張 奔，徐 鋒，李曉婷，趙彥東

（北方自動控制技術(shù)研究所，太原 030006）

0 引言

巡飛彈是一種能夠執(zhí)行智能組網(wǎng)、編隊飛行、偵察及打擊任務(wù)的無人作戰(zhàn)飛行器［1］。在其實際的作戰(zhàn)應(yīng)用中，敵方的軍事目標(biāo)在很多情況下會出現(xiàn)集群作戰(zhàn)，密集集結(jié)的場景［2］。因此，對目標(biāo)數(shù)量及狀態(tài)的快速精準(zhǔn)統(tǒng)計，可以為后續(xù)巡飛彈編隊進(jìn)行任務(wù)規(guī)劃、展開攻擊提供重要的數(shù)據(jù)支撐。

在機器學(xué)習(xí)應(yīng)用于目標(biāo)識別前，軍事目標(biāo)的檢測依賴于領(lǐng)域內(nèi)專家根據(jù)對不同目標(biāo)的紋理、形狀、顏色等特征的處理，設(shè)計多種類型的特征描述子［3-5］，進(jìn)行全局特征目標(biāo)檢測。隨著近些年計算機處理數(shù)據(jù)的能力呈爆發(fā)式增長，以及深度學(xué)習(xí)相關(guān)領(lǐng)域算法的長足進(jìn)步，基于深度卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network，CNN）［6］的檢測模型，在特征提取方面相比傳統(tǒng)方式有巨大的優(yōu)勢?，F(xiàn)有的基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型，一類是基于建議框的方法，這類方法的典型代表就是于2014 年提出的R-CNN［7］，R-CNN 算法家族是典型的兩階段處理模式，先通過滑動窗口、Selective Search［8-9］等方法，從圖像中提取出候選區(qū)域再進(jìn)行識別。此類模型對小目標(biāo)檢測精度高，但由于計算量大，很難滿足實時目標(biāo)檢測的要求。另一類免建議框方法即YOLO算法家族［10-11］，不需要提前找到可能存在目標(biāo)的Region，而是將目標(biāo)的檢測看作是一個基于回歸的問題求解，將整張圖片直接輸入，通過神經(jīng)網(wǎng)絡(luò)的信息提取，從模型的輸出中直接給出目標(biāo)的所屬類別置信概率以及位置邊框。這種方法省去了候選區(qū)域的提取與分類，極大程度地減少了處理圖像所需要的時間，使得基于處理視頻流的實時軍事目標(biāo)檢測成為了現(xiàn)實，同時兼有較高的準(zhǔn)確率。

為了解決巡飛彈作戰(zhàn)過程中，軍事集群目標(biāo)在YOLOv3［12］算法漏檢緊鄰目標(biāo)的問題上，提出一種改進(jìn)非極大值抑制算法，并采用k-fold 交叉驗證策略對數(shù)據(jù)預(yù)處理的綜合改進(jìn)模型。

1 YOLOv3 算法介紹

You Only Look Once 是YOLO 家族模型的全稱，該算法于2015 年由Joseph Redmon 等提出，用于單個深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型。截止到2018 年4月，在其官網(wǎng)上已經(jīng)發(fā)布了第3 個版本即YOLOv3。該算法的檢測性能非常快速且準(zhǔn)確，其中YOLOv3-608（608 指輸入圖片的分辨率）其mAP 可以做到與RetinaNet 相當(dāng)?shù)乃剑_(dá)到33.0%，但其檢測耗時只需要51 ms，相較于后者的198 ms 快了4 倍。

1.1 YOLOv3 算法

該算法基本思想：首先通過特征提取網(wǎng)絡(luò)DarkNet53 對輸入的圖像進(jìn)行特征提取，得到一定大小的feature map。通過調(diào)整卷積的步長為2，達(dá)到下采樣的目的。例如整個網(wǎng)絡(luò)進(jìn)行32 倍下采樣，在輸入圖片大小為608×608 的時候，得到一個大小為19×19 的feature map，然后可以認(rèn)為將輸入圖像被分為19×19 個grid cell。這樣如果在ground truth中某個目標(biāo)的矩形中心落在了哪個grid cell 里，就由該grid cell 負(fù)責(zé)預(yù)測該目標(biāo)，并且預(yù)測的坐標(biāo)會通過sigmoid 函數(shù)歸一化到這個grid cell 中。每個grid cell 都會預(yù)測3 個邊界框，這幾個邊界框初始大小的設(shè)置借鑒了Faster R-CNN 中anchor 機制。這些預(yù)測出來的帶有類別置信度的預(yù)測邊框，通過Objectness 分?jǐn)?shù)閾值篩選和候選框NMS 處理，最后輸出目標(biāo)的分類和預(yù)測邊框。

YOLOv3 一大改進(jìn)點就是采用特征金字塔網(wǎng)絡(luò)（FPN）［13］類似的結(jié)構(gòu)進(jìn)行多尺度預(yù)測，不同深度所對應(yīng)的feature map 包含的不同信息就得到了利用，例如52×52 大小的特征圖擁有更加精細(xì)的grid cell，對更精細(xì)的目標(biāo)就有更高的檢測概率。

1.2 特征提取網(wǎng)絡(luò)Darknet-53

圖1 Darknet53 網(wǎng)絡(luò)結(jié)構(gòu)

Darknet 網(wǎng)絡(luò)的結(jié)構(gòu)如圖1 所示。本文不針對YOLO 的特征提取網(wǎng)絡(luò)進(jìn)行改進(jìn)，故不進(jìn)行細(xì)致的描述。需要說明的是，由于Darknet53 去掉了全連接層，實際這里的卷積層數(shù)應(yīng)為52。

對模型最終的輸出做處理是本次改進(jìn)的重點，故在闡述改進(jìn)之前，先給出幾個概念的解釋：

3 種不同尺度的輸出特征圖所提取的特征在深度這個維度上如式（1）所示：

其中，B 表示每個gril cell 預(yù)測出的邊界框數(shù)量，C表示邊界框的類別數(shù)，包含了每個類別網(wǎng)絡(luò)預(yù)測出的類別置信度，5 表示預(yù)測邊框的4 個坐標(biāo)信息和1 個Objectness 分?jǐn)?shù)。其含義如下：

1）Objectness 分?jǐn)?shù)：表示目標(biāo)在預(yù)測邊界框中的概率；

2）類別置信度：表示檢測到的對象屬于某個類別的概率。

1.3 YOLOv3 邊框選擇算法缺點

YOLOv3 去除同一類目標(biāo)由不同grid cell 預(yù)測出的冗余邊框，采用非極大值抑制（Non Maximum Suppression，NMS）方法。該方法的基本思想就是通過搜索同一類目標(biāo)的預(yù)測框，根據(jù)預(yù)測框的置信度得分和相互之間的IoU 比較，來找到與真實目標(biāo)邊框重合度最高的邊框，并將冗余的邊框提前剔除。

如圖2 所示，YOLOv3 模型對自行火炮目標(biāo)檢測時，巡飛彈以俯視狀態(tài)去拍攝軍事集群目標(biāo)，會出現(xiàn)目標(biāo)相互遮擋的情況。非極大值抑制算法在執(zhí)行過程中，如果IoU 閾值設(shè)置不恰當(dāng)，相互遮擋的同類目標(biāo)會因為彼此預(yù)測邊框重合度超過閾值而有被誤刪的可能，導(dǎo)致檢出自行火炮數(shù)量缺失，召回率下降。

圖2 YOLOv3 對軍事集群目標(biāo)檢測結(jié)果

2 針對YOLOv3 的改進(jìn)方法

2.1 基于NMS 的邊框選擇機制改進(jìn)

YOLOv3 目標(biāo)檢測模型中，基于NMS 的邊框選擇算法流程如下：

?NMS 邊框選擇算法流程1：根據(jù)預(yù)測邊框Objectness 分?jǐn)?shù)，將超過閾值的邊框保留，其余邊框不進(jìn)入下面的篩選2：同一個類別保留下來的所有預(yù)測邊框，根據(jù)類別置信度從大到小排列生成一個邊框列表3：在輸出列表中把類別置信度最高的邊框添加進(jìn)來，并相應(yīng)地在邊框列表中刪除該邊框4：遍歷邊框列表中剩余的預(yù)測邊框，分別計算與上個步驟中移到輸出邊框列表中的邊框的IoU 5：去掉邊框列表中超過設(shè)定IoU 閾值的預(yù)測邊框6：重復(fù)步驟2 至5，以邊框列表為空即止，最終輸出列表中的預(yù)測邊框即為檢測結(jié)果輸出

可用式（2）來表示NMS 對回歸邊框的處理：

其中，Ni指YOLOv3-voc.cfg 文件中設(shè)定的ignore_thresh 值，即IoU 閾值。從算法流程和分?jǐn)?shù)重置函數(shù)中都可以看出，NMS 對低于閾值的預(yù)測邊框直接進(jìn)行了“硬判決”，在集群軍事目標(biāo)中如果兩個同類目標(biāo)存在一定程度的前后遮擋，導(dǎo)致預(yù)測邊框的重合區(qū)域較大，在超過IoU 閾值的情況下，NMS 算法就會“粗暴”地將類別置信度較低的邊框排除在外，造成目標(biāo)的漏檢，從而降低了模型對該類目標(biāo)的召回率。

Navaneeth Bodla 等人針對NMS 算法的缺陷提出了改進(jìn)的soft-NMS 算法，其分?jǐn)?shù)重置函數(shù)如式（3）所示：

改進(jìn)算法通過加入懲罰函數(shù)來削弱與檢測框P有重疊的相鄰預(yù)測框的類別置信度分?jǐn)?shù)，使得重疊度越高的預(yù)測框?qū)?yīng)的類別置信度得分衰減越大，而對沒有超過閾值的預(yù)測邊框則不作改變。通過soft-NMS 算法，保留了超過IoU 閾值的預(yù)測邊框參加下輪篩選的機會，能在一定程度上減輕被遮擋目標(biāo)預(yù)測邊框被誤刪的概率，從而提高模型檢測該目標(biāo)的召回率。在Darknet 框架的src 文件中找到box.c文件即可修改模型候選框選擇的方法。

2.2 基于k-fold 交叉驗證策略的數(shù)據(jù)預(yù)處理

軍事目標(biāo)尤其是針對裝甲目標(biāo)進(jìn)行攻頂襲擊的圖像在公開的信息中是非常稀少的，這將導(dǎo)致用于深度學(xué)習(xí)的訓(xùn)練數(shù)據(jù)不足。本研究采用模擬仿真的方式來獲得所需訓(xùn)練素材，但是也需要考慮訓(xùn)練數(shù)據(jù)不足引起的模型過擬合現(xiàn)象。本文采用交叉驗證（Cross Validation）思想［14-15］來抑制由于訓(xùn)練數(shù)據(jù)不足所引起的過擬合問題。交叉驗證基本過程就是將數(shù)據(jù)集按照一定比例隨機分為訓(xùn)練集和驗證集，訓(xùn)練集的樣本數(shù)量一般是驗證集的3～9 倍，重復(fù)多次這樣的分組并對模型進(jìn)行訓(xùn)練來獲得更加可靠穩(wěn)定的權(quán)重文件。

k-fold 交叉驗證方法是根據(jù)數(shù)據(jù)集不同的分割方法而命名的，其k 值指數(shù)據(jù)集隨機平分為k組，并對模型進(jìn)行k 輪訓(xùn)練。在k 輪的訓(xùn)練中，保證每組數(shù)據(jù)都做過一次驗證集，剩余的k-1 組數(shù)據(jù)作為訓(xùn)練集來訓(xùn)練模型。最終以各次模型檢測結(jié)果的平均值或檢測結(jié)果最優(yōu)的一組為衡量模型性能的標(biāo)準(zhǔn)。

3 實驗驗證

3.1 實驗數(shù)據(jù)集

實驗所采用的圖像數(shù)據(jù)，以巡飛彈的實際應(yīng)用場景為出發(fā)點，考慮到此類軍事目標(biāo)圖像數(shù)據(jù)難以獲得的情況，選擇以模擬器生成圖像為訓(xùn)練素材，針對自行火炮這類軍事目標(biāo)，以驗證改進(jìn)效果為目的，采用高空俯視的方式，從不同高度、角度對目標(biāo)的圖像數(shù)據(jù)進(jìn)行采集。模擬圖像的大小為1 920×1 080，自行火炮所占的像素點平均分布在20×20 到400×400 之間。并且目標(biāo)的姿態(tài)涵蓋了俯視情況下的大部分角度，在不同的尺度和不同的角度下都有充分的體現(xiàn)。本實驗所采用的數(shù)據(jù)圖例如圖2 所示。所有訓(xùn)練圖片都使用LabelImg 標(biāo)圖工具為其匹配一個.xml 文件。

通過刪除相似圖像，最終得到了2 191 張圖片，按照3∶1 的比例將其分為訓(xùn)練集和驗證集。整個數(shù)據(jù)集中包含自行火炮6 436 輛，其中，656 張圖像中存在自行火炮兩兩遮擋的情況。同時單獨制作了一個測試集，包含一個不同高度、不同角度俯視拍攝的模擬自行火炮視頻，視頻長度為3'11''，以及108 張測試圖片。

3.2 實驗平臺與模型參數(shù)

本次使用所采用的軟硬件平臺如表1 所示，以下的對比試驗均在此實驗環(huán)境下展開。

表1 實驗環(huán)境軟硬件配置表

表2 訓(xùn)練.cfg 主要參數(shù)設(shè)置

表2 為模型的主要參數(shù)設(shè)置。在設(shè)置輸入圖片的大小時，分辨率越高，檢測的準(zhǔn)確度也會得到提高，但隨之而來的是計算量的增加，綜合考慮計算機的性能和對實時性的要求，選擇輸入圖像的尺寸為608×608。

3.3 實驗參照組數(shù)據(jù)以及實驗結(jié)果評價標(biāo)準(zhǔn)

在按照以上參數(shù)配置表設(shè)置YOLOv3 的cfg 文件后，在不改變原模型其他任何參數(shù)的前提下，用收集到的數(shù)據(jù)集對模型進(jìn)行訓(xùn)練和測試。采用模型的召回率Rcall 以及準(zhǔn)確率P（Precision）作為對比標(biāo)準(zhǔn)。訓(xùn)練后參照組的召回率為69.65%，準(zhǔn)確率P 為94.61%。

4 網(wǎng)絡(luò)訓(xùn)練與結(jié)果分析

4.1 改進(jìn)邊框選擇機制的對比實驗

改進(jìn)YOLOv3 的候選框選擇方法后，在其他參數(shù)不變的情況下其訓(xùn)練的結(jié)果如表3 所示：

表3 soft-nms 與參照組實驗數(shù)據(jù)比較

召回率提高了15.68%，顯示針對候選框選擇算法的改進(jìn)有明顯效果。

4.2 k-fold 數(shù)據(jù)預(yù)處理的對比實驗

數(shù)據(jù)集按照3∶1 的比例隨機分配成訓(xùn)練集和驗證集，故k-fold 進(jìn)行4 輪訓(xùn)練，其訓(xùn)練的結(jié)果如表4 所示：

表4 k-fold 實驗結(jié)果

a-P 表示4 輪訓(xùn)練后的平均準(zhǔn)確率，數(shù)據(jù)預(yù)處理后得到模型的a-P 相比YOLOv3 的準(zhǔn)確率提升了1.99%。可見在該數(shù)據(jù)集上，k-fold 交叉驗證方法能夠?qū)?shù)據(jù)偏少時訓(xùn)練網(wǎng)絡(luò)引起的過擬合現(xiàn)象起到抑制作用，有利于模型參數(shù)的優(yōu)化。

4.3 綜合改進(jìn)模型的對比實驗

將候選框和數(shù)據(jù)預(yù)處理的改進(jìn)同時進(jìn)行，4 輪訓(xùn)練后計算結(jié)果與參照組對比，實驗結(jié)果如下頁表5 所示。

實際的模型檢測效果如圖3 所示。綜合改進(jìn)后的模型相較于圖2 所示的YOLOv3 的檢測效果，可以明顯看出在不同的目標(biāo)尺度下，改進(jìn)后模型把之前漏檢的自行火炮都預(yù)測了出來，并且預(yù)測邊框的位置也較為準(zhǔn)確，識別的實際效果明顯有了優(yōu)化。漏檢目標(biāo)的重新檢出提升了召回率，這與表5 所呈現(xiàn)的結(jié)果是吻合的，準(zhǔn)確率提高了3.14%，召回率提高了17.58%。

表5 綜合改進(jìn)后與參照組實驗數(shù)據(jù)比較

圖3 綜合改進(jìn)模型對軍事集群目標(biāo)檢測結(jié)果

5 結(jié)論

本次研究在YOLOv3 算法的基礎(chǔ)上，通過數(shù)據(jù)交叉驗證、候選框選擇算法引入懲罰函數(shù)，提高了模型對復(fù)雜目標(biāo)狀態(tài)的適應(yīng)性。3 次對比實驗結(jié)果表明，改進(jìn)算法在軍事集群目標(biāo)數(shù)據(jù)集上，有較高的檢測準(zhǔn)確率和定位準(zhǔn)確率，同時對緊鄰目標(biāo)的漏檢率低于原YOLOv3 算法。但本次研究為了提高對小目標(biāo)檢測的準(zhǔn)確率，增大了網(wǎng)絡(luò)輸入圖像的尺寸，犧牲了一定的檢測速度。如何進(jìn)一步優(yōu)化模型，在保證小目標(biāo)檢測準(zhǔn)確率的前提下提升檢測速度，將是下一步研究的重點。