姬嗣愚， 王永生

(1.海軍航空大學(xué)，山東 煙臺 264000； 2.中國人民解放軍91475部隊(duì)，遼寧 葫蘆島 125000)

0 引言

目前隨著技術(shù)的發(fā)展，海上武器裝備逐漸多樣化，在執(zhí)行海上演練、作戰(zhàn)等任務(wù)時，必須依賴火炮、魚雷、導(dǎo)彈等武器進(jìn)行防衛(wèi)和攻擊。因此，快速獲取武器射擊彈著點(diǎn)的準(zhǔn)確位置并及時反饋給指揮部門,便于實(shí)時評估射擊結(jié)果,為后續(xù)的訓(xùn)練或作戰(zhàn)方案的制定、切實(shí)提高部隊(duì)?wèi)?zhàn)斗力水平具有重要的指導(dǎo)意義。

現(xiàn)階段主要依靠雷達(dá)號手觀察彈著點(diǎn)處水柱信號評判射擊效果，從使用角度來看，這種依靠人工檢測彈著點(diǎn)的方法主要存在測量精度不準(zhǔn)、測量時間長、彈著點(diǎn)重疊時無法辨別等問題。近年來，目標(biāo)檢測技術(shù)取得了巨大的成功，已在海防監(jiān)視、精確制導(dǎo)、視頻監(jiān)控等多個領(lǐng)域得到廣泛應(yīng)用[1]，為彈著點(diǎn)的檢測提供了新的方向。當(dāng)前的目標(biāo)檢測算法主要通過引入卷積神經(jīng)網(wǎng)絡(luò)自動提取高層特征[2]。根據(jù)檢測過程中是否包含候選區(qū)域目標(biāo)推薦這一過程，將其分為基于候選區(qū)域思想的兩階段算法[3-6]和基于回歸思想的一階段算法[7-12]。前者的典型算法包括R-CNN系列、R-FCN等，這類算法精度較高，但相比一階段算法速度較慢；后者的典型算法包括YOLO系列、SSD和DSSD等。雖然這些算法都在不斷地完善目標(biāo)檢測的精度和速度，但是對于海上彈著點(diǎn)水柱信號的檢測并不完全適用。YOLO算法可以將目標(biāo)物體的位置信息和類別信息同時檢測出來,實(shí)現(xiàn)端到端的訓(xùn)練,檢測速度很快[13]，因此本文采用YOLOv5模型作為基礎(chǔ)模型。結(jié)合采集到的水柱信號尺寸變化大、形態(tài)變化多的特點(diǎn)，本文提出CAs-YOLOv5s算法，通過數(shù)據(jù)增強(qiáng)、引入坐標(biāo)注意力機(jī)制(Coordinate Attention,CA)和Softpool池化方法，對攝像頭捕獲到的彈著點(diǎn)處的水柱信號進(jìn)行目標(biāo)檢測，為后續(xù)獲得彈著點(diǎn)的位置及距離信息奠定基礎(chǔ)。

1 YOLOv5s算法原理

YOLO系列發(fā)展至今已經(jīng)到第5代(YOLOv5)[14]，相比于之前的算法，YOLOv5檢測速度快，且更加輕量化，在某種程度上已成為YOLO系列中性能最優(yōu)的算法。根據(jù)網(wǎng)絡(luò)的深度與寬度不同，YOLOv5提供了4個版本，分別為YOLOv5s，YOLOv5m，YOLOv5l，YOLOv5x，4個版本模型大小與精度依次遞增,由瓶頸層(Bottleneck)數(shù)目區(qū)分，能夠根據(jù)應(yīng)用場景選取合適大小的模型。本文主要針對海上彈著點(diǎn)水柱信號進(jìn)行檢測，為了滿足模型輕量化和檢測實(shí)時性要求，將基準(zhǔn)模型選擇為YOLOv5s，后續(xù)可以更方便地應(yīng)用于嵌入式設(shè)備中。YOLOv5s算法的總體結(jié)構(gòu)如圖1所示，共包括4個組成部分。

1) 輸入端：通過mosaic數(shù)據(jù)增強(qiáng)方式，一次讀取4張圖片，分別對每張圖片進(jìn)行翻轉(zhuǎn)、縮放和色彩變換等操作后，將4張圖片和圖中的標(biāo)注框進(jìn)行組合，在同一圖片中實(shí)現(xiàn)多背景下多目標(biāo)的組合。其原理為

(1)

同時，YOLOv5s利用自適應(yīng)錨框計(jì)算得到每次訓(xùn)練時訓(xùn)練集中的最佳初始錨框值，最后將原始圖像縮放到統(tǒng)一標(biāo)準(zhǔn)尺寸，再送入檢測網(wǎng)絡(luò)中。

2) 骨干網(wǎng)絡(luò)：在YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)中，將原始3通道608像素×608像素的圖像輸入Focus結(jié)構(gòu)，采用切片操作拼接為12通道304像素×304像素的特征圖，隨后經(jīng)過一系列CSP結(jié)構(gòu)完成特征提取[15]。

3) 頸部：借鑒了YOLO V4中的頸部結(jié)構(gòu)，采用特征金字塔網(wǎng)絡(luò)(Feature Pyramid Network，F(xiàn)PN)與路徑聚合網(wǎng)絡(luò)(Path Aggregation Network，PAN)相結(jié)合的方式，F(xiàn)PN層自頂向下與骨干網(wǎng)絡(luò)特征圖融合，傳達(dá)強(qiáng)語義特征，PAN則自底向上傳達(dá)強(qiáng)定位特征，二者結(jié)合從不同的主干層對不同的檢測層進(jìn)行特征聚合[10]。

4) 輸出端：YOLOv5s采用GIOU_Loss作為損失函數(shù)，輸出3個尺度的特征圖，分別為80×80,40×40和20×20的網(wǎng)格，分別用于檢測小、中、大物體。每個網(wǎng)格包含3個預(yù)測框，每個預(yù)測框中含有物體的置信度和預(yù)測框的位置信息，最后通過非極大值抑制(Non-Maximum Suppression,NMS)剔除重復(fù)冗余的預(yù)測框，保留置信度最高的預(yù)測框信息[16]，從而完成目標(biāo)檢測過程。

圖1 YOLOv5s網(wǎng)絡(luò)總體框架Fig.1 Structure of YOLOv5s network

2 CAs-YOLOv5s算法

海上彈著點(diǎn)水柱信號具有尺寸變化大、形狀不規(guī)則的特點(diǎn)，原來的YOLOv5s模型無法充分滿足檢測需求。因此，提出CAs-YOLOv5s算法模型，通過引入更優(yōu)的網(wǎng)絡(luò)模塊與數(shù)據(jù)增強(qiáng)策略提高目標(biāo)檢測能力。

2.1 坐標(biāo)注意力(CA)模塊

注意力模塊可以視為一種增強(qiáng)移動網(wǎng)絡(luò)特征表達(dá)能力的計(jì)算單元，通常用來告訴模型需要關(guān)注哪些內(nèi)容和位置，目前已經(jīng)被廣泛應(yīng)用于深度神經(jīng)網(wǎng)絡(luò)來加強(qiáng)模型的性能。由于輕量級網(wǎng)絡(luò)計(jì)算能力有限，目前最常用的注意力機(jī)制是SE(Squeeze-and-Excitation)模塊，它通過2D全局池化將輸入轉(zhuǎn)化為單個特征向量，用極少的計(jì)算成本獲得了顯著的性能提升[17]。然而，SE模塊僅考慮了通道間信息的編碼，丟失了重要的位置信息。針對上述問題，文獻(xiàn)[18]提出了坐標(biāo)注意力，在特征編碼的同時保留了位置信息，結(jié)構(gòu)如圖2所示。

圖2 SE模塊與CA模塊結(jié)構(gòu)圖Fig.2 Structure of SE module and CA module

CA模塊的具體步驟為:對于給定的輸入X，先使用尺寸(H,1)和(1,W)的池化核沿著水平坐標(biāo)方向和豎直坐標(biāo)方向?qū)γ總€通道進(jìn)行編碼，因此，高度為h及寬度為w的第c個通道可以分別表示為

(2)

(3)

上述兩個變換可以沿著兩個空間方向集成特征，并生成一對特征圖。接著，對特征圖分別編碼得到一對方向感知和位置敏感的注意力圖，該注意力圖可以互補(bǔ)地應(yīng)用于輸入特征圖，從而增強(qiáng)目標(biāo)表達(dá)能力，具體為

f=δ(F1([zh,zw]))

(4)

gh=σ(Fh(fh))

(5)

gw=σ(Fw(fw))

(6)

(7)

式中:F1表示1*1卷積;f表示通過下采樣操作δ得到的中間特征圖，沿空間維度切分后可得到兩個單獨(dú)的張量fh和fw，再利用1*1卷積Fh和Fw以及σ變換得到與X具有同樣通道數(shù)的gh與gw，經(jīng)拓展后用作注意力權(quán)重作用于輸入端，得到最終輸出yc。

與SE模塊產(chǎn)生一個特征向量的方法不同，CA模塊將通道注意力拆分為兩個1維特征編碼過程，分別沿著兩個方向集成空間特征，既可以捕捉到沿著一個空間方向的長程依賴，也可以將精確的位置信息沿著另一個方向保存，彌補(bǔ)了SE模塊的缺陷。本文將CA模塊嵌入CSP結(jié)構(gòu)中，如圖3所示，不需引入過多的計(jì)算開銷就可以進(jìn)行更精確的目標(biāo)定位，進(jìn)而有助于更好地識別決策。

圖3 CA模塊引入前后CSP結(jié)構(gòu)對比圖Fig.3 Comparison of CSP structure before and after CA module introduction

2.2 Softpool 池化

池化操作的主要意義是通過減小特征圖的尺寸進(jìn)而減少計(jì)算需求和內(nèi)存開銷，從而支持創(chuàng)建更大、更深層次的網(wǎng)絡(luò)結(jié)構(gòu)。目前，大多數(shù)方法都是依賴于最大池化和平均池化的不同組合，而大量實(shí)驗(yàn)表明這兩種方法在池化過程中易損失重要檢測信息，因而文獻(xiàn)[19]提出了Softpool池化方法，可以保留更多細(xì)粒度特征信息。Softpool以自然指數(shù)為基礎(chǔ)，通過Softmax加權(quán)方法來保留更多的特征表達(dá)。具體來說，Softpool為內(nèi)核區(qū)域R內(nèi)每一個激活ai賦予權(quán)重wi，wi定義為該激活的自然指數(shù)與區(qū)域R內(nèi)所有激活的自然指數(shù)之和的比值。Softpool操作的輸出值是通過對內(nèi)核區(qū)域R內(nèi)所有加權(quán)激活的標(biāo)準(zhǔn)求和得到的

(8)

圖4 Softpool替換前后SPP模塊對比圖Fig.4 Comparison of SPP structure before and after Softpool replacement

由圖5可以看出，相比最大池化與平均池化，Softpool可以平衡二者的影響，同時利用它們的有利屬性，因?yàn)樵搮^(qū)域的所有激活都對最終輸出有貢獻(xiàn)，而較高的激活比較低的激活更占據(jù)主導(dǎo)地位，因此在增大相近特征區(qū)分度的同時，保留了更多的特征信息，可以有效提高目標(biāo)檢測精度。

2.3 mixup 數(shù)據(jù)增強(qiáng)

由于海上水柱目標(biāo)數(shù)據(jù)較難獲得，且在收集到的數(shù)據(jù)集中，背景相對單一。傳統(tǒng)的離線數(shù)據(jù)增強(qiáng)方式雖然可以一次性擴(kuò)充較多數(shù)據(jù)，但同時也會耗費(fèi)較多的存儲空間，本文采用了mixup數(shù)據(jù)增強(qiáng)策略，mixup以線性插值的方式來構(gòu)建新的訓(xùn)練樣本和標(biāo)簽，是一種與數(shù)據(jù)本身無關(guān)的數(shù)據(jù)增強(qiáng)策略，只需引入極小的計(jì)算開銷就可以改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)的泛化能力[20]，彌補(bǔ)了傳統(tǒng)的離線數(shù)據(jù)增強(qiáng)方式的不足。其原理如下

λ=B(α,β)

(9)

(10)

(11)

圖6 不同α，β取值情況下貝塔分布Fig.6 Beta distribution under different α，β values

由圖6可知，無論參數(shù)α，β如何取值，貝塔分布的期望始終等于0.5，取值越大，生成的λ偏向0.5的可能性越高，圖7展示了其中兩張圖片在λ不同取值情況下的mixup可視化結(jié)果，在本文中α，β取值均為8，即大多數(shù)樣本以0.5附近概率進(jìn)行mixup數(shù)據(jù)增強(qiáng)，以此增強(qiáng)虛擬樣本的多樣性和有效性。

圖7 mixup可視化結(jié)果Fig.7 Visualization results of mixup

2.4 CA-YOLOv5s網(wǎng)絡(luò)模型

針對海上彈著點(diǎn)水柱信號的檢測，在YOLOv5s算法基礎(chǔ)上，結(jié)合2.1～2.3節(jié)的改進(jìn)，得到改進(jìn)后的CAs-YOLOv5s算法的整體結(jié)構(gòu)如表1所示。

表1中，輸入來源列表示當(dāng)前模塊的輸入來源于哪一層的輸出，-1是指該層輸入來自上一層輸出，模塊類名列的BottleneckCSP表示已經(jīng)嵌入坐標(biāo)注意力的CSP結(jié)構(gòu)，參數(shù)列的值分別代表該模塊的輸入通道數(shù)、輸出通道數(shù)、卷積核大小和步長信息等。經(jīng)過計(jì)算，改進(jìn)后的CAs-YOLOv5s共有255層，比原始的YOLOv5模型的283層要少，效率更高。

表1 CAs-YOLOv5s整體結(jié)構(gòu)

3 實(shí)驗(yàn)結(jié)果與對比分析

3.1 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)環(huán)境為Windows10系統(tǒng)，硬件配置為：Intel?CoreTMi7-10750H CPU@2.60 GHz,NVIDIA GeForce GTX1650Ti顯卡，CUDA版本為10.2，CUDNN版本為7.6，利用的深度學(xué)習(xí)框架為Pytorch。

3.2 網(wǎng)絡(luò)訓(xùn)練

本文的數(shù)據(jù)集主要來自公開的海上演習(xí)或訓(xùn)練任務(wù)的圖片，由于海上彈著點(diǎn)水柱信號搜集困難，利用遷移學(xué)習(xí)[21]中實(shí)例遷移的思想，將與彈著點(diǎn)處水柱信號具有相似特征的噴泉作為正樣本輔助訓(xùn)練，共得到744張圖片，再通過旋轉(zhuǎn)、變換飽和度等方式最終擴(kuò)充為2200張新的樣本數(shù)據(jù)集，將其轉(zhuǎn)化為VOC格式進(jìn)行訓(xùn)練，其中訓(xùn)練集與測試集的比例為8∶2。

實(shí)驗(yàn)學(xué)習(xí)率采用Warmup策略[22]訓(xùn)練預(yù)熱，緩解模型在初始階段的過擬合現(xiàn)象，同時有助于提高訓(xùn)練時的穩(wěn)定性。在Warmup階段過后，采用余弦退火算法[23]對學(xué)習(xí)率進(jìn)行更新。

訓(xùn)練時的優(yōu)化器采用隨機(jī)梯度下降(SGD)法，其余訓(xùn)練參數(shù)如表2所示。

在訓(xùn)練過程中記錄模型的損失函數(shù)曲線，如圖8所示。由圖8可以看出，改進(jìn)后的損失函數(shù)在訓(xùn)練初期下降速度更快，整體波動較小，且訓(xùn)練到第250輪左右時損失值達(dá)到了0.15，比改進(jìn)前預(yù)測邊框的定位精度更高，收斂速度更快。因此，改進(jìn)后的模型訓(xùn)練效果更好。

表2 訓(xùn)練超參數(shù)設(shè)置

圖8 改進(jìn)前后損失函數(shù)曲線Fig.8 Loss function before and after improvement

3.3 算法改進(jìn)前后模型評估對比

在對模型進(jìn)行評估前，需要選擇合適的評估指標(biāo)。在本文中，實(shí)驗(yàn)結(jié)果從平均準(zhǔn)確率均值(mAP)、檢測速度、模型層數(shù)、權(quán)重文件大小4個方面進(jìn)行綜合衡量，其中，mAP的具體計(jì)算方法如下。

召回率R(Recall)表示預(yù)測目標(biāo)中預(yù)測正確樣本占總預(yù)測樣本的比例，準(zhǔn)確率P(Precision)表示某一類別預(yù)測目標(biāo)中預(yù)測正確樣本占總正確樣本的比例，其定義分別為

(12)

(13)

對于二元分類問題，其標(biāo)記類與預(yù)測類的判斷結(jié)果有4種，即PT,PF,NT,NF，混淆矩陣如表3所示。

表3 混淆矩陣

mAP通常用來評估一個檢測算法的檢測準(zhǔn)確度，數(shù)值越大檢測效果越好。由于準(zhǔn)確率與召回率是一對相互矛盾的指標(biāo)，因此通常采用召回率與準(zhǔn)確率所圍成的P-R曲線面積作為最優(yōu)解，用平均準(zhǔn)確率(AP)衡量。AP和mAP算式分別為

(14)

(15)

式中，N為檢測的類別數(shù)。本次實(shí)驗(yàn)中，由于目標(biāo)類別只有一類，因此mAP值等于AP值。由實(shí)驗(yàn)得知，改進(jìn)前的mAP值為90.21%，改進(jìn)后的mAP值為94.75%，其P-R曲線見圖9。模型的各項(xiàng)性能對比如表4所示。

圖9 改進(jìn)前后的P-R曲線Fig.9 P-R curve before and after improvement

表4 算法性能對比

從表4中可以看出，改進(jìn)后的模型在檢測精度方面提高4.54%，達(dá)到了94.75%；在檢測速度方面，改進(jìn)后的模型處理速度稍有降低，與引入了CA模塊和Softpool池化方法增加了參數(shù)量有關(guān)，但檢測速度仍達(dá)到了23.51幀/s，基本可以滿足實(shí)時性要求；此外，改進(jìn)后的模型權(quán)重由原先的14.4 MiB增加到了15.0 MiB，雖然略有增加但依然滿足輕量級標(biāo)準(zhǔn)，且改進(jìn)后的模型層數(shù)更少，說明改進(jìn)后的CAs-YOLOv5s模型不需要增加過多的計(jì)算和內(nèi)存消耗就可以提高檢測精度，運(yùn)用在海上彈著點(diǎn)水柱目標(biāo)檢測任務(wù)中是有效的。

圖10(a)與圖10(b)分別為原YOLOv5s模型和改進(jìn)后的CA-YOLOv5s模型對部分樣本的檢測效果。前3張圖片中的水柱信號在角度、大小、形狀方面有較大差異，可以看出，改進(jìn)后的CA-YOLOv5s模型對檢測目標(biāo)的置信度均有不同程度的提高，且穩(wěn)定在0.9以上；對于第4張圖片，是用噴泉模擬的海上多彈著點(diǎn)的情況，改進(jìn)后的模型在檢測置信度提高的同時，預(yù)測水柱信號的位置更加準(zhǔn)確，說明改進(jìn)后的模型檢測效果更好。

圖10 改進(jìn)前后部分樣本檢測結(jié)果Fig.10 Comparison of test results of partial samples before and after improvement

3.4 不同算法檢測能力對比

為了進(jìn)一步驗(yàn)證本文提出模塊及網(wǎng)絡(luò)的高效性，將其與其他經(jīng)典網(wǎng)絡(luò)進(jìn)行對比，并選取mAP和檢測速度作為不同檢測算法的評價指標(biāo)，得到實(shí)驗(yàn)對比結(jié)果如表5所示。

表5 不同算法實(shí)驗(yàn)對比

由表5可知，隨著YOLO系列算法不斷改進(jìn)，其檢測結(jié)果的mAP和檢測速度不斷提高，直至YOLOv5s，其檢測精度和速度達(dá)到了YOLO系列算法的最優(yōu)性能，但兩階段算法Faster R-CNN的檢測精度可以超過YOLOv5s模型，達(dá)到91.38%，但Faster R-CNN檢測速度最慢，不能滿足實(shí)時性要求。本文提出的CAs-YOLOv5s算法mAP比Faster R-CNN高出3.37%，雖然檢測速度不如 YOLOv5s，但已經(jīng)超過其他算法，達(dá)到23.51 幀/s，可以滿足實(shí)時性要求。實(shí)驗(yàn)證明，改進(jìn)后的CAs-YOLOv5s算法綜合性能更好，可更好地完成海上彈著點(diǎn)水柱信號目標(biāo)檢測任務(wù)要求。

4 結(jié)束語

針對海上彈著點(diǎn)水柱目標(biāo)檢測任務(wù)，提出了一種改進(jìn)的YOLOv5s算法，運(yùn)用mixup數(shù)據(jù)增強(qiáng)策略，通過線性插值的方式構(gòu)建新的訓(xùn)練樣本和標(biāo)簽，極大地豐富了訓(xùn)練樣本，對于小樣本訓(xùn)練有極大幫助；在CSP結(jié)構(gòu)中嵌入坐標(biāo)注意力CA模塊，更好地保存了特征的位置信息，有利于增強(qiáng)模型的特征提取能力；將SPP結(jié)構(gòu)中的最大池化Maxpool替換為Softpool，緩解了下采樣帶來的信息損失，有效保留了更多的細(xì)粒度特征信息。改進(jìn)后的模型mAP達(dá)到了94.75%，檢測速度達(dá)到23.51幀/s。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的CAs-YOLOv5s模型僅需增加少量的計(jì)算和內(nèi)存消耗就可以使模型檢測準(zhǔn)確率得到較大提升，同時滿足檢測實(shí)時性要求，可更好地完成海上彈著點(diǎn)水柱信號目標(biāo)檢測任務(wù)。