方 健，劉 坤

上海海事大學(xué) 信息工程學(xué)院，上海 201306

艦船是海上活動的重要載體，基于計算機視覺的艦船目標(biāo)檢測已經(jīng)應(yīng)用到實際的船舶管理系統(tǒng)中，因此靠岸和離岸艦船的檢測在軍事和民用領(lǐng)域都有著廣泛的應(yīng)用。目前，艦船目標(biāo)檢測采用的平視視角的自然圖像具有數(shù)據(jù)量小、分辨率高、含有豐富的顏色和紋理信息、數(shù)據(jù)容易獲取等特點，已成為目標(biāo)檢測領(lǐng)域重要的來源。但此類圖像中多目標(biāo)情況下的艦船目標(biāo)很容易被多目標(biāo)給遮擋，造成小目標(biāo)漏檢、分類錯誤等問題，如何提高檢測的精度和速度，滿足實際應(yīng)用中海洋安防的需求是急需解決的問題。

傳統(tǒng)的艦船目標(biāo)檢測算法分為三類，如基于統(tǒng)計的目標(biāo)檢測[1]、基于知識的目標(biāo)檢測[2]、基于模型的目標(biāo)檢測[3]，這類算法需要人工提取目標(biāo)特征，如SIFT（尺度不變特征變換匹配算法）、HOG（方向梯度直方圖特征）、SURF（加速穩(wěn)健特征）等。隨著深度學(xué)習(xí)理論的日趨成熟，基于深度學(xué)習(xí)的算法都比傳統(tǒng)的目標(biāo)檢測算法有著更大的優(yōu)勢。目前基于深度學(xué)習(xí)的目標(biāo)檢測方法主要分為兩種模式，一種是以Fast-RCNN[4]、Faster-RCNN[5]為代表的兩級檢測器，基本特征首先由主干網(wǎng)提取，其次區(qū)域建議網(wǎng)絡(luò)（RPN）[6]根據(jù)預(yù)先定義的錨定值生成感興趣區(qū)域（ROI）提案，然后將這些方案的特征調(diào)整為固定大小，并由分類和回歸網(wǎng)絡(luò)的兩個分支進行處理，最后檢測結(jié)果由非極大抑制獲得；另一種是以YOLO[7]和SSD[8]為代表的單級檢測器，網(wǎng)絡(luò)直接預(yù)測潛在對象在多個特征圖上的位置和類別標(biāo)簽，而不需要裁剪和調(diào)整ROI建議，處理方案更簡單，并且比兩級檢測器能夠更快地檢測目標(biāo)。隨著目標(biāo)檢測框架的改進，單級檢測器的檢測精度也可媲美兩級檢測器，因此更多學(xué)者研究單級檢測器，甚至將單級和兩級檢測器相結(jié)合，這些算法已應(yīng)用于船舶檢測與識別領(lǐng)域。岳邦宇等[9]提出一種基于改進的Faster-RCNN的艦船檢測方法將空洞卷積和VGG相結(jié)合，設(shè)計了一個特征提取網(wǎng)絡(luò)，并將其應(yīng)用于SAR艦船目標(biāo)檢測，提高了對小型艦船目標(biāo)的檢測能力。劉相云等[10]針對高分辨率遙感影像場景復(fù)雜，提出了一種改進的RFB Net遙感影像目標(biāo)識別算法，在RFB Net模型的基礎(chǔ)上構(gòu)建特征金字塔網(wǎng)絡(luò)，融合高層語義信息和低層特征信息，提高了網(wǎng)絡(luò)識別能力。Yu等[11]對傳統(tǒng)的YOLO算法進行改進，采用網(wǎng)絡(luò)結(jié)構(gòu)改進、輸入圖像多尺度變換、目標(biāo)幀維數(shù)聚類等方法，提高了小目標(biāo)的檢測速度。Liu介紹了一種a receptive fields block net detector（RFB Net），基于SSD的主干，結(jié)合了Inception[12]、空洞卷積的思想，來模擬人類的視覺感知，在保證檢測速度的同時，檢測的效果進一步提升。

基于此，本文在RFBnet檢測算法的基礎(chǔ)上，提出了一種改進RFBnet網(wǎng)絡(luò)的目標(biāo)檢測方法。首先，為了利用淺層和深層特征圖的優(yōu)勢，分別設(shè)計池化特征融合模塊和反卷積特征融合模塊進行特征融合形成新的六個有效特征層；其次，對于以VGG為基礎(chǔ)網(wǎng)絡(luò)的RFBnet算法，針對其淺層提取能力不足導(dǎo)致小目標(biāo)檢測效果不好的缺點，對新的前三個有效特征層分別設(shè)置了對應(yīng)尺度的DB1、DB2、DB3卷積塊，用于增強該3層的特征信息；然后，為了提高感受野信息提取的效率，本文還融入注意力機制，讓卷積更加關(guān)心目標(biāo)中心區(qū)域的信息；最后引入聚焦分類損失來改進原來的損失，以提高網(wǎng)絡(luò)的檢測性能。實驗結(jié)果表明，改進的RFBnet方法可以改善多目標(biāo)情況下的艦船目標(biāo)檢測，該方法可應(yīng)用于實際的海洋安防工作中。

1 RFBnet網(wǎng)絡(luò)模型及其改進

1.1 數(shù)據(jù)集的介紹

本文針對可見光成像的船只檢測開展研究，本文選取了一個包含7 000張1 920×1 080分辨率的船只數(shù)據(jù)集SeaShips[13]，該數(shù)據(jù)集包含六類船只類型，所定義的六類船只基本上可以覆蓋近海區(qū)域內(nèi)出現(xiàn)的所有船只并充分考慮到背景、光照、視角、可見船體占比、尺度以及遮擋情況，部分圖像如圖1所示。該數(shù)據(jù)集采用標(biāo)準(zhǔn)的PASCAL VOC標(biāo)注格式，每一張圖片都精確標(biāo)注了目標(biāo)的標(biāo)簽和邊界框，在訓(xùn)練前進行預(yù)處理，將圖像大小調(diào)整為300×300像素。其中ore carrier類有1 141張，bulk cargo carrier類有1 129張，container ship類有814張，general cargo ship類有1 188張，fishing boat類有1 258張，passenger ship類有705張，六類混合類別（圖像中有船只相互遮擋）的有765張，訓(xùn)練集、驗證集和測試集按照7∶2∶1的比例隨機劃分。

圖1 數(shù)據(jù)集部分樣本示例Fig.1 Partial sample of data set

1.2 RFBnet及其改進的網(wǎng)絡(luò)模型

RFBnet算法[14]采用類似Faster-RCNN中的Multibox原理[15]，網(wǎng)絡(luò)的輸入為3通道RGB圖像，特征圖共有6層，分別為BasicRFB_a P3、BasicRFB P3、BasicRFB P5、BasicRFB P6、Conv2d P7、Conv2d P8，尺寸分別為38×38、19×19、10×10、5×5、3×3、1×1，通道數(shù)分別為512、1 024、512、256、256、256。RFBnet算法采用主干網(wǎng)絡(luò)VGG-16提取特征，每一個特征單元分別用于學(xué)習(xí)其在原圖中感受野區(qū)域內(nèi)的信息，標(biāo)簽框的信息存在于該標(biāo)簽框中心點對應(yīng)的特征單元在原圖上的感受野區(qū)域中，該網(wǎng)絡(luò)特征中的每一個特征單元分別用于學(xué)習(xí)以其對應(yīng)原圖像素的信息，最后將該特征分別送入分類網(wǎng)絡(luò)與定位網(wǎng)絡(luò)用于學(xué)習(xí)各單元感受野中標(biāo)簽框的信息。

本文保留了RFBnet基本模型框架，傳統(tǒng)的RFBnet算法對小目標(biāo)物體檢測效果較差。因此做了以下改進：（1）為了利用淺層和深層特征圖的優(yōu)勢，分別設(shè)計池化特征融合模塊和反卷積特征融合模塊來提高各層之間的聯(lián)系；（2）設(shè)計了融入注意力機制的膨脹卷積模塊作用于原始圖像的特征提取；（3）引入聚焦分類損失來改進原來的損失，以提高網(wǎng)絡(luò)的檢測性能。

本文首先是BasicRFB_a P3、BasicRFB P3和P6、P7、P8分別與P5進行特征融合并做L2 norm歸一化操作，同理，其他特征層做相同的操作，得到六個新的特征層；然后是DB1、DB2、DB3模塊分別與新的BasicRFB_a P3、BasicRFB P3、BasicRFB P5進行特征融合[16]，之后添加了一個3×3卷積層用于增加網(wǎng)絡(luò)的學(xué)習(xí)能力同時降低特征維度并獲得最終前三個有效特征層，這樣一共形成11 620個先驗框，預(yù)測結(jié)果就會對這11 620個框分別進行調(diào)整，最后判斷調(diào)整后的框是否包含所需要的物體，如果有的話就把他標(biāo)出來，當(dāng)然利用先驗框得到的框有一些會重合，所以還需對得分和重合情況進行判斷，利用非極大抑制的辦法找到所需要的框并且標(biāo)出所屬的種類。如圖2所示為改進的RFBnet模型框架。

圖2 改進的RFBnet模型框架Fig.2 Improved RFBnet model framework

2 基于改進RFBnet的檢測算法

2.1 融入注意力機制的膨脹卷積塊DB

RFBnet主干網(wǎng)絡(luò)提取特征的每個單元分別用于學(xué)習(xí)其在原圖中感受野區(qū)域內(nèi)的信息，而較淺網(wǎng)絡(luò)層的特征所學(xué)習(xí)的標(biāo)簽框尺度較小，那么想要提高學(xué)習(xí)標(biāo)簽框信息的準(zhǔn)確率需要讓網(wǎng)絡(luò)在學(xué)習(xí)的過程中不斷縮小各特征單元的感受野區(qū)域，同時也要保證該感受野區(qū)域內(nèi)的信息包含特征單元對應(yīng)位置的標(biāo)簽框信息。相較于深層特征，淺層特征的感受野區(qū)域更小，數(shù)量也更多，導(dǎo)致淺層學(xué)習(xí)起來難度更大，因此可以將重心放在前三層特征中，在設(shè)計膨脹卷積的卷積核尺寸時參考了RFBnet的先驗框（priorbox）尺寸，RFBnet算法中先驗框中心坐標(biāo)為：((offset+n-1)×step,(offset+m-1)×step),step是特征圖相對于原圖的比值，offset是一個比值，一般取0.5，特征圖第(n,m)個特征單元對應(yīng)的先驗框中心坐標(biāo)為：((offset+n-1)×step,(offset+m-1)×step)，即每相鄰的兩個先驗框中心坐標(biāo)總是相差(step,step)。

本文提出一種步長為step的卷積網(wǎng)絡(luò)用于提取特征單元感受野區(qū)域內(nèi)的信息，卷積塊中卷積核的步長均為其所對應(yīng)的step，卷積核的尺寸均大于標(biāo)簽框的尺寸，這樣讓信息提取得更加充分，每進行一次卷積，都是其主干網(wǎng)絡(luò)層中特征單元感受野區(qū)域內(nèi)的信息進行的一次采集，由于卷積的步長為step，那么經(jīng)過一輪卷積，DB提取特征的寬與高正好是原圖寬與高的step分之一。同時需要讓每個卷積核充分的覆蓋每次卷積所學(xué)習(xí)的標(biāo)簽框，參考先驗框的生成方法，BasicRFB_a P3、BasicRFB P3、BasicRFB P5層特征單元對應(yīng)的多個先驗框最長的邊分別為42、104、192，于是想到3種尺寸分別為60×60、120×120、240×240的卷積核去學(xué)習(xí)每個標(biāo)簽框的信息，這里卷積尺寸要比先驗框稍大的一個重要原因是，在RFBnet算法中標(biāo)簽框是先驗框經(jīng)過真實框調(diào)整后的框，往往正例的先驗框與真實框會存在一定的偏差。

對于一個需要檢測的目標(biāo)，當(dāng)卷積核掃過靠近目標(biāo)中心區(qū)域內(nèi)的像素時，卷積核會將注意力放在中心點附近。對于一個遠小于60×60分辨率的目標(biāo)，往往目標(biāo)周圍很大一塊區(qū)域的像素是無效的特征，所以單純使用一種尺寸的卷積核去學(xué)習(xí)特征單元感受野區(qū)域內(nèi)的信息，效率并不高，于是提出一種給卷積添加注意力機制的卷積塊結(jié)構(gòu)，DB1結(jié)構(gòu)如圖3所示，通過給60×60的卷積并行添加了30×30和15×15尺寸的卷積分支。

圖3 融入注意力機制的DB1Fig.3 DB1 into attention mechanism

DB1對應(yīng)核的尺寸達到了240×240的分辨率，雖然步長設(shè)為s tep（DB3卷積核的步長為32）可以減少巨大的計算量，但是對于3通道的原圖，完成單通道輸出就需要240×240×3的參數(shù)量，若是匹配特征圖的通道數(shù)，DB3卷積參數(shù)量就高達240×240×3×512，顯然給RFBnet增加這么多參數(shù)量是不值得的，于是引入了膨脹卷積，在膨脹率大于1時，相同參數(shù)量的卷積核可以有更大的感受野，給3個不同分辨率的核分別設(shè)置了8、5、3的膨脹率，這樣相同感受野的情況下，參數(shù)量會降低，膨脹率的引入使得這么大尺寸的卷積核完全行得通，對于60×60的卷積核，可以使用8×8，膨脹率為8的卷積核進行替代，兩者在原圖中有相同的覆蓋率，將步長設(shè)為step，這將大大減少卷積的計算量。DB1中3層卷積核尺寸分辨率分別為60×60、30×30、15×15，通過R分別為8、5、3的膨脹率轉(zhuǎn)化后分辨率分別為8×8、6×6、5×5。DB2、DB3經(jīng)過同樣的轉(zhuǎn)化，結(jié)構(gòu)如圖4所示。

圖4 DB1、DB2、DB3結(jié)構(gòu)圖Fig.4 DB1，DB2，DB3 structure diagram

2.2 特征融合

I-RFBnet共提取出6組不同大小的有效特征圖，圖5為I-RFBnet中的DFF模塊、PFF模塊對RFBnet主干網(wǎng)絡(luò)中BasicRFB P5進行特征融合操作的流程示意圖，首先使用PFF模塊中的最大池化層2×2、3×3卷積和Relu激活函數(shù)對相對較淺的BasicRFB_a P3和BasicRFB P3特征進行處理，在保留淺層網(wǎng)絡(luò)顯著的細(xì)節(jié)特征、降低特征維度的同時，使淺層網(wǎng)絡(luò)特征學(xué)習(xí)到更多的非線性關(guān)系，與BasicRFB P5融合后使得BasicRFB P5獲取更多的BasicRFB_a P3和BasicRFB P3的邊緣細(xì)節(jié)信息，然后使用DFF模塊中的Deconv 2×2、3×3卷積和ReLU激活函數(shù)對相對較深的BasicRFB P6、Conv2d P7、Conv2d P8進行處理，在填充特征內(nèi)容、提取敏感特征信息的同時使深層網(wǎng)絡(luò)特征學(xué)習(xí)到更多的非線性關(guān)系，與BasicRFB P5融合后，使得BasicRFB P5具備更多的BasicRFB P6、Conv2d P7、Conv2d P8的特征信息，圖5中的×2和×3分別代表將相應(yīng)的操作進行兩次和三次，最后將上述提取的特征進行融合并做L2 norm歸一化操作，組成新的BasicRFB P5特征，同理，對主干網(wǎng)絡(luò)中的其他層做相同操作，具體可表示為：

圖5 對Basic RFB P5特征融合流程圖Fig.5 Flow chart of feature fusion for Basic RFB P5

其中，xi為主干網(wǎng)絡(luò)第i層特征，ω(?)表示進行3×3卷積和ReLU激活操作，σ(?)表示進行下采樣操作，采用的是最大池化操作，表示進行(i-p)次下采樣操作，[Xp]表示下采樣特征集合，δ(?)表示上采樣操作，采用的是最近鄰插值法，表示進行(d-i)次上采樣操作，[Xd]表示上采樣特征集合，CBasicRFB(?)表示進行特征融合操作，L2(?)表示進行L2norm歸一化操作，Yi表示對原始網(wǎng)絡(luò)中xi層特征進行上下文特征融合后生成的特征圖。

2.3 候選框匹配和損失函數(shù)設(shè)計

為實現(xiàn)對圖像中不同尺度的船只目標(biāo)進行檢測，設(shè)計不同縱橫比的候選框進行匹配以適應(yīng)不同尺度大小的圖像目標(biāo)，根據(jù)RFBnet損失函數(shù)，可以得到候選框D={d1,d2,…,dn}，其中di由(cx,cy,w,h)4個坐標(biāo)值組成，(cx,cy)為中心點坐標(biāo)，w、h分別為候選框的寬和高，將候選框與真實標(biāo)簽框進行匹配，得到候選框的坐標(biāo)及其對應(yīng)的目標(biāo)類別，具體可表示為Y?∈Rn×(l+4)，l表示類別種類，為簡單標(biāo)記可以令Y?=[Z?,B?]，其中Z?=Rn×l表示預(yù)測類別向量集合，其中B?=Rn×4表示預(yù)測坐標(biāo)向量集合，當(dāng)候選框與真實的標(biāo)簽匹配大于閾值時將其記為正例樣本Pos表示，當(dāng)候選框與真實的標(biāo)簽框匹配小于閾值時將其記為負(fù)例樣本用Neg表示。

此外，RFBnet算法在6個預(yù)測尺度上一共要預(yù)測11 620個預(yù)測框，其中只有少部分預(yù)測框中包含有目標(biāo)，而大多數(shù)預(yù)測框中只包含有圖像背景信息，網(wǎng)絡(luò)更多地聚焦在容易分類的背景框，造成對目標(biāo)的分類能力下降。為避免這種情況導(dǎo)致模型訓(xùn)練退化的問題，本文引入聚焦分類損失[17]對模型訓(xùn)練進行監(jiān)督，可表示為：

式中，N為與真實框的候選框個數(shù)，定位損失函數(shù)可表示為：

式中，Lclass_f1(Z?,Z)為分類損失函數(shù)，采用交叉熵計算損失，可表示為：

式中，Z?j,c表示正確且類別為背景預(yù)測框的概率，at和r為超參數(shù)，且at∈[0,1],r∈[0,5]，當(dāng)r＞0時意味著正樣本的損失相對減少，模型將更加聚焦于負(fù)樣本的訓(xùn)練，因此加入聚焦分類損失函數(shù)有效地解決了正負(fù)樣本分布不均衡的問題，提高了模型的優(yōu)化效率。

3 實驗結(jié)果分析

本文實驗是基于64位的Windows10操作系統(tǒng)，Inter?CoreTMi7-7800XCPU-@3.5 GHz處理器，16 GB內(nèi)存，NVIDIA GeForce GTX1080Ti 11 GB顯卡，采用深度學(xué)習(xí)框架為TensorFlow，主要使用軟件工具為Pycharm，Python3.6。

在整個訓(xùn)練過程中，為了快速優(yōu)化訓(xùn)練，將與真實框的IoU值大于0.5的先驗框設(shè)定為正例框，采用難以學(xué)習(xí)的負(fù)例框參與訓(xùn)練，正負(fù)樣本的比例設(shè)為3∶1。每4張圖片設(shè)為一個batch，優(yōu)化器為Adam，學(xué)習(xí)率使用回調(diào)方式，當(dāng)兩個epoch完成時，損失不下降，學(xué)習(xí)率減小為原來一半，訓(xùn)練分三次進行，模型首先在ILSVRC CLS-LOC數(shù)據(jù)集上預(yù)訓(xùn)練；第二次訓(xùn)練，設(shè)置網(wǎng)絡(luò)前20層參數(shù)不參與訓(xùn)練，初始學(xué)習(xí)率為0.000 5，epoch設(shè)為50，第三次網(wǎng)絡(luò)所有層參數(shù)都參與訓(xùn)練，初始學(xué)習(xí)率為0.000 1，epoch設(shè)為100，為了減小訓(xùn)練時間，加入早停（early-stopping），每次訓(xùn)練4個epoch損失值不下降就結(jié)束本次訓(xùn)練。

圖6展示了三種不同的主流算法的mAP曲線圖，AP計算的閾值均設(shè)為0.5，當(dāng)使用I-RFBnet算法時，mAP值可以達到96.26%，比FSSD高0.99個百分點，比RFBnet高出4.74個百分點。對于每一個類別，小目標(biāo)fishing boat的AP值明顯有大幅提升，主要是相對RFBnet而言，高出9.94個百分點，比FSSD也高出0.45個百分點，說明通過把淺層的細(xì)節(jié)特征和高層的語義特征融合起來能夠提高算法對小目標(biāo)的檢測。還有一個有明顯變化是ore carrier，通過觀察數(shù)據(jù)集可以發(fā)現(xiàn)包含有ore carrier的圖片目標(biāo)與背景的混肴率都很大，背景的干擾性很大。而I-RFBnet比FSSD[18]和RFBnet的AP值分別高出0.95個百分點和5.88個百分點，主要原因是本文使用了聚焦分類損失，有效地解決了正負(fù)樣本分布不均衡的問題，提高了模型的優(yōu)化效率。

圖6 I-RFBnet、FSSD、RFBnet三種不同算法的mAP曲線對比Fig.6 Comparison of mAP curves of I-RFBnet,FSSD and RFBnet

圖7展示了不同算法使用同樣訓(xùn)練策略下的檢測結(jié)果圖，從檢測效果可以看出I-RFBnet相對其他兩種算法有明顯的提升，I-RFBnet檢測出來的目標(biāo)類別數(shù)要多于其他兩種，尤其是對小目標(biāo)的檢測效果提升明顯，而且對遮擋目標(biāo)的識別率也較高，而FSSD和RFBnet有較多的漏檢和錯檢情況，在第三行的三幅圖比較中，可以發(fā)現(xiàn)FSSD和RFBnet發(fā)生了誤檢而且對小目標(biāo)的檢測精度也不高，而I-RFBnet不但正確區(qū)分出了船的類別，而且目標(biāo)的置信度也遠高于其他兩種，原因在于I-RFBnet采用了特征融合和膨脹卷積，對淺層特征層進行了特征增強，因此對多尺度目標(biāo)特別是小目標(biāo)的檢測能力更強。

圖7 三種不同算法在SeaShips測試集上的檢測結(jié)果Fig.7 Detection results of three different algorithms on SeaShips test set

為了進一步驗證，本模型消融實驗幾組實驗都采用相同的訓(xùn)練配置、學(xué)習(xí)率衰減方法以及批量。為了讓實驗充分訓(xùn)練，本文進行100個epoch充分訓(xùn)練，實驗結(jié)果如表1所示。前兩列DB2和DB3表示作用不同數(shù)量的淺層，如DB2表示僅增強前兩層特征圖，Attention表示DB使用注意力結(jié)構(gòu)，F(xiàn)usion表示特征融合。第一行表示傳統(tǒng)RFBnet的mAP為91.52%；第三行可以看出，不對原來六個特征層進行特征融合而直接對前三層添加帶注意力結(jié)構(gòu)的DB卷積塊可以提升0.46個百分點的精度；第四行可以看出，對原來六個特征層進行特征融合后再給前三層添加DB模塊，mAP相比RFBnet提高了1.9個百分點；第五行可以看出，I-RFBnet比RFBnet的mAP提高了4.74個百分點，表明本文提出的先使用特征融合形成六個有效特征層再對前三層加入注意力機制的膨脹卷積塊的方法對檢測精度的提高是有效的，而且需要同時使用效果才可達到最佳。

表1 消融實驗Table 1 Ablation experiments

在表2中嘗試了3種結(jié)構(gòu)的膨脹卷積結(jié)構(gòu)，除了前面提到的卷積塊結(jié)構(gòu)外，本文還嘗試了步長為0.5 step的卷積加上2×2尺寸、2×2步幅的最大池化（Maxpooling）以及步長為0.25 step的卷積加上4×4尺寸、4×4步幅的最大池化代替步幅為step的卷積。表中可以看出三種結(jié)構(gòu)的膨脹卷積塊對特征單元信息增強均有效，使用步長為step卷積效果最好。

表2 在I-RFB中使用不同結(jié)構(gòu)的膨脹卷積Table 2 Expansion convolution of different structures is used in I-RFB

為了進一步驗證本文方法的有效性，將本文方法與當(dāng)前主流的一些目標(biāo)檢測算法進行對比。所有實驗均在SeaShips數(shù)據(jù)集上進行的，除SSD-512、YOLOv2（532×532）以外，圖像的輸入尺寸均為300×300，參數(shù)的選擇和之前一樣，YOLOv2算法以Darknet-19作為基礎(chǔ)網(wǎng)絡(luò)，RetinaNet[19]、DSSD[20]算法分別以ResNet50、ResNet101作為基礎(chǔ)網(wǎng)絡(luò)，其他都以VGG16作為基礎(chǔ)網(wǎng)絡(luò)，AP計算的閾值設(shè)為0.5和0.7。實驗結(jié)果如表3所示，從表中可以看出，本文提出的算法在精度上都高于其他算法。在檢測速度上，由于本文對RFBnet算法的網(wǎng)絡(luò)結(jié)構(gòu)做了一些改進，導(dǎo)致檢測速度有所下降，但是仍然優(yōu)于兩級檢測器，能夠滿足實時檢測的需求。

表3 與其他算法在SeaShips數(shù)據(jù)集上的性能對比Table 3 Performance comparison with other algorithms on SeaShips data set

4 結(jié)論

本文針對多目標(biāo)遮擋情況下小目標(biāo)檢測問題，設(shè)計了一種基于改進RFBnet的算法。算法設(shè)計了池化特征融合模塊和反卷積特征融合模塊并提出了一種融入注意力機制的膨脹卷積塊DB，增強了靠近目標(biāo)中心點區(qū)域特征的學(xué)習(xí)，將算法在SeaShips數(shù)據(jù)集上進行測試，實驗結(jié)果表明：（1）與當(dāng)前多種深度學(xué)習(xí)算法相比，本文所提出的改進算法結(jié)構(gòu)合理，檢測精度最高，雖然檢測時間上有所下降，但可以滿足實時檢測的需求。（2）從檢測精度上看，當(dāng)IoU閾值設(shè)置為0.5時，改進后的算法較SSD、RFBnet、FSSD算法分別提高10.51、4.74、1.87個百分點；當(dāng)IoU閾值設(shè)置為0.7時，改進后的算法較SSD、RFBnet、FSSD算法分別提高13.27、5.12、3.28個百分點。

通過預(yù)測結(jié)果圖看出，改進后的方法檢測效果得到了較大的提高，尤其提高了對小目標(biāo)的檢測精度，盡管改進后的方法能夠達到實時檢測的應(yīng)用需求，但相較于原始RFBnet算法耗時依然過多，未來將進一步優(yōu)化算法，擴充自然圖像船只數(shù)據(jù)集，以提升對復(fù)雜場景下的小目標(biāo)檢測。