李克文，楊建濤，黃宗超

（中國(guó)石油大學(xué)（華東）計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，山東 青島 266580）

0 引言

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的基本任務(wù)之一，不僅需要對(duì)目標(biāo)進(jìn)行分類(lèi)，而且需要預(yù)測(cè)目標(biāo)所在位置。目標(biāo)檢測(cè)廣泛應(yīng)用于日常生活安全、交通場(chǎng)景檢測(cè)、遙感圖像檢測(cè)、醫(yī)學(xué)圖像檢測(cè)以及自動(dòng)駕駛等領(lǐng)域。隨著深度神經(jīng)網(wǎng)絡(luò)的高速發(fā)展以及深度神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測(cè)領(lǐng)域的廣泛應(yīng)用，當(dāng)前目標(biāo)檢測(cè)算法在計(jì)算機(jī)視覺(jué)領(lǐng)域已經(jīng)取得了相當(dāng)不錯(cuò)的效果［1-3］，然而在實(shí)際高精度目標(biāo)檢測(cè)場(chǎng)景下，其檢測(cè)精度仍然不能滿(mǎn)足應(yīng)用需求，對(duì)目標(biāo)實(shí)現(xiàn)高精度檢測(cè)仍然是目標(biāo)檢測(cè)中具有挑戰(zhàn)性的任務(wù)。造成目標(biāo)檢測(cè)困難的原因有兩種：一種是檢測(cè)目標(biāo)較小且數(shù)量眾多；另一種是檢測(cè)目標(biāo)高度重疊，因此在檢測(cè)過(guò)程中極易出現(xiàn)漏檢、誤檢等情況。

近年來(lái)隨著深度學(xué)習(xí)［4-6］的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用在目標(biāo)檢測(cè)領(lǐng)域，并且取得了一定成果。目標(biāo)檢測(cè)算法主要分為兩大類(lèi)：基于邊界框回歸的一階段目標(biāo)檢測(cè)算法和基于候選區(qū)域的兩階段目標(biāo)檢測(cè)算法。一階段目標(biāo)檢測(cè)算法在產(chǎn)生邊界框的同時(shí)對(duì)目標(biāo)進(jìn)行分類(lèi)和回歸，如YOLO（You Only Look Once）系 列［7-9］、SSD（Single Shot MuitiBox Detector）［10］以及RetinaNet［11］目標(biāo)檢測(cè)算法。兩階段目標(biāo)檢測(cè)算法首先生成候選區(qū)域，再對(duì)候選區(qū)域進(jìn)行特征提取，之后對(duì)目標(biāo)分別進(jìn)行分類(lèi)和回歸，如區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region-Convolutional Neural Network，R-CNN）［12］、Fast RCNN［13］以及Faster R-CNN［14］目標(biāo)檢測(cè)算法。上述目標(biāo)檢測(cè)算法盡管在目標(biāo)檢測(cè)中取得了一些進(jìn)展，但是均采用基于點(diǎn)的邊界框特征表示，該特征感受野有限，缺乏目標(biāo)邊界信息，不能有效表示目標(biāo)實(shí)例語(yǔ)義信息以進(jìn)行回歸訓(xùn)練，而且上述目標(biāo)檢測(cè)算法不能很好地解決中小目標(biāo)檢測(cè)以及目標(biāo)高度重疊的問(wèn)題，以致不能實(shí)現(xiàn)高精度目標(biāo)檢測(cè)。

針對(duì)上述目標(biāo)檢測(cè)算法存在的問(wèn)題，提出一種基于邊界極限點(diǎn)特征的改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法。首先，引入一種邊界增強(qiáng)算子Border，自適應(yīng)地從邊界極限點(diǎn)中提取邊界特征來(lái)增強(qiáng)已有點(diǎn)特征，使目標(biāo)實(shí)例特征具有較大的感受野以及較強(qiáng)的目標(biāo)邊界信息，解決目標(biāo)高度重疊問(wèn)題，提高目標(biāo)檢測(cè)的準(zhǔn)確率；其次，為解決目標(biāo)檢測(cè)場(chǎng)景下小目標(biāo)檢測(cè)困難的問(wèn)題，通過(guò)增加目標(biāo)檢測(cè)尺度，細(xì)化特征圖，增強(qiáng)特征圖深、淺層語(yǔ)義信息融合，進(jìn)一步提高目標(biāo)檢測(cè)精度；最后，基于目標(biāo)檢測(cè)中改進(jìn)網(wǎng)絡(luò)模型及目標(biāo)實(shí)例特性引入完全交并比（Complete Intersection Over Union，CIoU）函數(shù)［15］分析目標(biāo)物體的尺度敏感性，通過(guò)預(yù)測(cè)框與真實(shí)框的重疊面積、中心點(diǎn)距離和長(zhǎng)寬比改進(jìn)原YOLOv3 損失函數(shù)，更好地反映預(yù)測(cè)框和真實(shí)框的重合程度，解決邊界框收斂速度慢、召回率低的問(wèn)題，提高了目標(biāo)檢測(cè)的準(zhǔn)確率。MS COCO 數(shù)據(jù)集［16］上的實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有目標(biāo)檢測(cè)算法相比較，改進(jìn)YOLOv3 算法能夠有效提高目標(biāo)檢測(cè)精度，并且達(dá)到實(shí)時(shí)檢測(cè)效果。

1 相關(guān)工作

Redmon 等［7-9］基于一階段邊界框回歸策略提出了YOLO系列目標(biāo)檢測(cè)算法，該系列算法在目標(biāo)檢測(cè)中具有實(shí)時(shí)的檢測(cè)效果和較高的檢測(cè)精度，受到研究學(xué)者的廣泛關(guān)注。此后，許多相關(guān)的改進(jìn)算法被提出，并應(yīng)用于各個(gè)領(lǐng)域。然而，在實(shí)現(xiàn)高精度目標(biāo)檢測(cè)的同時(shí)兼顧檢測(cè)速度方面，相關(guān)改進(jìn)算法并不能提出有效的解決方法。

Huang 等［17］提出一種基于密集連接和空間金字塔的改進(jìn)算法，采用卷積層的密集連接，并引入改進(jìn)空間金字塔結(jié)構(gòu)加強(qiáng)特征提取，使網(wǎng)絡(luò)全面學(xué)習(xí)目標(biāo)特征，提高檢測(cè)精度；Wu 等［18］利用特征提取網(wǎng)絡(luò)輸出特征圖與殘差結(jié)構(gòu)輸出特征圖進(jìn)行融合，促進(jìn)目標(biāo)特征重用與獲??；Liu 等［19］利用圓形邊界框（Circle-Bounding box，C-Bbox）替換傳統(tǒng)的矩形邊界框，改善非極大值抑制計(jì)算，同時(shí)減少坐標(biāo)預(yù)測(cè)，提高目標(biāo)定位精度；Hsu 等［20］提出比率和尺度感知（Ratio Scale Aware-YOLO，RSA-YOLO）算法，解決目標(biāo)縱橫比差異較大的問(wèn)題，提高邊界框收斂速度。

以上改進(jìn)算法相較于YOLO 系列目標(biāo)檢測(cè)算法在檢測(cè)精度上均有提升，但是面對(duì)實(shí)時(shí)高精度目標(biāo)檢測(cè)任務(wù)時(shí)，都不能在保證對(duì)目標(biāo)進(jìn)行高精度檢測(cè)的同時(shí)確保實(shí)時(shí)性。本文提出一種基于邊界極限點(diǎn)特征的改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法，在COCO 數(shù)據(jù)集上驗(yàn)證了所提算法的高效性。

2 YOLOv3目標(biāo)檢測(cè)算法

YOLOv3 以YOLOv2 為基礎(chǔ)進(jìn)行改進(jìn)，在識(shí)別速度和精度上有了明顯的提高。YOLOv3 使用Darknet-53［9］全卷積網(wǎng)絡(luò)作為骨干網(wǎng)絡(luò)進(jìn)行特征提取，如表1 所示，Convolutional 為卷積層。Darknet-53 包含52 個(gè)卷積層和1 個(gè)全連接層，并且交替使用大小為1 和3 的卷積核進(jìn)行卷積，能夠提取豐富的目標(biāo)實(shí)例語(yǔ)義信息；同時(shí)Darknet-53 使用了Residual 殘差模塊［4］和批歸一化層（Batch Normalization，BN），解決了因網(wǎng)絡(luò)加深而出現(xiàn)的網(wǎng)絡(luò)過(guò)擬合以及性能下降問(wèn)題。

表1 Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)Tab.1 Darknet-53 network architecture

不同尺度的特征圖感受野具有的語(yǔ)義信息粒度不同，為提高目標(biāo)檢測(cè)精度，YOLOv3 在加深網(wǎng)絡(luò)的同時(shí)采用特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN）［21］中的金字塔結(jié)構(gòu)，將多種尺度特征圖融合幫助網(wǎng)絡(luò)學(xué)習(xí)不同尺度的特征信息，然后將融合后的特征信息輸入預(yù)測(cè)層進(jìn)行多尺度目標(biāo)預(yù)測(cè)。FPN 對(duì)最后獲得的特征圖進(jìn)行兩次上采樣，得到三個(gè)尺度的特征圖，之后融合特征提取網(wǎng)絡(luò)中同尺度的細(xì)粒度特征，分別進(jìn)行三種不同尺度的目標(biāo)預(yù)測(cè)。對(duì)于輸入大小為416×416 的圖像，特征提取網(wǎng)絡(luò)獲得其32 倍下采樣13×13 大小的特征圖，該特征圖具有較大的感受野，包含更加抽象的語(yǔ)義信息，適合大尺度目標(biāo)檢測(cè)。為檢測(cè)中等尺度的目標(biāo)，對(duì)大小為13×13 的特征圖進(jìn)行上采樣得到26×26 大小的特征圖，與特征提取網(wǎng)絡(luò)中同尺度特征圖進(jìn)行深度拼接；同樣，對(duì)大小為26×26 的特征圖進(jìn)行上采樣得到52×52 大小的特征圖，并與特征提取網(wǎng)絡(luò)中同尺度特征圖進(jìn)行深度拼接，得到8 倍下采樣52×52 大小的特征圖，該特征圖感受野最小，適合檢測(cè)小尺度目標(biāo)。

YOLOv3 目標(biāo)檢測(cè)算法采用anchor box 機(jī)制分別為3 種尺度的特征圖設(shè)置3 種先驗(yàn)框，如表2 所示，這些先驗(yàn)框由K-means 聚類(lèi)算法根據(jù)COCO 數(shù)據(jù)集聚類(lèi)得到，生成9 種尺寸的先驗(yàn)框。通過(guò)對(duì)3 種尺度特征圖進(jìn)行分類(lèi)和邊界框回歸，特征圖上的每個(gè)網(wǎng)格會(huì)根據(jù)預(yù)先設(shè)置的先驗(yàn)框預(yù)測(cè)出3個(gè)邊界框，每個(gè)邊界框包含k個(gè)類(lèi)別的概率、1 個(gè)置信度以及4 個(gè)邊界框位置回歸參數(shù)。每個(gè)網(wǎng)格預(yù)測(cè)輸出（4+1+k）×3 維向量，分別對(duì)應(yīng)預(yù)測(cè)得到的邊界框位置回歸參數(shù)、置信度以及每個(gè)類(lèi)別的概率。

表2 不同尺度先驗(yàn)框Tab.2 Prior boxes with different scales

YOLOv3 損失函數(shù)分為三個(gè)部分，包括目標(biāo)定位損失Lloc、目標(biāo)置信度損失Lconf以及目標(biāo)分類(lèi)損失Lobj，分別如式（1）～（3）所示，YOLOv3 總的損失LYOLO為三個(gè)損失之和，如式（4）所示。為更好地進(jìn)行目標(biāo)檢測(cè)回歸訓(xùn)練并平衡各項(xiàng)損失的比重，增加較大的權(quán)重λloc=5 于坐標(biāo)損失，對(duì)于不含檢測(cè)目標(biāo)的置信度損失給予較小的權(quán)重λnoobj=0.5。

其中：s2為劃分圖片的網(wǎng)格數(shù)；B為每個(gè)網(wǎng)格預(yù)測(cè)的邊界框數(shù)；圖片第i個(gè)網(wǎng)格中第j個(gè)邊界框負(fù)責(zé)預(yù)測(cè)目標(biāo)時(shí)，為1，否則為0；圖片第i個(gè)網(wǎng)格中第j個(gè)邊界框不負(fù)責(zé)預(yù)測(cè)目標(biāo)時(shí)為1，否則為0；圖片第i個(gè)網(wǎng)格中存在預(yù)測(cè)目標(biāo)時(shí)，為1，否則為0。

3 改進(jìn)YOLOv3目標(biāo)檢測(cè)算法

針對(duì)目標(biāo)檢測(cè)場(chǎng)景中待檢測(cè)目標(biāo)數(shù)量眾多、目標(biāo)尺度較小、目標(biāo)高度重疊等問(wèn)題，本文改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法首先引入邊界增強(qiáng)算子Border，增強(qiáng)目標(biāo)實(shí)例特征的目標(biāo)邊界信息以及感受野信息，解決目標(biāo)高度重疊問(wèn)題，提高目標(biāo)檢測(cè)的準(zhǔn)確率；其次，增加目標(biāo)檢測(cè)尺度，細(xì)化特征圖，增強(qiáng)特征圖深、淺層語(yǔ)義信息的融合，解決目標(biāo)檢測(cè)場(chǎng)景下小目標(biāo)檢測(cè)不易問(wèn)題；最后，基于目標(biāo)檢測(cè)中改進(jìn)網(wǎng)絡(luò)模型及目標(biāo)實(shí)例特性引入CIoU 函數(shù)分析目標(biāo)物體的尺度敏感性，通過(guò)預(yù)測(cè)框與真實(shí)框的重疊面積、中心點(diǎn)距離以及長(zhǎng)寬比三個(gè)因素改進(jìn)原YOLOv3 損失函數(shù)，更好地反映預(yù)測(cè)框和真實(shí)框的重合程度，解決邊界框回歸收斂速度慢、召回率低的問(wèn)題，提高目標(biāo)檢測(cè)的準(zhǔn)確率。

3.1 邊界特征提取

YOLOv3 目標(biāo)檢測(cè)算法采用基于單點(diǎn)特征的邊界框預(yù)測(cè)目標(biāo)，這些邊界框由網(wǎng)格上的每個(gè)點(diǎn)進(jìn)行預(yù)測(cè)，如圖1（a）所示，由于沒(méi)有進(jìn)行額外的特征提取，這種單點(diǎn)特征便于目標(biāo)定位與目標(biāo)分類(lèi)；但是，較小的點(diǎn)特征感受野不能很好地表示目標(biāo)實(shí)例的語(yǔ)義信息，而且缺少目標(biāo)邊界信息來(lái)更好地進(jìn)行回歸預(yù)測(cè)，不能有效解決目標(biāo)重疊問(wèn)題。因此，引入邊界特征提取算子Border，直接利用邊界框每條邊的極限點(diǎn)特征以增強(qiáng)原單點(diǎn)特征，如圖1（b）所示，Border 專(zhuān)注于邊界極限點(diǎn)，自適應(yīng)地提取目標(biāo)邊界的代表性特征，計(jì)算量較小，提升了準(zhǔn)確率。

圖1 不同特征提取策略Fig.1 Different feature extraction strategies

與現(xiàn)有的單點(diǎn)特征增強(qiáng)［18-20］技術(shù)相比，Border 的計(jì)算量更小，檢測(cè)速度更快，準(zhǔn)確率更高。如圖2（a）所示，圓點(diǎn)為檢測(cè)目標(biāo)的單點(diǎn)特征表示，沒(méi)有明確的目標(biāo)邊界信息，會(huì)限制目標(biāo)檢測(cè)算法的定位能力；如圖2（b）所示，從邊界框的整個(gè)區(qū)域提取特征來(lái)增強(qiáng)單點(diǎn)特征，這種操作能夠提供比單點(diǎn)特征表示更加豐富的語(yǔ)義信息，但是計(jì)算冗余，容易受到背景特征的干擾；如圖2（c）所示，通過(guò)提取邊界框每條邊的全部點(diǎn)特征來(lái)增強(qiáng)單點(diǎn)特征，在一定程度上減少了計(jì)算冗余，但還是會(huì)受到背景信息的干擾；如圖2（d）所示，自適應(yīng)提取邊界框極值點(diǎn)特征來(lái)增強(qiáng)單點(diǎn)特征，能夠科學(xué)利用邊界特征精確地定位目標(biāo)，避免特征計(jì)算冗余以及背景信息的干擾。

圖2 不同點(diǎn)特征增強(qiáng)技術(shù)Fig.2 Different point feature enhancement techniques

自適應(yīng)邊界特征提取算子Border 采用具有5C通道的邊界敏感特征作為輸入，輸入特征的其中4C通道分別對(duì)應(yīng)邊界框的四個(gè)邊界（上、下、左、右），剩余C通道對(duì)應(yīng)原始的單點(diǎn)特征。Border 的體系結(jié)構(gòu)如圖3 所示，Border 將特征提取網(wǎng)絡(luò)13×13×C的輸出特征圖映射為13×13×5C的特征圖作為輸入，對(duì)每個(gè)邊界均勻采樣N個(gè)點(diǎn)，選取其中的最大值作為該邊界的極限點(diǎn)特征對(duì)單點(diǎn)特征進(jìn)行增強(qiáng)，最后將13×13×5C的輸出特征圖降維為13×13×C的特征圖作為YOLO 算法檢測(cè)分支的輸入。

圖3 Border結(jié)構(gòu)Fig.3 Border architecture

Border 采用自適應(yīng)邊界極限點(diǎn)特征提取策略，假設(shè)輸入特征的映射順序?yàn)辄c(diǎn)、左邊界、上邊界、右邊界、下邊界，則輸出特征映射F如式（5）所示：

其中：Ic是輸入特征圖；Fc(i，j)是輸出特征圖F的第c個(gè)通道第(i，j)個(gè)點(diǎn)的特征值；(x0，y0，x1，y1)是點(diǎn)(i，j)的邊界框預(yù)測(cè)回歸信息；w和h分別是邊界框的寬和高；N是邊界框每條邊的采樣點(diǎn)個(gè)數(shù)。為了避免量化誤差，對(duì)輸入特征圖上的特征值使用雙線(xiàn)性插值算法精確計(jì)算每個(gè)采樣點(diǎn)的特征值。

3.2 多尺度檢測(cè)

YOLOv3 目標(biāo)檢測(cè)算法通過(guò)Darknet-53 對(duì)目標(biāo)實(shí)例進(jìn)行特征提取，該網(wǎng)絡(luò)共有53 層，利用大小為3 的卷積核進(jìn)行卷積操作。Darknet-53 經(jīng)過(guò)深層次卷積提取特征后，感受野較大，但是犧牲了空間分辨率，丟失了目標(biāo)實(shí)例語(yǔ)義信息。在目標(biāo)檢測(cè)場(chǎng)景中還存在小目標(biāo)數(shù)量多的問(wèn)題，這些問(wèn)題大多依賴(lài)于淺層細(xì)粒度特征。盡管YOLOv3 通過(guò)三個(gè)尺度檢測(cè)目標(biāo)，但輸出特征圖維度較低，極易出現(xiàn)漏檢、誤檢，不能很好地解決小目標(biāo)檢測(cè)問(wèn)題，檢測(cè)精度較低。

為了進(jìn)一步解決目標(biāo)檢測(cè)中小目標(biāo)檢測(cè)難的問(wèn)題，本文以YOLOv3 網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)，綜合考慮檢測(cè)網(wǎng)絡(luò)準(zhǔn)確率與性能，采用原始網(wǎng)絡(luò)圖像輸入大小416×416，對(duì)特征提取網(wǎng)絡(luò)的13×13 輸出特征圖進(jìn)行三次上采樣，即在原始網(wǎng)絡(luò)結(jié)構(gòu)上增加一個(gè)104×104 的檢測(cè)分支，與特征提取網(wǎng)絡(luò)中相同大小特征圖進(jìn)行深度拼接，得到4 倍下采樣104×104 大小的特征圖，該特征圖感受野最小，適合檢測(cè)小尺度目標(biāo)。改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示，采用13×13、26×26、52×52、104×104 四個(gè)尺度檢測(cè)，細(xì)化特征提取網(wǎng)絡(luò)輸出，增強(qiáng)特征圖深、淺層語(yǔ)義信息融合，以解決目標(biāo)檢測(cè)場(chǎng)景下小目標(biāo)檢測(cè)難的問(wèn)題。

圖4 改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Improved network structure

3.3 損失函數(shù)

YOLOv3 檢測(cè)算法作為端到端的一階段目標(biāo)檢測(cè)算法，損失函數(shù)由目標(biāo)定位、置信度以及分類(lèi)損失三部分組成，其中目標(biāo)定位損失使用均方差（Mean Square Error，MSE）損失函數(shù)計(jì)算。交并比（Intersection over Union，IoU）［7］是目標(biāo)檢測(cè)任務(wù)中常用的指標(biāo)，由于IoU 是比值的概念，對(duì)目標(biāo)物體的尺度不敏感，然而目標(biāo)定位損失中使用的MSE 損失函數(shù)對(duì)目標(biāo)物體的尺度是敏感的，因此在優(yōu)化過(guò)程中目標(biāo)定位損失優(yōu)化和IoU 優(yōu)化不等價(jià)。在目標(biāo)檢測(cè)算法中上述目標(biāo)定位損失存在的問(wèn)題會(huì)導(dǎo)致邊界框回歸收斂速度過(guò)慢以及目標(biāo)檢測(cè)定位精度低，不能夠很好地滿(mǎn)足目標(biāo)檢測(cè)任務(wù)實(shí)時(shí)、高精度的需求。

通過(guò)分析目標(biāo)檢測(cè)中目標(biāo)實(shí)例特點(diǎn)以及改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，本文采用CIoU 函數(shù)來(lái)計(jì)算目標(biāo)定位損失，CIoU 函數(shù)包括預(yù)測(cè)框與真實(shí)框的三個(gè)幾何因素，即重疊面積、中心點(diǎn)距離和長(zhǎng)寬比，能夠更好地反映重合程度，提高定位準(zhǔn)確度，CIoU示意如圖5 所示。

圖5 CIoU示意圖Fig.5 CIoU schematic

CIoU 計(jì)算式為：

其中：fIoU是真實(shí)框與預(yù)測(cè)框的交并比；d是真實(shí)框與預(yù)測(cè)框的中心點(diǎn)距離；s是真實(shí)框與預(yù)測(cè)框最小外接矩形對(duì)角線(xiàn)的長(zhǎng)度；α是平衡參數(shù)；v用于計(jì)算真實(shí)框與預(yù)測(cè)框的長(zhǎng)寬比。v、α計(jì)算式如下所示：

其中：wgt與hgt為真實(shí)框的寬與高；w與h為預(yù)測(cè)框的寬與高，因此，目標(biāo)定位損失函數(shù)可以定義為：

4 實(shí)驗(yàn)與結(jié)果分析

4.1 實(shí)驗(yàn)方法與設(shè)置

在COCO 數(shù)據(jù)集上驗(yàn)證本文改進(jìn)YOLOv3 算法的有效性，其中COCO 數(shù)據(jù)集包含80 類(lèi)目標(biāo)，且小目標(biāo)居多。為了達(dá)到更好的驗(yàn)證效果，本文使用的評(píng)價(jià)指標(biāo)包含：IoU 為0.5∶0.05∶0.9 時(shí)的平均精度（Average Precision，AP）；IoU 為0.5 時(shí)的平均精度（AP50）；IoU 為0.75 時(shí)的平均精度（AP75）；APS、APM、APL分別為小、中、大型目標(biāo)的AP；每秒檢測(cè)的圖像幀數(shù)（Frames Per Second，F(xiàn)PS）為目標(biāo)檢測(cè)網(wǎng)絡(luò)的檢測(cè)速度。

實(shí)驗(yàn)在COCO 訓(xùn)練集上訓(xùn)練，在COCO 測(cè)試集上測(cè)試評(píng)估，使用Darknet-53 作為骨干網(wǎng)絡(luò)。訓(xùn)練階段首先利用ImageNet 數(shù)據(jù)集預(yù)訓(xùn)練的權(quán)重初始化骨干網(wǎng)絡(luò)，然后參照文獻(xiàn)［9］的實(shí)驗(yàn)環(huán)境設(shè)置，整個(gè)算法迭代次數(shù)為9 × 104，初始學(xué)習(xí)率設(shè)置為10-2，分別在6 × 104次和8 × 104次時(shí)將學(xué)習(xí)率降低為原來(lái)的1/10，最終學(xué)習(xí)率為10-4，動(dòng)量因子為0.9，權(quán)重衰減系數(shù)為10-4，采用隨機(jī)梯度下降法優(yōu)化損失函數(shù)。

4.2 邊界增強(qiáng)算子Border實(shí)驗(yàn)與分析

邊界增強(qiáng)算子Border 首先需要對(duì)目標(biāo)邊界框每條邊進(jìn)行均勻多點(diǎn)采樣，之后自適應(yīng)選取每條邊界最大值作為極限點(diǎn)。采用實(shí)驗(yàn)分析采樣點(diǎn)個(gè)數(shù)對(duì)目標(biāo)檢測(cè)算法性能的影響，比較不同采樣點(diǎn)大小下算法的檢測(cè)性能，實(shí)驗(yàn)結(jié)果如表3 所示。當(dāng)采樣點(diǎn)個(gè)數(shù)為0 時(shí)，實(shí)驗(yàn)結(jié)果等價(jià)于YOLOv3 算法性能；當(dāng)采樣點(diǎn)個(gè)數(shù)較少時(shí)，檢測(cè)精度提升較小且效果不穩(wěn)定；當(dāng)采樣點(diǎn)個(gè)數(shù)較多時(shí)會(huì)導(dǎo)致額外的計(jì)算量，精度提升較大但檢測(cè)速率較慢。因此，最終設(shè)置10 為采樣點(diǎn)個(gè)數(shù)，此時(shí)精度提升較大且檢測(cè)速率較快。

表3 不同采樣點(diǎn)個(gè)數(shù)下算法性能對(duì)比Tab.3 Comparison of algorithm performance under different number of sampling points

為了驗(yàn)證本文采用的Border 的效果，提供了對(duì)圖2 不同單點(diǎn)特征增強(qiáng)技術(shù)的更深層次分析。首先，采用YOLOv3 目標(biāo)檢測(cè)算法在COCO 數(shù)據(jù)集上的檢測(cè)結(jié)果作為基線(xiàn)；隨后依次采用圖2 中展示的特征增強(qiáng)技術(shù)驗(yàn)證單點(diǎn)特征的增強(qiáng)結(jié)果。如表4 所示，邊界框區(qū)域特征Fregion能夠顯著增強(qiáng)單點(diǎn)特征，使用區(qū)域特征對(duì)單點(diǎn)特征進(jìn)行增強(qiáng)，AP 較YOLOv3 提高1.8 個(gè)百分點(diǎn)；當(dāng)邊界框區(qū)域特征用于增強(qiáng)單點(diǎn)特征時(shí)，邊界特征FBorder在區(qū)域特征中起主要作用，如果忽略邊界框區(qū)域特征的內(nèi)部區(qū)域只引入邊界特征，相較于Fregion，AP 只下降0.3 個(gè)百分點(diǎn)；與Fregion相比，邊界極限點(diǎn)特征Fmax能夠在采樣點(diǎn)N較少的情況下達(dá)到相近的性能，在某些情況下更優(yōu)。對(duì)于目標(biāo)檢測(cè)，使用邊界框區(qū)域或者邊界特征進(jìn)行特征增強(qiáng)是冗余的。因此，對(duì)于目標(biāo)的特征表示，本文引入的自適應(yīng)提取邊界極限點(diǎn)特征來(lái)增強(qiáng)單點(diǎn)特征的策略能夠更好地提高目標(biāo)檢測(cè)器的性能。

表4 不同特征增強(qiáng)技術(shù)效果對(duì)比Tab.4 Comparison of effect of different feature enhancement techniques

4.3 消融實(shí)驗(yàn)與分析

本文提出的基于邊界極限點(diǎn)特征的改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法采用Border、增加檢測(cè)尺度以及損失函數(shù)優(yōu)化的方法提高目標(biāo)檢測(cè)算法的檢測(cè)效果。為了驗(yàn)證本文算法對(duì)于高精度目標(biāo)檢測(cè)的有效性，選取各個(gè)改進(jìn)模塊進(jìn)行消融實(shí)驗(yàn)，結(jié)果如表5 所示。從表5 的實(shí)驗(yàn)結(jié)果可知，在使用Border后，AP 較YOLOv3 提高了1.7 個(gè)百分點(diǎn)，表明使用Border 后檢測(cè)目標(biāo)特征被增強(qiáng)，具有明顯的邊界特征，提升了檢測(cè)效果。在使用增加檢測(cè)尺度的方法后，APS提升1.1 個(gè)百分點(diǎn)，APM提升0.8 個(gè)百分點(diǎn)，APL提升0.3 個(gè)百分點(diǎn)，表明增加檢測(cè)尺度后，增強(qiáng)了特征圖深淺層語(yǔ)義信息融合，顯著提高了檢測(cè)算法對(duì)中小目標(biāo)的檢測(cè)效果，驗(yàn)證了增加檢測(cè)尺度方法的有效性。優(yōu)化損失函數(shù)后，AP75相較AP50提升較大，表明該模塊能夠顯著提高檢測(cè)框的召回率，提高目標(biāo)定位準(zhǔn)確度，改善檢測(cè)效果。通過(guò)三大模塊結(jié)合進(jìn)行實(shí)驗(yàn)獲得了最好的性能，AP 相較于YOLOv3 原模型提高了3.9 個(gè)百分點(diǎn)，表明本文的改進(jìn)算法對(duì)目標(biāo)檢測(cè)的高精度檢測(cè)是有效的。

表5 不同模塊消融實(shí)驗(yàn)結(jié)果對(duì)比 單位：%Tab.5 Comparison of ablation experiment results of different modules unit：%

4.4 不同算法對(duì)比實(shí)驗(yàn)與分析

為驗(yàn)證本文提出的改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法的檢測(cè)效果，采用當(dāng)前較為先進(jìn)的目標(biāo)檢測(cè)算法與改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法在COCO 數(shù)據(jù)集上進(jìn)行對(duì)比。其中：Faster RCNN+++［4］、Cascade RPN（Cascade Region Proposal Network）［22］、Faster R-CNN by G-RMI（Google-Research and Machine Intelligence）［23］、TDM（Top-Down Modulation）［24］均為Faster RCNN 的改進(jìn)算法，對(duì)大目標(biāo)的檢測(cè)效果較好；SSD513［10］、DSSD 513（Deconvolutional Single Shot Detector）［25］、EfficientDet-D0［26］算法具有較好的穩(wěn)定性；YOLOv3+ASFF*（Adaptively Spatial Feature Fusion）［27］、交互的目標(biāo)檢測(cè)與實(shí)例分割網(wǎng)絡(luò)（Reciprocal Object Detection and Instance Segmentation Net，RDSNet）［28］、高效特征化圖金字塔（Efficient Featurized Image Pyramid，EFIP）［29］、M2Det［29］具有較好的檢測(cè)效果，且對(duì)中小目標(biāo)檢測(cè)精度較高。

如表6 所示，本文算法的AP 為36.6%，相較于其他算法精度更高；AP75為37.8%，表明其召回率較高，相比其他算法具有更好的目標(biāo)定位準(zhǔn)確度；APS和APM分別為21.7%和38.5%，表明其在中小目標(biāo)檢測(cè)方面也優(yōu)于其他目標(biāo)檢測(cè)算法。從表6 中也可以得知，相較于YOLO 系列目標(biāo)檢測(cè)算法，本文算法的AP 提高了3.9 個(gè)百分點(diǎn)，具有更好的檢測(cè)效果；相較于EfficientDet-D0、YOLOv3+ASFF*以及RDSNet 算法，本文算法在小、中尺度目標(biāo)檢測(cè)效果較好；相較于R-CNN 系列目標(biāo)檢測(cè)算法，本文算法的檢測(cè)效果更優(yōu)。因此，相較于對(duì)比算法，本文算法更具優(yōu)勢(shì)，能夠提高綜合的目標(biāo)檢測(cè)效果，具有很大的前景優(yōu)勢(shì)。

表6 不同算法檢測(cè)效果對(duì)比 單位：%Tab.6 Detection effect comparison of different algorithms unit：%

圖6 展示了本文改進(jìn)算法在COCO 數(shù)據(jù)集中對(duì)目標(biāo)的檢測(cè)效果，從圖中可以看出本文檢測(cè)算法能夠很好地對(duì)目標(biāo)進(jìn)行定位，具有較高的定位準(zhǔn)確度；同時(shí)也可以看出，本文算法能夠準(zhǔn)確地識(shí)別出物體的類(lèi)別，具有較好的檢測(cè)效果。

圖6 預(yù)測(cè)效果展示Fig.6 Predictive effect display

5 結(jié)語(yǔ)

為了滿(mǎn)足目標(biāo)檢測(cè)實(shí)景條件下對(duì)于目標(biāo)檢測(cè)算法中實(shí)時(shí)性以及高準(zhǔn)確性的要求，盡可能避免誤檢、漏檢情況，本文提出一種基于邊界極限點(diǎn)特征的改進(jìn)YOLOv3 目標(biāo)檢測(cè)算法，引入一種邊界增強(qiáng)算子Border，增加目標(biāo)檢測(cè)尺度以及損失函數(shù)改進(jìn)，提高了算法的準(zhǔn)確度和收斂速度。實(shí)驗(yàn)結(jié)果表明，相較于其他目標(biāo)檢測(cè)算法，本文提出的改進(jìn)YOLOv3目標(biāo)檢測(cè)算法能夠更好地提取目標(biāo)實(shí)例語(yǔ)義信息，獲得較好的檢測(cè)效果。在未來(lái)的目標(biāo)檢測(cè)算法研究中，將進(jìn)一步優(yōu)化目標(biāo)檢測(cè)網(wǎng)絡(luò)模型，提高檢測(cè)精度，加快檢測(cè)，結(jié)合當(dāng)前深度學(xué)習(xí)先進(jìn)技術(shù)進(jìn)一步提升檢測(cè)效果，利用改進(jìn)的目標(biāo)檢測(cè)算法解決生活中更加復(fù)雜的目標(biāo)檢測(cè)難題。