoch為當前的迭代次數(shù)，power為超參數(shù)，本文中設(shè)置為0.9。

訓練過程中，Tensorboard[32]被用來監(jiān)測訓練信息，并且只有當前迭代得到的模型性能優(yōu)于前一次迭代的模型時，才被保留，最后當完成2000輪訓練，得到最優(yōu)的檢測模型。

4.3 評價指標

本文提供兩種類型的評價指標，一種為傳統(tǒng)的評價指標，例如檢測概率Pd，漏檢概率Pm和虛警概率Pf；另一種為深度學習中的評價指標，例如召回率Recall，精度Precision，平均精度mAP。

檢測概率Pd定義為

其中，TP(True Positives)為正確的艦船檢測數(shù)目，GT(Ground Truth)為真實的艦船數(shù)目。

漏檢概率Pm，定義為

其中，F(xiàn)N(False Negatives)為漏檢的艦船數(shù)目。

虛警概率Pf，定義為

其中，F(xiàn)P(False Positives)為虛警的艦船數(shù)目。

召回率(Recall)，定義為

其中，本質(zhì)上，Recall=Pd。

精度(Precision)，定義為

其中，本質(zhì)上，Precision=1-Pf。

平均精度(mean Average Precision,mAP)，定義為

其中，P為精度，R為召回率，P(R)為精度和召回率曲線。

4.4 實驗結(jié)果

圖6為SARShipNet-20在SSDD數(shù)據(jù)集上部分樣本的艦船檢測結(jié)果，圖6中白色框為真實的艦船，綠色框為檢測的艦船，紅色為漏檢和虛警情況。從圖6中可看出，多種背景下的多種尺寸的艦船均能夠被成功地檢測。為驗證SARShipNet-20的泛化能力，本文在SSDD測試集上進行評估。表1為測試集上檢測結(jié)果的定量評價指標。從表1中DS-CNN+CA+SA可知，SSDD測試集中有184只真實的艦船，180只艦船被成功地檢測，檢測率為97.83%，4只艦船被漏檢，漏檢率為2.17%，另外產(chǎn)生了8只虛警，虛警率為4.26%，深度學習領(lǐng)域中精度的評價指標mAP為96.93%。從以上檢測結(jié)果表明SARShipNet-20具有高的檢測精度，充分表明SARShipNet-20具有良好的泛化能力和強壯的魯棒性(SSDD數(shù)據(jù)集外的SAR圖像的泛化測試將在未來進行詳細實驗和分析討論，這里不再詳細展開，這不影響本文結(jié)論)。另外，完成一幅SAR圖像的檢測時間為8.72 ms，因此完成整個測試集中116張SAR圖像的檢測僅需要約0.1 s，這表明SARShipNet-20具有快的檢測速度。另外，SARShipNet-20在CPU上的速度為16.79 ms/每張SAR圖像，因此完成整個測試集中116張SAR圖像的檢測僅需要約1.95 s，也能基本滿足實時性的應(yīng)用需求。值得關(guān)注的，在SSDD數(shù)據(jù)集中，一些具有嚴重相干斑噪聲的艦船樣本也能被成功地檢測，精度達到95%以上，這表明SARShipNet-20具有一定程度的抗斑點噪聲性能(一般地，與傳統(tǒng)方法相比，基于深度學習的SAR艦船方法大多具有較強的抗斑點噪聲性能)，該項工作可查閱筆者先前研究成果[2]，本文不再詳細展開分析和討論。另外，由于缺少嵌入式設(shè)備，F(xiàn)PGA/DSP等移植工作未在本文體現(xiàn)，但可作為未來的研究工作。

圖7為SARShipNet-20的性能評價曲線。圖7(a)為Pd-Pf曲線，圖7(b)為P-R(精度-召回率)曲線，圖7(c)為mAP-IoU曲線。

4.5 實驗分析

由表1可知，盡管DS-CNN比T-CNN的檢測精度低3.24%，但是檢測速度快了約2倍；通道注意(CA)和空間注意(SA)機制可以改善精度，同時對速度受到輕微的負面影響，但仍快于T-CNN；最終DS-CNN同時結(jié)合CA和SA可以獲得最高的檢測精度96.93% mAP，并且還略微高于T-CNN的96.88%mAP，這表明CA和SA對精度確實起到了提升作用。

4.6 方法對比

表2為SARShipNet-20與其他目標檢測器的對比結(jié)果。表2中的各種方法均經(jīng)過超參數(shù)的調(diào)節(jié)和優(yōu)化直至檢測精度基本飽和(鑒于筆者精力有限，可能還有提升的余地)，否則直接將計算機視覺領(lǐng)域的目標檢測器直接使用，均導致不理想的檢測性能。從表2中可以發(fā)現(xiàn)，SARShipNet-20的檢測精度高于其他的所有方法，并且檢測速度也高于其他所有的方法。一方面，RetinaNet的精度為95.68%mAP，接近SARShipNet-20的精度96.93% mAP，但是速度為314.43 ms/每張SAR圖像，遠慢于SARShipNet-20的速度8.72 ms/每張SAR圖像；另外一方面，YOLOv2-tiny的檢測速度為9.43 ms/每張SAR圖像，但是它的檢測精度僅為44.40% mAP遠低于SARShipNet-20的精度。因此SARShipNet-20實現(xiàn)了真正地高速高精度的SAR艦船檢測。

圖6 SARShipNet-20的SAR艦船檢測結(jié)果Fig.6 SAR ship detection results of SARShipNet-20

表1 SARShipNet-20的SAR艦船檢測結(jié)果評價指標Tab.1 Evaluation index of SAR ship detection results of SARShipNet-20

圖7 SARShipNet-20性能評價曲線Fig.7 Performance evaluation curve of SARShipNet-20

表3為SARShipNet-20與其他目標檢測器的模型比較。從表3中可以發(fā)現(xiàn)，SARShipNet-20的網(wǎng)絡(luò)參數(shù)、浮點運算量和模型都是最少的，這是其能夠?qū)崿F(xiàn)高速檢測的本質(zhì)原因。SARShipNet-20的模型僅有23.17 MB，如此輕量級的模型可便于未來的FPGA或DSP移植。

SARShipNet-20能夠用更少參數(shù)和更輕的模型實現(xiàn)更高的檢測精度和更快的檢測速度，核心原因主要如下：

(1)通道注意力機制和空間注意力機制可以有效提高檢測精度；

(2)與計算機視覺領(lǐng)域中的多類別檢測任務(wù)相比，SAR圖像中的艦船檢測更加簡單，只包含背景和艦船的二分類任務(wù)；

(3)與光學圖像中的艦船相比(RGB圖)，SAR圖像中的艦船具有相對簡單的背景(灰度圖)，并且特征相對單一，因此無需復雜的網(wǎng)絡(luò)模型去實現(xiàn)；

(4)如果將計算機視覺領(lǐng)域中的模型直接應(yīng)用到SAR艦船檢測領(lǐng)域，由于其網(wǎng)絡(luò)規(guī)模巨大，但是SSDD數(shù)據(jù)集中圖像數(shù)量過少，可能會過擬合，導致檢測精度變差；但SARShipNet-20模型小，可以避免該問題的出現(xiàn)；

(5)在訓練過程中，更輕的模型可以得到充分訓練，網(wǎng)絡(luò)中的所有參數(shù)迭代更新的速度較快，可使網(wǎng)絡(luò)得到充分的擬合。另外，SARShipNet-20無需在ImageNet[36]數(shù)據(jù)集上進行預訓練，也能取得良好的檢測性能，根本原因就是參數(shù)量少。

4.7 方法說明

根據(jù)文獻調(diào)研發(fā)現(xiàn)，表2中不同方法在SSDD數(shù)據(jù)集上的艦船檢測精度(mAP)大多高于現(xiàn)有的其它公開文獻報道，出現(xiàn)此種現(xiàn)象的可能原因如下：

(1)測試集隨機劃分的差異：海軍航空大學李健偉等學者[11]提供給筆者的SSDD數(shù)據(jù)集并未明確規(guī)定具體的訓練集、驗證集和測試集，僅提供7:2:1的劃分比例。盡管本文采用隨機劃分獲得測試集(類似于Matlab/Python中的random函數(shù)，非人為隨機)，但SSDD數(shù)據(jù)集僅有1160張SAR圖像，并且遠離海岸場景的簡單樣本占據(jù)多數(shù)，靠岸和密集排列場景的困難樣本占據(jù)少數(shù)，因此從中獲得116張測試樣本(1160×10%)，存在較大的隨機性。若測試集中遠離海岸的艦船樣本占據(jù)多數(shù)，根據(jù)文獻[37]報道檢測精度已高達95%以上。因此，李健偉等學者目前已意識到該問題可能會導致學術(shù)研究上的對比不嚴謹，因此其已聯(lián)合武漢大學對SSDD數(shù)據(jù)集進行更加嚴格的使用規(guī)定，并在將來提供更加公正的方法基準(baseline)。筆者感謝并期待李健偉等學者未來的研究成果。另外，增加SSDD數(shù)據(jù)集中SAR圖像的數(shù)量可減弱這種由于隨機劃分帶來的結(jié)果偏差，畢竟SSDD數(shù)據(jù)集中僅有1160張SAR圖像，這遠遠小于計算機視覺中約17 k的Pascal VOC數(shù)據(jù)集，328 k的COCO數(shù)據(jù)集，30 w的ImageNet數(shù)據(jù)集。

表2 不同方法的檢測性能對比Tab.2 Comparison of detection performance of different methods

表3 不同方法的模型對比Tab.3 Model comparison of different methods

(2)方法框架的差異。目前深度學習領(lǐng)域中具有眾多不同的框架，例如Caffe,Theano,MXNet,PaddlePaddle,Keras,Tensorflow,PyTorch等。同種方法在不同框架上的實現(xiàn)存在一定的區(qū)別，導致結(jié)果的差異。因此，最公正合理的比較應(yīng)該在同一種框架上執(zhí)行，但是由于不同學者對不同框架的理解度和熟悉度不盡相同，給實際操作帶來一定的困難。

(3)方法超參數(shù)優(yōu)化的差異。目前深度學習領(lǐng)域中的目標檢測器均針對光學圖像，因此引入到SAR圖像領(lǐng)域中，若直接使用在大多數(shù)情況下效果較差，因此需要進行超參數(shù)的調(diào)節(jié)，并且不同方法的超參數(shù)類型和數(shù)量存在較大的差異，不同學者設(shè)置的超參數(shù)也不盡相同，導致得出的方法結(jié)論也不盡相同。

(4)訓練策略的差異。針對同一種方法，采用不同的訓練策略會帶來不同的實驗結(jié)果，目前，如何使網(wǎng)絡(luò)得到最充分的訓練和最理想的優(yōu)化，仍然是一個具有挑戰(zhàn)性的問題。

(5)數(shù)據(jù)增強的差異。SSDD數(shù)據(jù)集中的SAR圖像數(shù)量較少，可能會使計算機視覺中的目標檢測器學習不充分，目前部分學者對訓練數(shù)據(jù)進行增強，而不同的數(shù)據(jù)增強方式也可能給實驗結(jié)果帶來差異。

(6)編程語言的差異。例如Caffe廣泛采用的是C/C++,PyTorch廣泛采用的是Python，這兩種不同的語言盡管在實現(xiàn)方法的流程上是相同的，但存在執(zhí)行效率的區(qū)別，可能會帶來結(jié)果的差異。并且不同學者的軟件程序的優(yōu)化也存在一定的差異，帶來執(zhí)行速度的不同。

本文中的各種方法盡管大多高于現(xiàn)有的其他報道，但都是基于相同的測試集得到的，因此不影響本文的結(jié)論。若采用更復雜測試樣本，那么所有方法的檢測精度必然同時降低，甚至低于90%，但各方法之間差異的整體規(guī)律應(yīng)該是基本保持恒定的。需要說明的是，表2中各種指標僅供驗證本文所提方法的有效性，考慮到本文得到的實驗結(jié)果的合理性受限(盡管測試樣本是隨機獲取的，但由于SSDD數(shù)據(jù)集樣本量少并且簡單樣本所占比例較大，導致測試集中背景簡單艦船樣本所占比例較高，而靠岸和密集分布的小尺寸困難艦船樣本所占比例較低)，因此不作為未來的研究基準。目前，李健偉等學者正聯(lián)合武漢大學將對SSDD數(shù)據(jù)集提供嚴謹?shù)氖褂靡?guī)范和公正嚴謹?shù)难芯炕鶞省?/p>

目前SSDD數(shù)據(jù)集更公正的基準還未公布，但幸運的是，2019年12月16日，中國科學院空天信息創(chuàng)新研究院、中國科學院大學和中國科學院網(wǎng)絡(luò)信息體系技術(shù)科技創(chuàng)新重點實驗室在《雷達學報》公開了一個全新的高分辨率SAR艦船檢測數(shù)據(jù)集AIR-SARShip-1.0[38](可在《雷達學報》官網(wǎng)的數(shù)據(jù)子欄目下載)，該數(shù)據(jù)集該包含31景高分三號SAR圖像，場景類型包含港口、島礁、不同級別海況的海面等，背景涵蓋近岸和遠海等多樣場景，數(shù)據(jù)集更加貼近實際應(yīng)用[38]；并且提供了公正的指標基準，不僅囊括深度學習的方法基準，還包含了傳統(tǒng)不同類型CFAR的方法基準，這也將方便其他學者在此數(shù)據(jù)集基礎(chǔ)上進一步展開SAR艦船檢測相關(guān)研究。因此，筆者未來也將增加基于AIR-SARShip-1.0數(shù)據(jù)集的SAR艦船檢測研究。

5 結(jié)論

本文基于深度分離卷積神經(jīng)網(wǎng)絡(luò)提出了一種高速高精度的S A R圖像中艦船檢測方法，即SARShipNet-20。其具有更少的參數(shù)數(shù)量、浮點計算量和更輕的檢測模型。本方法結(jié)合通道注意力機制和空間注意力機制能夠?qū)崿F(xiàn)高速高精度的SAR艦船檢測。與9種先進的目標檢測器的性能比較結(jié)果，表明了本文所提方法的正確性和有效性，在實時性SAR應(yīng)用領(lǐng)域具有一定的現(xiàn)實意義，并且其輕量級的模型有助于未來的FPGA或DSP的硬件移植。