耿 文，孫 涵

(1.南京航空航天大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院/人工智能學(xué)院，江蘇 南京 211106；2.南京航空航天大學(xué) 模式分析與機(jī)器智能工信部重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 211106)

0 引 言

目前，無(wú)人機(jī)已經(jīng)被廣泛應(yīng)用于商業(yè)和娛樂(lè)等領(lǐng)域，它在帶來(lái)極大便利的同時(shí)，也在威脅著個(gè)人隱私，甚至?xí){到民航的安全，因此對(duì)于無(wú)人機(jī)的檢測(cè)變得越來(lái)越重要。

目前的無(wú)人機(jī)檢測(cè)技術(shù)都是建立在通用目標(biāo)檢測(cè)算法基礎(chǔ)之上的。起初，通用目標(biāo)檢測(cè)算法采用滑動(dòng)窗口的方式來(lái)預(yù)測(cè)目標(biāo)的位置。隨著深度學(xué)習(xí)的崛起，這種自動(dòng)從數(shù)據(jù)中學(xué)習(xí)特征表示的方式被廣泛應(yīng)用到目標(biāo)檢測(cè)中。R-CNN[1]和Fast R-CNN[2]通過(guò)區(qū)域建議生成來(lái)提取感興趣目標(biāo)區(qū)域。之后，基于anchor的RPN[3]很快取代了區(qū)域建議生成這種方式。由此，anchor被廣泛應(yīng)用于各種目標(biāo)檢測(cè)應(yīng)用中。目前主流的目標(biāo)檢測(cè)算法，比如Faster R-CNN[3]、SSD[4]和YOLOv2[5]都依賴(lài)于一組預(yù)先定義的anchor。

盡管這些基于anchor的目標(biāo)檢測(cè)算法取得了優(yōu)異的成績(jī)，但是仍然存在著一些問(wèn)題：

(1)像文獻(xiàn)[3,6]中的目標(biāo)檢測(cè)算法的性能與anchor的尺寸、長(zhǎng)寬比和數(shù)量有著直接的關(guān)系。如果預(yù)先定義的anchor參數(shù)不合適，這會(huì)極大地影響目標(biāo)檢測(cè)算法的性能。

(2)anchor的尺度和長(zhǎng)寬比是固定的，因此目標(biāo)檢測(cè)算法在處理形狀變換比較大的目標(biāo)時(shí)依舊會(huì)遇到困難，特別是對(duì)于小目標(biāo)。預(yù)先定義的anchor還限制了目標(biāo)檢測(cè)算法的泛化能力[7]。

(3)基于anchor的目標(biāo)檢測(cè)算法一般會(huì)采用密集anchor的方式來(lái)獲得比較高的召回率。比如特征金字塔網(wǎng)絡(luò)(FPN[8])有超過(guò)18萬(wàn)個(gè)anchor，在訓(xùn)練過(guò)程中，大部分的anchor都被標(biāo)記為負(fù)樣本，這會(huì)加重正負(fù)樣本的不平衡性。

(4)在訓(xùn)練時(shí)，需要計(jì)算所有anchor與真實(shí)框的IoU得分，過(guò)多的anchor會(huì)顯著增加計(jì)算量和內(nèi)存占用。

為了解決以上問(wèn)題，最直接的辦法就是拋棄這些預(yù)先定義的anchor，采用anchor free的方法來(lái)檢測(cè)目標(biāo)。一階段目標(biāo)檢測(cè)算法YOLOv1[9]是最早的anchor free檢測(cè)方法，它是在每個(gè)網(wǎng)格上直接預(yù)測(cè)兩個(gè)候選邊界框的參數(shù)。目前，越來(lái)越多的anchor free檢測(cè)方法被提出。CornerNet[10]預(yù)測(cè)的是兩組角點(diǎn)(左上角和右下角)。ExtremeNet[11]是通過(guò)預(yù)測(cè)極值點(diǎn)和中心點(diǎn)來(lái)檢測(cè)目標(biāo)的。FSAF[12]添加了兩個(gè)卷積層，這兩個(gè)卷積層分別負(fù)責(zé)anchor free方法的目標(biāo)分類(lèi)和邊界框回歸。FCOS[13]為了剔除遠(yuǎn)離目標(biāo)中心的低質(zhì)量檢測(cè)框，提出了中心度分支。

1 相關(guān)工作

1.1 目標(biāo)檢測(cè)

起初，R-CNN[1]和Fast R-CNN[2]通過(guò)區(qū)域建議生成方法來(lái)提取感興趣目標(biāo)區(qū)域。接著，基于anchor的Region Proposal Network[3](RPN)很快取代了區(qū)域建議生成方法。由此，anchor被廣泛應(yīng)用于各種目標(biāo)檢測(cè)框架中。

目前基于anchor的檢測(cè)器主要分為兩類(lèi)：兩階段和一階段。兩階段的目標(biāo)檢測(cè)方法主要有Faster R-CNN[3]、SPP-Net[14]和HyperNet[15]。這些方法首先生成一系列的目標(biāo)候選邊界框，然后使用卷積神經(jīng)網(wǎng)絡(luò)去分類(lèi)這些目標(biāo)。一階段的目標(biāo)檢測(cè)方法主要有SSD[4]和YOLOv2[5]。與兩階段目標(biāo)檢測(cè)方法相比較，一階段目標(biāo)檢測(cè)方法直接將目標(biāo)定位問(wèn)題轉(zhuǎn)化為目標(biāo)回歸問(wèn)題。

為了改善anchor的能力，目前也有許多成功的嘗試。MetaAnchor[7]可以從任意預(yù)先定義的anchor中動(dòng)態(tài)生成anchor函數(shù)。Guided-Anchoring[16]聯(lián)合預(yù)測(cè)目標(biāo)中心位置以及不同位置上可能存在的目標(biāo)尺度和長(zhǎng)寬比，以此來(lái)動(dòng)態(tài)地檢測(cè)目標(biāo)。

解決anchor產(chǎn)生的問(wèn)題最直接的辦法其實(shí)是拋棄這些預(yù)先定義的anchor，采用anchor free的方法。一階段目標(biāo)檢測(cè)器YOLOv1[9]是最早的anchor free檢測(cè)方法。后來(lái)，anchor free的目標(biāo)檢測(cè)算法逐漸分為兩類(lèi)：基于關(guān)鍵點(diǎn)的和基于密集采樣的?；陉P(guān)鍵點(diǎn)的方法主要有CornerNet[10]和ExtremeNet[11]?；诿芗蓸拥姆椒ㄖ饕蠪SAF[12]和FCOS[13]。

1.2 小目標(biāo)檢測(cè)

最初對(duì)于小目標(biāo)的檢測(cè)大都使用傳統(tǒng)方法。文獻(xiàn)[17]利用目標(biāo)的高頻特性來(lái)檢測(cè)小目標(biāo)；文獻(xiàn)[18]是基于卡爾曼濾波的小目標(biāo)檢測(cè)與追蹤；文獻(xiàn)[19]中使用Difference of Gaussian(DoG)算法檢測(cè)小目標(biāo)，然后使用卡爾曼濾波與粒子濾波結(jié)合的方式來(lái)追蹤小目標(biāo)。

隨著深度學(xué)習(xí)的大熱，基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)算法得到了廣泛應(yīng)用。2017年，陳江昀基于卷積神經(jīng)網(wǎng)絡(luò)CNN和超像素算法提出了一種新型的面向微小目標(biāo)的檢測(cè)方法[20]。2018年，郭之先提出了一種改進(jìn)的Faster R-CNN檢測(cè)算法[21]用來(lái)檢測(cè)交通場(chǎng)景中的小目標(biāo)。

1.3 無(wú)人機(jī)檢測(cè)

關(guān)于無(wú)人機(jī)檢測(cè)的算法可以分為傳統(tǒng)的方法和基于深度學(xué)習(xí)的方法。傳統(tǒng)方法中，文獻(xiàn)[22]利用卡爾曼模型來(lái)動(dòng)態(tài)地檢測(cè)和跟蹤無(wú)人機(jī)。文獻(xiàn)[23]從無(wú)人機(jī)目標(biāo)的移動(dòng)性、空間性、振動(dòng)性這三個(gè)方面建立了無(wú)人機(jī)檢測(cè)系統(tǒng)。

基于深度學(xué)習(xí)的方法中，文獻(xiàn)[24]結(jié)合CNN和運(yùn)動(dòng)補(bǔ)償來(lái)檢測(cè)視頻中的飛行目標(biāo)。文獻(xiàn)[25]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNNs)的學(xué)習(xí)網(wǎng)絡(luò)，實(shí)現(xiàn)了無(wú)人機(jī)目標(biāo)的檢測(cè)。文獻(xiàn)[26]提出了兩種基于SSD的無(wú)人機(jī)檢測(cè)方法，一種方法利用ResNet網(wǎng)絡(luò)進(jìn)行特征提取來(lái)檢測(cè)無(wú)人機(jī)，另一種方法是直接將SSD檢測(cè)到的無(wú)人機(jī)目標(biāo)圖像送入到AlexNet網(wǎng)絡(luò)中進(jìn)行微調(diào)。文獻(xiàn)[27]針對(duì)固定相機(jī)和運(yùn)動(dòng)相機(jī)，設(shè)計(jì)了兩種不同的方法來(lái)檢測(cè)視頻中的小型無(wú)人機(jī)。

2 模型和方法

受FSAF和FCOS的啟發(fā)，該文提出了一種anchor free的無(wú)人機(jī)檢測(cè)方法。

首先，針對(duì)地對(duì)空拍攝的無(wú)人機(jī)目標(biāo)大部分都是小尺度的情況，主干網(wǎng)絡(luò)要選取適合提取小目標(biāo)特征的網(wǎng)絡(luò)，該文選取HRNet[28]作為主干網(wǎng)絡(luò)。HRNet網(wǎng)絡(luò)可以得到目標(biāo)豐富的高分辨率特征表示，這對(duì)于網(wǎng)絡(luò)的分類(lèi)和回歸是有益的。對(duì)應(yīng)的，neck網(wǎng)絡(luò)由FPN變?yōu)榱薍RNet[28]作者提出的HRFPN，使得金字塔特征圖在下采樣的過(guò)程中保留更多的細(xì)粒度信息。

接著，采用逐像素的方式來(lái)預(yù)測(cè)感興趣區(qū)域，采用soft-NMS方法對(duì)邊界框進(jìn)行排名。最后，對(duì)于置信度損失和回歸損失，分別采用Focal Loss損失和Smooth L1損失。Focal Loss損失關(guān)注困難樣本和平衡正負(fù)樣本數(shù)量。

2.1 網(wǎng)絡(luò)模型

如圖1所示，該網(wǎng)絡(luò)模型主要包括三個(gè)部分：主干網(wǎng)絡(luò)、HRFPN和head。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)

對(duì)于主干網(wǎng)絡(luò)，放棄了常用的ResNet和ResNeXt，采用高分辨率網(wǎng)絡(luò)HRNet。HRNet由四個(gè)階段的子網(wǎng)絡(luò)組成，第一階段子網(wǎng)絡(luò)輸出高分辨率特征圖，然后每新增一個(gè)階段，該階段子網(wǎng)絡(luò)的輸出特征圖分辨率會(huì)降低2倍。為了得到目標(biāo)豐富的高分辨率表示特征，該網(wǎng)絡(luò)將多分辨率子網(wǎng)并行連接，然后進(jìn)行多次的多尺度融合，這樣使得每一個(gè)高分辨率到低分辨率的表示特征都從其他并行表示中反復(fù)接收信息。因此，預(yù)測(cè)的特征圖會(huì)更加具有細(xì)粒度的特征，在空間上的表示也更加精確。HRFPN代替?zhèn)鹘y(tǒng)的FPN，用來(lái)構(gòu)建一個(gè)多層次的特征金字塔圖。首先低分辨率的特征表示進(jìn)行雙線(xiàn)性上采樣，然后將這些特征表示堆疊起來(lái)，最后通過(guò)多層次的平均池化進(jìn)行下采樣獲得多層金字塔特征圖。head模塊包括分類(lèi)和回歸分支。該模塊主要是在感興趣區(qū)域采用逐像素預(yù)測(cè)的方法來(lái)進(jìn)行目標(biāo)分類(lèi)和回歸。

2.2 正負(fù)樣本劃分

一般anchor free的目標(biāo)檢測(cè)方法需要對(duì)特征圖從左到右從上到下進(jìn)行掃描，然后每個(gè)像素點(diǎn)都預(yù)測(cè)一個(gè)分類(lèi)結(jié)果和回歸邊界框的偏移量。對(duì)這些像素點(diǎn)劃分正負(fù)樣本的時(shí)候，一般的方法是如果像素點(diǎn)落在目標(biāo)區(qū)域內(nèi)，該像素點(diǎn)就是正樣本，否則為負(fù)樣本，但是考慮到目標(biāo)真實(shí)邊界框邊緣的像素點(diǎn)都遠(yuǎn)離目標(biāo)中心，如果將這些像素點(diǎn)作為正樣本，對(duì)網(wǎng)絡(luò)模型的訓(xùn)練會(huì)造成困難。尤其對(duì)于小目標(biāo)來(lái)講，它的邊緣點(diǎn)與背景像素更為接近，這無(wú)疑增加了小目標(biāo)檢測(cè)的困難度。綜上考慮，將目標(biāo)真實(shí)邊界框中的邊緣附件的像素點(diǎn)作為負(fù)樣本，將落在目標(biāo)中心附件的像素點(diǎn)作為正樣本，如圖2所示。

圖2 目標(biāo)區(qū)域的正負(fù)樣本劃分

該文借鑒了Kong Tao、Sun Fuchun和Liu Huaping等人提出的“Object Fovea”思想，通過(guò)參數(shù)δ1來(lái)調(diào)節(jié)目標(biāo)的寬和高，將真實(shí)邊界框的區(qū)域向目標(biāo)中心收縮一些，收縮后的邊界框內(nèi)的像素點(diǎn)作為正樣本；通過(guò)參數(shù)δ2再次調(diào)節(jié)邊界框的寬和高，將邊界框向外擴(kuò)展一些，擴(kuò)展后的邊界框邊緣的像素點(diǎn)作為負(fù)樣本，處于兩個(gè)邊界框之間內(nèi)的像素點(diǎn)作為忽略樣本，不參與網(wǎng)絡(luò)分類(lèi)和回歸。忽略樣本區(qū)域的存在增加了正負(fù)樣本之間的判別度，從而提高了網(wǎng)絡(luò)的性能。該文使用(x1,y1,x2,y2)表示目標(biāo)的真實(shí)邊界框，也就是目標(biāo)左上角和右下角的位置。目標(biāo)邊界框的縮放公式如下所示：

(1)

由于該文采用了逐像素預(yù)測(cè)目標(biāo)的方法，雖然能很好地提升網(wǎng)絡(luò)召回率，但是在逐像素預(yù)測(cè)的過(guò)程中會(huì)產(chǎn)生許多低質(zhì)量的預(yù)測(cè)邊界框。雖然用目標(biāo)的中心區(qū)域作為正樣本區(qū)域已經(jīng)丟棄了一些遠(yuǎn)離目標(biāo)中心的低質(zhì)量邊界框，但是，正樣本區(qū)域的邊緣區(qū)域依舊還是會(huì)存在一些低質(zhì)量的邊界框。基于此，該文借鑒了FCOS的centerness概念，提出利用中心度來(lái)衰減遠(yuǎn)離目標(biāo)中心的訓(xùn)練像素點(diǎn)的置信度。中心度越大，表明像素點(diǎn)越靠近目標(biāo)中心，反之，像素點(diǎn)離目標(biāo)中心越遠(yuǎn)。這樣中心度就可以抑制檢測(cè)到的低質(zhì)量的邊界框，并且中心度策略不會(huì)引入任何超參數(shù)。中心度計(jì)算公式如下：

(2)

其中，(tx1,ty1,tx2,ty2)是由式(3)計(jì)算出來(lái)的邊界框回歸的偏移量。網(wǎng)絡(luò)訓(xùn)練時(shí)，中心度采用二元交叉熵?fù)p失(binary cross entropy)來(lái)約束中心度取值的范圍。中心度取值的范圍為(0,1)。中心度策略就是在每層預(yù)測(cè)特征圖上添加一個(gè)網(wǎng)絡(luò)分支，該網(wǎng)絡(luò)分支與分類(lèi)并行，這就相當(dāng)于給網(wǎng)絡(luò)模型添加了一個(gè)中心度損失。中心度損失會(huì)保證預(yù)測(cè)的邊界框盡可能地靠近目標(biāo)中心。在訓(xùn)練的過(guò)程中，約束中心度的值，使其接近于0。這樣在測(cè)試網(wǎng)絡(luò)模型的過(guò)程中，soft-NMS就可以更好地濾除遠(yuǎn)離目標(biāo)中心的低質(zhì)量邊界框，從而提高網(wǎng)絡(luò)模型檢測(cè)性能。

2.3 邊界框回歸

對(duì)目標(biāo)區(qū)域進(jìn)行正負(fù)樣本劃分后，采用多尺度策略，利用HRFPN網(wǎng)絡(luò)生成的多層金字塔特征圖來(lái)檢測(cè)不同尺度的目標(biāo)。每個(gè)特征圖要預(yù)測(cè)的目標(biāo)都有一個(gè)正樣本區(qū)域(感興趣區(qū)域)，對(duì)每個(gè)正樣本區(qū)域進(jìn)行逐像素預(yù)測(cè)。如圖3所示，預(yù)測(cè)由兩個(gè)分支網(wǎng)絡(luò)負(fù)責(zé)，一個(gè)分支網(wǎng)絡(luò)負(fù)責(zé)分類(lèi)，另一個(gè)分支網(wǎng)絡(luò)負(fù)責(zé)邊界框回歸。

圖3 目標(biāo)分類(lèi)和回歸示意

負(fù)責(zé)邊界框回歸的分支網(wǎng)絡(luò)，將感興趣區(qū)域內(nèi)的像素坐標(biāo)(x,y)映射到原始圖上的坐標(biāo)，然后計(jì)算映射后的坐標(biāo)與其所屬目標(biāo)樣本的真實(shí)邊界框的偏移量。偏移量計(jì)算公式如下：

(3)

其中，2l是第l層金字塔特征圖的stride值，s應(yīng)該選擇與目標(biāo)邊框面積最接近的尺度。通過(guò)調(diào)整s，可以控制每個(gè)特征圖上覆蓋目標(biāo)的尺度范圍。(tx1,ty1,tx2,ty2)的直觀含義可以參考圖4，這里(tx1,ty1,tx2,ty2)不再是簡(jiǎn)單地衡量與邊界框四周的距離值，而是衡量與邊界框四周的偏移程度，使用log函數(shù)來(lái)計(jì)算這種偏移程度。

圖4 偏移量直觀含義

2.4 損失函數(shù)

訓(xùn)練損失包括置信損失和定位損失，損失定義如下：

(4)

置信損失Lcls采用的是Focal loss，定位損失Lloc采用的是Smooth L1損失。Npos是正樣本的數(shù)量，c={0,1}是來(lái)匹配預(yù)測(cè)的框與類(lèi)別p的真實(shí)邊界框，如果c=1,預(yù)測(cè)框是正樣本，否則為負(fù)樣本。λ在實(shí)驗(yàn)中為1用來(lái)平衡定位損失Lloc的權(quán)重。l代表預(yù)測(cè)框的參數(shù)，g是標(biāo)記框的參數(shù)。定位損失展開(kāi)如下：

(5)

文中的anchor free的方法采用的是逐像素預(yù)測(cè)邊界框，將像素的位置(x,y)作為訓(xùn)練樣本，直接對(duì)每個(gè)位置的目標(biāo)邊界框進(jìn)行歸一化處理。采用計(jì)算像素位置(x,y)與真實(shí)框(x1,y1,x2,y2)(左上角與右上角位置)的偏移量(tx1,ty1,tx2,ty2)的方法。偏移量計(jì)算如式(3)。

3 實(shí)驗(yàn)結(jié)果和分析

3.1 無(wú)人機(jī)數(shù)據(jù)集

無(wú)人機(jī)數(shù)據(jù)采集與標(biāo)注是進(jìn)行實(shí)驗(yàn)的基礎(chǔ)。如圖5所示，這些無(wú)人機(jī)圖像的采集主要有三個(gè)方面，一個(gè)是自己采集的被監(jiān)控?cái)z像頭捕捉到的圖像，另外兩個(gè)是從文獻(xiàn)[29-30]收集到的圖像?？偣?名學(xué)生花了近兩個(gè)月的時(shí)間來(lái)標(biāo)記和重新標(biāo)記這些無(wú)人機(jī)圖像，從而創(chuàng)建了一個(gè)包括32 237張圖像的無(wú)人機(jī)數(shù)據(jù)集。從圖5中可以看出，無(wú)人機(jī)(矩形標(biāo)記框包圍的目標(biāo))的尺寸太小，人眼根本無(wú)法發(fā)現(xiàn)。因此，無(wú)人機(jī)檢測(cè)是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。筆者設(shè)計(jì)的無(wú)人機(jī)數(shù)據(jù)集共有32 237張圖像，其中26 237張圖像作為訓(xùn)練集，1 000張圖像作為驗(yàn)證集，5 000張圖像作為測(cè)試集。

(a)自己采集的圖像

(b)文獻(xiàn)[29]中的圖像

(c)文獻(xiàn)[30]中的圖像

3.2 實(shí)驗(yàn)過(guò)程

使用無(wú)人機(jī)數(shù)據(jù)集的訓(xùn)練集來(lái)訓(xùn)練網(wǎng)絡(luò)。在Py-

torch框架下，使用一塊1080的NVIDIA GPU進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)中，使用訓(xùn)練好的FCOS網(wǎng)絡(luò)模型作為預(yù)訓(xùn)練模型來(lái)訓(xùn)練該文提出的網(wǎng)絡(luò)，然后在訓(xùn)練集上微調(diào)網(wǎng)絡(luò)模型。為了定量和定性地分析比較網(wǎng)絡(luò)，所有網(wǎng)絡(luò)的基本參數(shù)設(shè)置如下：迭代次數(shù)為20 epochs，動(dòng)量為0.9，權(quán)重衰減為0.000 1。網(wǎng)絡(luò)訓(xùn)練的初始學(xué)習(xí)率為10-3。當(dāng)網(wǎng)絡(luò)迭代到5 epochs、10 epochs和15 epochs時(shí)，學(xué)習(xí)率變?yōu)?0-4、10-5和10-6。

3.3 實(shí)驗(yàn)結(jié)果

3.3.1 消融實(shí)驗(yàn)

文中方法是基于FCOS網(wǎng)絡(luò)的，然后對(duì)基礎(chǔ)網(wǎng)絡(luò)FCOS采取了以下幾種策略：(1)基礎(chǔ)網(wǎng)絡(luò)使用中心區(qū)域思想回歸邊界框；(2)主干網(wǎng)絡(luò)由傳統(tǒng)的ResNet和ResNeXt變?yōu)镠RNet；(3)neck網(wǎng)絡(luò)也由傳統(tǒng)的FPN變?yōu)镠RFPN；(4)測(cè)試網(wǎng)絡(luò)模型時(shí)，由NMS策略變?yōu)閟oft-NMS策略。為了充分說(shuō)明這幾種策略對(duì)網(wǎng)絡(luò)是有益的，該文進(jìn)行了消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1和表2所示。

可以發(fā)現(xiàn)采用soft-NMS策略后，AP提升了大約1.8個(gè)精度，AP50提升了大約0.7個(gè)精度，AP75提升了3.6個(gè)精度。對(duì)于AR的各個(gè)指標(biāo)，除了ARmax=1沒(méi)有提升，其他均提升了大約5個(gè)精度。這個(gè)結(jié)果充分證明了檢測(cè)算法采用soft-NMS策略的有效性。

對(duì)于HRNet網(wǎng)絡(luò)，分別與FPN和HRFPN網(wǎng)絡(luò)組合使用，發(fā)現(xiàn)使用FPN后，網(wǎng)絡(luò)性能反而下降了，而使用HRFPN后，網(wǎng)絡(luò)性能指均有所提高。AP提升了大約2.5個(gè)精度，AP50提升了0.6個(gè)精度，AP75提升了0.6個(gè)精度，ARmax=1提升了4.8個(gè)精度，ARmax=10提升了1.1個(gè)精度，ARmax=100也提升了0.8個(gè)精度。這些充分證明了HRNet和HRFPN組合使用的有效性。

HRNet和HRFPN組合使用后，使用中心區(qū)域思想回歸邊界框，整體檢測(cè)性能有所提升，其中5個(gè)檢測(cè)指標(biāo)有提升，只有AP50沒(méi)有提升，略微下降了一些。AP和AR這6個(gè)指標(biāo)中，AP提升了大約0.8個(gè)精度，AP50稍微下降了0.4個(gè)精度，AP75提升了6.2個(gè)精度，ARmax=1提升了4.8個(gè)精度，ARmax=10提升了1.1個(gè)精度，ARmax=100也提升了0.8個(gè)精度。這些充分證明，使用中心區(qū)域思想回歸邊界框是非常有效的。

表1 關(guān)于AP的消融實(shí)驗(yàn)

表2 關(guān)于AR的消融實(shí)驗(yàn)

表3 目標(biāo)檢測(cè)算法在無(wú)人機(jī)數(shù)據(jù)集上的AP結(jié)果

表4 目標(biāo)檢測(cè)算法在無(wú)人機(jī)數(shù)據(jù)集上的AR結(jié)果

3.3.2 實(shí)驗(yàn)對(duì)比

為了充分說(shuō)明文中方法的優(yōu)越性，對(duì)基于anchor的經(jīng)典目標(biāo)檢測(cè)算法以及anchor free的目標(biāo)檢測(cè)算法也在無(wú)人機(jī)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表3和表4所示。

基于anchor的目標(biāo)檢測(cè)方法，對(duì)經(jīng)典的兩階段目標(biāo)檢測(cè)算法Faster R-CNN、Cascade R-CNN和一階段目標(biāo)檢測(cè)算法SSD進(jìn)行了復(fù)現(xiàn)。對(duì)于anchor free的目標(biāo)檢測(cè)算法，對(duì)FSAF和FCOS進(jìn)行了復(fù)現(xiàn)。測(cè)試時(shí)，這些目標(biāo)檢測(cè)算法均采用了soft-NMS策略。從表3和表4中可以發(fā)現(xiàn)，文中方法的表現(xiàn)是最優(yōu)異的，僅僅是AP50的結(jié)果略低于基于ResNet-r101-FPN的FCOS算法。對(duì)于AP、AP75、ARmax=1、ARmax=10和ARmax=100，文中方法相比于對(duì)應(yīng)的第二名的算法分別提高了1.6、1.1、1.4、1.6和2.1個(gè)精度，這些結(jié)果充分證明了文中方法的優(yōu)越性。

4 結(jié)束語(yǔ)

提出了一種anchor free的無(wú)人機(jī)檢測(cè)方法，該方法完全避免了與anchor相關(guān)的計(jì)算和超參數(shù)。針對(duì)無(wú)人機(jī)大部分都是小目標(biāo)的情況，提出使用HRNet網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)來(lái)獲得具有豐富細(xì)粒度信息的特征。相應(yīng)的，HRFPN代替?zhèn)鹘y(tǒng)的FPN來(lái)生成多層金字塔特征圖。相比較于其他基于anchor和anchor free的目標(biāo)檢測(cè)方法，該方法對(duì)于無(wú)人機(jī)檢測(cè)獲得了更好的表現(xiàn)，具體表現(xiàn)為：相比較于基于anchor的目標(biāo)檢測(cè)器，該方法更加具有魯棒性，可以自適應(yīng)地預(yù)測(cè)目標(biāo)邊界框，相比較于其他的anchor free的目標(biāo)檢測(cè)器，該方法獲得了更好的精確率和召回率。另外，該方法也可以用來(lái)檢測(cè)其他小目標(biāo)，而不僅僅是無(wú)人機(jī)。