王治國 王 勇 譚 笑 張 歡

（海軍工程大學(xué) 武漢 430033）

1 引言

近年來，隨著我國海洋經(jīng)濟(jì)的不斷增長，海上交通要道的地位越來越重要，海洋權(quán)益的維護(hù)越來越迫切，為加快海洋經(jīng)濟(jì)發(fā)展，國家提出了南海戰(zhàn)略發(fā)展思路。水面目標(biāo)快速檢測是在港口監(jiān)控、漁業(yè)監(jiān)察、海事管理、軍事情報分析等領(lǐng)域具有重要的地位和作用[1-4]，在計算機(jī)視覺領(lǐng)域，目標(biāo)檢測與識別是其重要的任務(wù)，運(yùn)用各種算法實(shí)現(xiàn)目標(biāo)特征表達(dá)，完成影像中目標(biāo)位置確定和類別識別。傳統(tǒng)的目標(biāo)檢測是依賴人工設(shè)計影像特征，具有較大的局限性，深度學(xué)習(xí)技術(shù)能夠自動完成影像特征提取，可以大幅提高檢測精度，但檢測速度方面往往需要依靠強(qiáng)大的GPU硬件支持才能完成，因此，如何提高影像中目標(biāo)的檢測速度與精度一直是各國學(xué)者研究的熱點(diǎn)問題。

基于深度學(xué)習(xí)的目標(biāo)檢測算法主要分為兩大類，一類是one-stage檢測算法，另一類是two-stage算法。one-stage類檢測算法不生成候選框，直接將目標(biāo)框的檢測定位問題轉(zhuǎn)化為回歸問題，完成目標(biāo)檢測需要特征提取、目標(biāo)分類和定位框回歸三個步驟，代表性算法有 YOLO 系列算法[5～8]和 SSD[9]算法；two-stage類檢測算法采用一定的方法獲取待檢測目標(biāo)的候選框并將其作為樣本，然后由卷積神經(jīng)網(wǎng)絡(luò)完成樣本分類，完成目標(biāo)檢測主要有四個步驟：基于卷積神經(jīng)網(wǎng)絡(luò)的特征抽取、候選框生成、目標(biāo)分類和定位框回歸，代表性算法有RCNN[10]，F(xiàn)ast RCNN[11]、Faster RCNN[12]、Mask RCNN[13]等 。在檢測精度方面通常two-stage類算法優(yōu)于one-stage類算法，在檢測速度方面通常后者優(yōu)于前者。近年來，國內(nèi)外學(xué)者提出了許多目標(biāo)檢測算法，圖1為其中典型的算法代表。

2 YOLO算法簡介

2.1 YOLO算法基本思想

與采用滑動窗口和RPN網(wǎng)絡(luò)的方法不同，YOLO算法將目標(biāo)檢測當(dāng)做是一個回歸預(yù)測問題，直接得到目標(biāo)的回歸框和屬于某一類別的概率。其圖像的多尺度特征提取采用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，特征融合采用全連接網(wǎng)絡(luò)層，目標(biāo)邊界框和類別概率由預(yù)測網(wǎng)絡(luò)完成[14]。YOLO算法將影像分為s*s個窗格，每個窗格用于檢測一個目標(biāo)，即檢測中心點(diǎn)落在該窗格的某個目標(biāo)，每個窗格還將預(yù)測N個邊界框和邊界框的置信度。

2.2 YOLO系列算法

YOLO算法從提出到現(xiàn)在，已經(jīng)有YOLOv1、YOLOv2（YOLO9000）、YOLOv3、YOLOv4等多個版本。YOLOv1算法的網(wǎng)絡(luò)結(jié)構(gòu)參考GoogLeNet模型，包含卷積層24個和全連接層2個，該網(wǎng)絡(luò)結(jié)構(gòu)中前20個卷積網(wǎng)絡(luò)參數(shù)是在ImageNet1000 class數(shù)據(jù)集上預(yù)訓(xùn)練得到的，在預(yù)訓(xùn)練網(wǎng)絡(luò)中增加4個卷積層和2個全鏈接層，并隨機(jī)初始化權(quán)重。

YOLOv2是針對YOLOv1在目標(biāo)定位不夠準(zhǔn)確，召回率較低的問題做了相應(yīng)的改進(jìn)，改進(jìn)的策略包括批歸一化（Batch Normalization）[15]、高分辨率分類器（High Resolution Classifier）、卷積錨框（Convolutional with Anchor Boxes）、維度聚類（Dimension Clusters）、精細(xì)特征圖（Fine-Grained Features）、多尺度訓(xùn)練（Multi-scale Training）等，基礎(chǔ)網(wǎng)絡(luò)采用Darknet-19，這些改進(jìn)大部分都是在借鑒以前相關(guān)問題的改進(jìn)方法基礎(chǔ)上綜合處理得到的。

YOLOv3采用Darknet53作為基礎(chǔ)網(wǎng)絡(luò)，相對于ResNet152和ResNet101，該網(wǎng)絡(luò)在計算精度方面差不多，但由于層數(shù)較少，因此檢測速度更快。YOLOv3采用Darknet53的前52層，大量使用殘差的跳層鏈接，采用卷積中的stride操作完成降采樣，而不是使用傳統(tǒng)的pooling層操作，降低了池化帶來的梯度負(fù)面效果。為了增強(qiáng)對小目標(biāo)的檢測效果，采用了上采樣和融合層操作等改進(jìn)策略。

3 YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv4針對目前大部分高精度目標(biāo)檢測算法實(shí)時運(yùn)行能力差、訓(xùn)練需要多個GPU才能完成的問題，構(gòu)建了僅在單個GPU上就能訓(xùn)練和實(shí)時運(yùn)行的目標(biāo)檢測算法。該網(wǎng)絡(luò)采用CSPDarknet53作為基礎(chǔ)網(wǎng)絡(luò)，并在ImageNet上進(jìn)行預(yù)訓(xùn)練得到模型參數(shù)，使用SPP、PAN模塊實(shí)現(xiàn)不同位置特征的融合，最后采用YOLOv3進(jìn)行預(yù)測。YOLOv4的創(chuàng)新主要包括以下四部分。

一是在網(wǎng)絡(luò)的輸入端，對樣本采用Mosaic數(shù)據(jù)增強(qiáng)。Mosaic數(shù)據(jù)增強(qiáng)對原始影像采取隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)排布的方式進(jìn)行拼接，一方面豐富了訓(xùn)練樣本集，隨機(jī)縮放增加大量小目標(biāo)樣本，更加強(qiáng)了網(wǎng)絡(luò)的魯棒性，另一方面可以減少訓(xùn)練隊GPU計算資源的需求量。

二是將各種新的方式組合形成功能強(qiáng)大的主干網(wǎng)絡(luò)。CSPDarknet53[16]是在 Yolov3 主干網(wǎng)絡(luò)Darknet53 的基礎(chǔ)上借鑒 CSPNet[17]的經(jīng)驗生成的Backbone結(jié)構(gòu)，其中包含了5個CSP模塊[18]，每個CSP模塊前面的卷積核的大小都是3*3，stride=2，可以起到與polling層類似的下采樣的作用。采用CSPDarknet53網(wǎng)絡(luò)結(jié)構(gòu)一方面增強(qiáng)了CNN的學(xué)習(xí)能力，在輕量化的同時保持準(zhǔn)確性，另一方面降低了計算瓶頸和內(nèi)存消耗。在CSPDarknet53主干網(wǎng)絡(luò)中采用2019年提出的Mish激活函數(shù)[19]，其余的網(wǎng)絡(luò)則仍然使用leaky_relu激活函數(shù)，這樣的策略可進(jìn)一步提高檢測精度。YOLOv4中還采用了2018年提出的Dropblock策略，與傳統(tǒng)的Dropout隨機(jī)刪除減少神經(jīng)元的數(shù)量使網(wǎng)絡(luò)變得更簡單不同，Dropblock是對整個局部區(qū)域采取刪減丟棄操作。該方法借鑒了cutout數(shù)據(jù)增強(qiáng)方式，實(shí)驗結(jié)果表明Dropblock的效果優(yōu)于Cutout。

三是采用空間金字塔池化（Spatial Pyramid Pooling，SPP）結(jié)構(gòu)、FPN+PAN結(jié)構(gòu)作為Neck。SPP[20]模塊由四個并行的分支構(gòu)成，分別為kernel size為5*5、9*9、13*13的最大池化和一個跳躍連接，該模塊實(shí)現(xiàn)了局部特征和全局特征融合，更新了特征圖的表達(dá)能力，對于影響中存在大小差異較大目標(biāo)的情況檢測效果明顯提升。FPN+PAN策略是借鑒2018年CVPR會議論文中PANet，該方法主要應(yīng)用于圖像分割領(lǐng)域，F(xiàn)PN[21]自頂向下將高層的特征信息通過上采樣的方式進(jìn)行傳遞融合，得到進(jìn)行預(yù)測的特征圖。

四是預(yù)測階段使用 DIOU_Loss[22]損失函數(shù)，預(yù)測框篩選采用DIOU_nms。目標(biāo)檢測中損失函數(shù)包括分類損失函數(shù)和回歸損失函數(shù)，回歸損失函數(shù)常用IOU_Loss，該函數(shù)存在當(dāng)預(yù)測框和目標(biāo)框不相交時無法反映兩個框距離的遠(yuǎn)近且此時損失函數(shù)不可導(dǎo)、無法區(qū)分不同相交狀態(tài)等問題，而改進(jìn)的DIOU_Loss增加了重疊面積、中心點(diǎn)距離和邊界框?qū)捀弑瘸叨刃畔⒌让枋?，提高了檢測精度、加快了檢測速度。傳統(tǒng)的預(yù)測框篩選采用nms方式，而DIOU_nms方法考慮了邊界框中心點(diǎn)的位置信息，在重疊目標(biāo)檢測中表現(xiàn)更優(yōu)。

YOLOv4將近年來深度學(xué)習(xí)領(lǐng)域最新的研究應(yīng)用到了YOLO算法中，進(jìn)一步提高了YOLO的檢測精度和效率。

4 基于YOLOv4的水面目標(biāo)檢測

4.1 實(shí)驗環(huán)境

硬件環(huán)境：Intel（R）Core i7-9700 3.0GHz 8核，ARM 16GB，GPU NVIDIA GeForce TRX 2060 SUPER；軟件環(huán)境：NVIDIA CUDA 11.1.0，CUDNN 8.0.4。

4.2 數(shù)據(jù)集

從谷歌地圖中截取60張港口影像，采用開源標(biāo)注軟件Labelimg標(biāo)注器對圖片中的航母、水面艦船和潛艇進(jìn)行標(biāo)注，部分影像如圖2所示。

圖2 水面目標(biāo)檢測訓(xùn)練數(shù)據(jù)集

4.3 網(wǎng)絡(luò)訓(xùn)練

目標(biāo)檢測任務(wù)中，設(shè)置適當(dāng)?shù)腶nchor對于提升檢測精度具有重要作用。根據(jù)數(shù)據(jù)集中目標(biāo)的大小可以確定anchor的預(yù)設(shè)值，并根據(jù)預(yù)設(shè)anchor計算召回率，若召回率大于0.98，則不用優(yōu)化，直接返回，如果小于0.98，則利用遺傳算法與k-means重新計算anchor預(yù)設(shè)值。經(jīng)過計算，本數(shù)據(jù)集的anchor預(yù)設(shè)值分別為[10，30，26，16，8，62]、[70，19，22，107，40，59]和[115，44，70，130，199，155]。每次訓(xùn)練輸入的影像數(shù)設(shè)為64，每次訓(xùn)練輸入影像數(shù)據(jù)的1/32。

訓(xùn)練過程中Loss變化曲線如圖3所示，可見在5400次迭代后損失值趨于平穩(wěn)。

圖3 Loss值變化曲線

4.4 實(shí)驗結(jié)果

利用訓(xùn)練得到的網(wǎng)絡(luò)進(jìn)行測試，航母目標(biāo)檢測正確率為99.88%，水面艦船目標(biāo)檢測正確率為98.73%，潛艇檢測爭取率為70.97%，總的mAP為89.86%，檢測速度為15fps。從檢測結(jié)果可以看出，航母和水面艦船的檢測正確率都高于98%，表明了YOLOv4算法在水面目標(biāo)檢測方面的有效性，潛艇的檢測正確率較低，是由于數(shù)據(jù)集中潛艇的訓(xùn)練數(shù)量較少，影響了檢測準(zhǔn)確率。部分結(jié)果如圖4所示。

圖4 水面目標(biāo)檢測結(jié)果

5 結(jié)語

針對水面目標(biāo)檢測問題，本文將YOLOv4網(wǎng)絡(luò)模型引入水面目標(biāo)檢測任務(wù)。簡要介紹了YOLO系列算法的特點(diǎn)，重點(diǎn)分析YOLOv4算法在四個方面的改進(jìn)策略，并在自建的數(shù)據(jù)集上驗證了YOLOv4算法在水面目標(biāo)檢測的可行性。后續(xù)工作將進(jìn)一步充實(shí)數(shù)據(jù)集資源，收集更多種類和數(shù)量的目標(biāo)影像資料，提高模型的檢測準(zhǔn)確率和魯棒性。