姜浩風，張 順，梅少輝

（西北工業(yè)大學電子信息學院，陜西 西安 710072）

0 引言

艦船是水上交通運輸?shù)闹匾d具，對水面艦船的監(jiān)測與管理是各國海事部門的一項重要工作。合成孔徑雷達（Synthetic Aperture Radar，SAR）技術(shù)是一種主動式微波遙感探測技術(shù)，它利用脈沖壓縮和合成孔徑同時提高雷達距離向和方位向的分辨率，從而獲得全天候、全天時、大面積、高分辨率SAR 圖像。SAR圖像自動目標識別（Automatic Target Recognition，ATR）技術(shù)旨在自動從SAR 圖像中判斷出有無目標信息，提高SAR 圖像的解讀效率與準確度。SAR 系統(tǒng)可安裝于飛機、衛(wèi)星等平臺，并且可全天候、全天時觀察地面和海洋表面，因此SAR 圖像ATR 技術(shù)對海洋監(jiān)測領(lǐng)域的水面艦船檢測與識別具有重要價值。

近年來，SAR 圖像ATR 技術(shù)已經(jīng)在全世界得到深入研究，并形成了固定的三級流程：檢測、鑒別和分類。檢測模塊主要基于檢測算法獲取包含SAR 圖像目標的切片，鑒別模塊對于目標切片剔除虛警值，分類模塊選取最佳決策機制判斷類別。

傳統(tǒng)的SAR 圖像艦船檢測算法為基于統(tǒng)計建模的恒虛警率（Constant False Alarm Rate，CFAR）算法，包括雙參數(shù)CFAR 算法、基于分布的CFAR 算法，以及最佳熵自動門限法、多極化方法等。此類方法均需要對原始圖像進行預處理，如雜波過濾、海陸分割，在檢測過程中也需要根據(jù)先驗知識對部分虛警目標進行過濾。目前，隨著人工智能領(lǐng)域的快速發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）可以實現(xiàn)對圖像高層特征的主動提取，避免了人工選取特征的復雜工作，具有良好的分類準確度和魯棒性，為SAR 圖像目標檢測提供了新的途徑。

在自然圖像的分類識別任務上，研究人員提出了一些非常典型的深度學習網(wǎng)絡(luò)模型，例如AlexNet、VGG、Googlenet、ResNet、DenseNet、Inception、MobileNet、SqueezeNet等。目前成熟的目標檢測模型大多基于這一系列網(wǎng)絡(luò)架構(gòu)，例如twostage 的R-CNN、Fast R-CNN、Faster R-CNN檢測算法與one-stage 的YOLO系列檢測算法。對于SAR 圖像的艦船檢測，深度學習在檢測速度與檢測精度上都優(yōu)于傳統(tǒng)的檢測方法，YOLOv3相比其他目標檢測模型，在保證準確率的同時進一步提高了檢測效率。本文在YOLOv3 網(wǎng)絡(luò)的基礎(chǔ)上，用稠密網(wǎng)絡(luò)模塊代替用于提取中小尺度特征的殘差網(wǎng)絡(luò)模塊，改進網(wǎng)絡(luò)對于較小尺度SAR 艦船目標的檢測性能，使用綜合交并比（GIoU）度量損失代替交并比（IoU）邊界框回歸損失，提升邊界框的檢測精度。

1 網(wǎng)絡(luò)模型及算法

1.1 YOLOv3 網(wǎng)絡(luò)

YOLOv3 網(wǎng)絡(luò)是一種單階段目標檢測網(wǎng)絡(luò)，與兩階段目標檢測網(wǎng)絡(luò)相比，單階段目標檢測網(wǎng)絡(luò)具有更快的檢測速度。YOLOv3 網(wǎng)絡(luò)采用Darknet 53作為主干網(wǎng)絡(luò)以提取輸入圖像的特征，同時結(jié)合了多種優(yōu)秀的方法如多尺度檢測、殘差網(wǎng)絡(luò)等，進一步提升了網(wǎng)絡(luò)性能。YOLOv3 首先將輸入圖像調(diào)整至416×416 的大小，再將其分割成×的網(wǎng)格，網(wǎng)格中每個單元格負責檢測中心點落在該單元格中的目標。每個單元格會檢測3 個不同尺度的邊界框并預測其置信度。預測量包括、、、與置信度，其中、為邊界框中心坐標在和方向的相對偏移量，和為邊界框的寬和高，置信度通過閾值對預測結(jié)果進行取舍，表示邊界框中預測目標類別的準確性。

1.2 DenseNet 網(wǎng)絡(luò)

密集連接網(wǎng)絡(luò)（DenseNet）由HUANG 等于2016 年提出，該網(wǎng)絡(luò)并未參考ResNet 的思想，通過殘差級聯(lián)實現(xiàn)增加網(wǎng)絡(luò)層數(shù)，從而提升網(wǎng)絡(luò)性能；也未參考Inception 的思想，通過擴展網(wǎng)絡(luò)寬度提升網(wǎng)絡(luò)性能，而是著眼于特征方面，將特征在多個通道上以不同的方式進行連接實現(xiàn)特征重組，從而保證其特征信息的全面性，提高特征復用率。

通過對特征的重組利用不僅在一定程度上減輕了梯度彌散問題，而且在減少了參數(shù)數(shù)量的同時加強了特征的有效傳遞。對于一個層的網(wǎng)絡(luò)結(jié)構(gòu)，DenseNet 網(wǎng)絡(luò)將0 層至（-1）層的輸出進行非線性變換：式中：H(·)為非線性變換函數(shù)；[，，…，x]為將0 層～（-1）層輸出的特征進行拼接；x為第層的變換結(jié)果。

DenseNet 以這種稠密連接的方式最大化地使用特征信息。因此本文采用DenseNet 網(wǎng)絡(luò)中的稠密模塊來加強網(wǎng)絡(luò)對于特征的提取。

1.3 YOLOv3 與DenseNet 網(wǎng)絡(luò)的融合策略

ResNet 網(wǎng)絡(luò)與DenseNet 網(wǎng)絡(luò)都是應用于分類任務中，兩者的框架結(jié)構(gòu)極為相似，其網(wǎng)絡(luò)都是由若干個單元模塊堆疊而成，且單元模塊都是由激活函數(shù)層、卷積層與批歸一化層組成。因此，在原有結(jié)構(gòu)的基礎(chǔ)上，將殘差模塊（Residual Block，Res Block）替代為稠密模塊（Dense Block），并改變其連接方式即可完成替代工作，如圖1 所示。其中Conv2D 代表卷積模塊，Contact 代表全連接模塊，Upsampling 代表上采樣模塊。將YOLOv3 網(wǎng)絡(luò)中對尺度26×26 和52×52 進行預測輸入的兩組殘差模塊替換為自定義的密集連接模塊，構(gòu)建出一個帶有密集型連接模塊的特征提取網(wǎng)絡(luò)，使尺度26×26和52×52 在進行預測之前能夠接收密集連接塊輸出的多層卷積特征，增強特征的傳遞并促進特征復用和融合，進一步提升檢測效果。

圖1 YOLOv3 結(jié)構(gòu)圖及稠密塊位置Fig.1 Diagram of the YOLOv3 architecture and the dense block position

稠密模塊中通道維數(shù)的變化過程如圖2 所示，在第1 組Dense Block中共有8 個Dense Block Unit，分別代替對應位置的Residual Block Unit。Dense Block 的輸入為52×52×256 的特征圖，為了減少計算負擔，在后7 個Dense Block Unit 中的輸入前分別執(zhí)行1×1 的卷積操作實現(xiàn)降維，即每次增加的通道數(shù)為128：

圖2 稠密模塊維度變化Fig.2 Dimension change of the dense block

式中：H(·) 為BN+ReLU+Conv（1×1）+BN+ReLU+Conv（3×3）的組合函數(shù)表達，即附加Bottleneck layer 的Dense Block 的非線性組合函數(shù)；，，…，X為每次線性組合操作后的結(jié)果。輸入特征圖經(jīng)8 組非線性函數(shù)組合獲取到52×52×1 280 特征圖，隨后，將其與特征交互部分中上采樣獲取的52×52×128 特征圖進行拼接操作，得到52×52×1 408 的特征圖，以此作為輸出應用于檢測小尺度的目標。

第2 組Dense Block 的輸入通道數(shù)為512，通道變化做出相同的降維預處理，即每次增加的通道數(shù)為256，經(jīng)過8 組Dense Block Unit 后輸出26×26×2 560 的特征圖，并將其與特征交互部分經(jīng)上采樣獲取的26×26×256 特圖執(zhí)行拼接操作，經(jīng)通道合并后輸出26×26×2 816 特征圖用于中型尺度目標檢測。改進之后的模型YOLOv3 網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。

圖3 改進后的模型結(jié)構(gòu)Fig.3 Structure of the improved model

1.4 多尺度先驗框

隨著輸出特征圖數(shù)量和尺度的變化，先驗框的尺寸也需要進行相應調(diào)整。YOLOv3 延續(xù)了YOLOv2的方法，采用-means聚類得到先驗框的尺寸，為每種下采樣尺度設(shè)定3 種先驗框，共聚類出9 種尺寸的先驗框：（10×13）、（16×30）、（33×23）、（30×61）、（62×45）、（59×119）、（116×90）、（156×198）、（373×326）。

在檢測中，不同大小的目標分配不同尺度的先驗框，最小的13×13 特征圖具有最大的感受野，應用較大的先驗框（116×90）、（156×198）、（373×326），適合檢測較大的目標。中等的26×26 特征圖具有中等感受野，應用中等的先驗框（30×61）、（62×45）、（59×119），適合檢測中等大小的目標。較大的52×52 特征圖具有較小的感受野，應用較小的先驗框（10×13）、（16×30）、（33×23），適合檢測較小的目標。不同尺度下的特征圖與先驗框如圖4所示。

圖4 不同尺度下的特征圖與先驗框Fig.4 Characteristic diagrams and a priori frames at different scales

在目標檢測的過程中，如果目標中心落在某網(wǎng)格中，即由該網(wǎng)格負責預測。YOLOv3 的輸出結(jié)果通過預測不同網(wǎng)格的錨點所對應的偏移量完成檢測目標預測框的回歸，如圖5 所示。

圖5 邊框預測Fig.5 Frame prediction

圖中：c、c為負責預測網(wǎng)格的左上角坐標；t、t為被測目標中心相對網(wǎng)格左上坐標的偏移量；、為預設(shè)的先驗框映射到特征圖中的寬和高；b、b為最終得到的邊框中心坐標；、為其相對特征圖的寬與高。(·)sigmoid 函數(shù)將，壓縮到［0，1］區(qū)間內(nèi)，確保目標中心處于執(zhí)行預測的網(wǎng)格單元中，防止偏移過多；、為尺度縮放的參數(shù)，經(jīng)過指數(shù)運算還原后參與、的運算。

1.5 GIoU 改進

YOLOv3 模型使用IoU 即交并比作為衡量檢測定位性能的主要指標，IoU 計算公式如下：

式中：、分別為預測框與真實框的位置信息。

損失函數(shù)定義為

IoU 作為指標存在2 個問題：1）若兩框沒有相交，即=0，此時IoU 無法反映預測框與真實框之間的距離，同時損失函數(shù)無法進行梯度的反向傳播，故無法通過梯度下降的方式進行訓練。2）IoU僅能量化地表示兩框之間的重合度大小，無法表示兩框的空間位置關(guān)系。

針對以上2 個問題，HAMID 等提出了 使用GIoU 作為新的指標，計算公式如下：

式中：為包含與的最小同類形狀，其損失函數(shù)為

GIoU 繼承了IoU 的尺度不變性，同時相較與IoU 僅關(guān)注重合區(qū)域，GIoU 還關(guān)注了非重合區(qū)域，可以更好地反映預測框與真實框的重合程度。

2 實驗過程及結(jié)果

2.1 數(shù)據(jù)集介紹

本實驗采用中國科學院空天信息研究院數(shù)字地球重點實驗室研究員王超團隊公開的SAR 圖像船舶檢測數(shù)據(jù)集。該數(shù)據(jù)集包括多源、多模式SAR 圖像，以我國國產(chǎn)高分三號SAR 數(shù)據(jù)和Sentinel-1 SAR 數(shù)據(jù)為主數(shù)據(jù)源，數(shù)據(jù)及其標注格式適用于目標檢測任務。目前，該深度學習樣本庫包含43 819船舶切片及其標注信息，數(shù)據(jù)集樣例如圖6所示。

圖6 SAR 艦船數(shù)據(jù)集樣例Fig.6 Examples of the SAR ship dataset

2.2 模型訓練

本實驗的訓練環(huán)境為：Ubuntu16.04 系統(tǒng)，python3.7，pytorch1.7.1 框架，cuda10.1，cudnn8.0，GPU為GTX1080Ti。

本實驗采用監(jiān)督學習的方式，通過損失函數(shù)計算網(wǎng)絡(luò)輸出值與期望值之間的誤差，通過誤差反向傳播調(diào)節(jié)網(wǎng)絡(luò)內(nèi)部的各項參數(shù)來減小誤差，使網(wǎng)絡(luò)逐漸收斂。在訓練過程中選擇SGD 優(yōu)化器，權(quán)重衰減（Weight Decay）設(shè)置為0.000 5，沖量（Momentum）設(shè)置為0.9，學習率設(shè)置為0.001，訓練50 000 批次后，損失函數(shù)趨近于0，表明模型收斂，對訓練數(shù)據(jù)的擬合程度較好。損失函數(shù)曲線如圖7 所示。

圖7 網(wǎng)絡(luò)訓練損失曲線Fig.7 Network training loss curve

2.3 實驗結(jié)果

本實驗采用的評價指標為主流的類平均準確率（Mean Average Precision，mAP）與每秒傳輸幀數(shù)（Frames Per Second，F(xiàn)PS）。mAP 是所有檢測目標類別的平均值（Average Precision，AP），衡量模型在各類別上識別效果的平均水平。FPS 用于衡量模型的檢測速率。本實驗采用Faster R-CNN 與原版YOLOv3 作為對比算法，實驗中訓練樣本與驗證樣本的比例為9∶1，測試結(jié)果見表1。

表1 測試結(jié)果對比Tab.1 Comparison of the test results

由表1 可知，改進后的YOLOv3 框架的檢測性能在準確率上優(yōu)于Faster R-CNN 與原版YOLOv3，相較原版YOLOv3 模型，改進后模型的mAP 提高了1.4%，在檢測速度上與原版YOLOv3 一致，這是因為改進的方法并未對YOLOv3 做模型結(jié)構(gòu)與參數(shù)量上的簡化。改進后的YOLOv3 采用稠密模塊替換殘差模塊來提高對小目標的檢測精度。由于海面目標多為小型艦船，因此改進后的YOLOv3 比原版具有更高的檢測精度，檢測結(jié)果圖像如圖8 所示。

圖8 SAR 艦船檢測結(jié)果Fig.8 Results of the SAR ship detection

3 結(jié)束語

本實驗針對SAR 圖像自動目標識別問題展開了研究，設(shè)計了一種基于改進YOLOv3 架構(gòu)的SAR艦船檢測模型。該模型通過將網(wǎng)絡(luò)中部分殘差模塊替換為稠密連接模塊，改進了網(wǎng)絡(luò)對于小尺寸目標的檢測性能，通過用GIoU 取代IoU 提高預測框的檢索準確度。

實驗結(jié)果表明，改進后的YOLOv3 框架基于其對小目標檢測的優(yōu)秀性能，在SAR 艦船檢測的任務上取得了較好的結(jié)果。