李丹妮，欒 靜，穆金慶

（新疆師范大學(xué) 計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，新疆 烏魯木齊 830054）

0 引言

在計(jì)算機(jī)視覺領(lǐng)域，目標(biāo)檢測(cè)是計(jì)算機(jī)視覺中的關(guān)鍵課題之一，其目標(biāo)是尋找目標(biāo)的邊界框并對(duì)圖像進(jìn)行分類。近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，目標(biāo)檢測(cè)主流算法的精度和速度都有了很大提升，針對(duì)大目標(biāo)和中目標(biāo)的檢測(cè)，檢測(cè)效果取得了不錯(cuò)的結(jié)果，但是在小目標(biāo)上（通常定義像素32x32 以下的目標(biāo)）的檢測(cè)性能仍然不盡人意。由于目標(biāo)的低分辨率和有限的像素，小目標(biāo)檢測(cè)是困難的。其主要原因在于小目標(biāo)通常缺乏充足的外觀信息，無法將它們與背景或相似的目標(biāo)區(qū)分開來。同時(shí)，小目標(biāo)檢測(cè)還存在著數(shù)據(jù)集缺乏的問題，PASCAL VOC［1］中包含的目標(biāo)都是通常大小的目標(biāo)；COCO［2］中的小目標(biāo)數(shù)量太少且分布不均勻；WIDER FACE、FDDB 小人臉數(shù)據(jù)集和DOTA、UCAS-AOD 航拍數(shù)據(jù)集，不具有目標(biāo)檢測(cè)通用性［3］。由此可見，小目標(biāo)檢測(cè)任務(wù)任重而道遠(yuǎn)。

近年來，深度卷積網(wǎng)絡(luò)在目標(biāo)檢測(cè)領(lǐng)域占據(jù)主導(dǎo)地位，如two-stage 方法中的Faster R-CNN［4］，one-stage 方法中的SSD［5］、YOLOv3［6］、YOLOv4［7］等。Faster R-CNN 由region proposal network（RPN）組成，首先選擇對(duì)象的候選邊界框，然后利用Fast R-CNN［8］進(jìn)一步生成準(zhǔn)確的對(duì)象區(qū)域和類別標(biāo)簽，在VOC2012 數(shù)據(jù)集上達(dá)到最高的精度34.9%AP，對(duì)于小、中、大目標(biāo)的精度分別為15.6%AP、38.7%AP 和50.9%AP。SSD 基于一組預(yù)設(shè)的錨框直接預(yù)測(cè)不同尺度特征圖的目標(biāo)位置和尺度，以VGG-16 作為主干網(wǎng)絡(luò)在COCO 數(shù)據(jù)集上的達(dá)到的最高精度為28.8%AP，對(duì)于小、中、大目標(biāo)的精度分別為10.9%AP、31.8%AP 和43.5%AP。YOLOv3 通過對(duì)YOLOv2［9］進(jìn)行了一系列設(shè)計(jì)更改，例如設(shè)計(jì)跨尺度預(yù)測(cè)和使用Darknet-53 作為主干網(wǎng)絡(luò)進(jìn)行特征提取，在COCO 數(shù)據(jù)集上達(dá)到33%AP，對(duì)于小、中、大目標(biāo)的精度分別為18.3%AP、35.4%AP 和41.9%AP。YOLOv4 使用CSPDarknet-53 作為主干網(wǎng)絡(luò)，利用SPP［10］和PANnet［11］結(jié)構(gòu)加強(qiáng)特征提取，使模型的檢測(cè)精度達(dá)到43.5%AP，對(duì)小、中、大目標(biāo)的檢測(cè)精度分別為26.7%AP、46.7%AP 和53.3%AP。上述幾種目標(biāo)檢測(cè)算法在大目標(biāo)、中目標(biāo)檢測(cè)中表現(xiàn)出明顯的優(yōu)勢(shì)，但對(duì)于小目標(biāo)檢測(cè)，效果卻不盡人意。

吸煙現(xiàn)在普遍存在于日常生活中，其不僅影響吸煙者的健康與生命，而且對(duì)他人及空氣質(zhì)量的危害也不容小覷。盡管我國(guó)在公共場(chǎng)所、公共交通工具等地明令禁止吸煙，采取張貼禁煙指示牌等措施，但防控效果差強(qiáng)人意。針對(duì)這一現(xiàn)象，將本文要檢測(cè)的目標(biāo)的小目標(biāo)定為香煙目標(biāo)。

目前國(guó)內(nèi)對(duì)香煙目標(biāo)檢測(cè)的文獻(xiàn)微乎其微，普遍是對(duì)吸煙行為的檢測(cè)，主要是基于煙霧動(dòng)態(tài)特征、行為識(shí)別等。張洋等［12］提出一種基于弱監(jiān)督細(xì)粒度結(jié)構(gòu)與EfficientDet 網(wǎng)絡(luò)的吸煙行為識(shí)別算法。該算法使用弱監(jiān)督細(xì)粒度兩級(jí)注意力模型框架形成候選區(qū)域塊，再通過融合選擇相關(guān)塊形成特定物體的物體級(jí)篩選器以及定位判別性部件的局部級(jí)篩選器結(jié)果，對(duì)吸煙行為進(jìn)行有效的識(shí)別，算法準(zhǔn)確率達(dá)到93.10%；徐婉晴等［13］提出一種利用人體骨骼關(guān)鍵點(diǎn)和吸煙行為之間的關(guān)系來進(jìn)行吸煙行為檢測(cè)的算法，該算法通過檢測(cè)人體骨骼關(guān)鍵點(diǎn)和臉部關(guān)鍵點(diǎn)計(jì)算手腕到嘴角中點(diǎn)和同側(cè)眼睛的距離比，從而判斷該比值是否屬于吸煙動(dòng)作的黃金比例來區(qū)分是否為吸煙行為，算法準(zhǔn)確率達(dá)到92%；陳睿龍等［14］提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的視頻圖像特征提取和特征融合的吸煙行為檢測(cè)方法，該方法通過定位煙頭的位置判斷是否為吸煙行為。

上述提到的目標(biāo)檢測(cè)主流算法及吸煙行為檢測(cè)相關(guān)文獻(xiàn)，反映出現(xiàn)階段小目標(biāo)檢測(cè)發(fā)展緩慢、檢測(cè)困難和檢測(cè)效果不佳等問題。為了改進(jìn)這些問題，本文提出一種基于YOLOv5 的香煙目標(biāo)檢測(cè)算法，融合SENet［15］注意力機(jī)制模塊，提升復(fù)雜場(chǎng)景中香煙目標(biāo)的檢測(cè)精度，通過訓(xùn)練數(shù)據(jù)增強(qiáng)、改變損失函數(shù)提高了模型的魯棒性。

1 YOLOv5目標(biāo)檢測(cè)模型

1.1 模型框架

YOLOv5 是一種單階段目標(biāo)檢測(cè)算法，與YOLOv4 相比較，具有均值權(quán)重更小、訓(xùn)練時(shí)間更短、檢測(cè)速度更快的特點(diǎn)。YOLOv5 的檢測(cè)策略為：將輸入的圖像分為若干網(wǎng)格，包含檢測(cè)目標(biāo)的網(wǎng)格負(fù)責(zé)預(yù)測(cè)目標(biāo)位置，最終輸出與真實(shí)框契合度最高的預(yù)測(cè)框。YOLOv5 模型包括輸入端、Backbone、Neck、Head 四部分。輸入端包括Mosaic 數(shù)據(jù)增強(qiáng)，將4 張圖像隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)排布。Backbone 為特征提取部分，包括卷積層、C3 和SPPF結(jié)構(gòu)：卷積層中封裝了分組卷積、BN 層以及SiLU 激活函數(shù)三個(gè)功能；C3 模塊簡(jiǎn)化了之前的BottleneckCSP 結(jié)構(gòu)，使得模型捕獲特征的能力增強(qiáng)；SPPF 結(jié)構(gòu)替換了SPP［10］（空間金字塔池化）結(jié)構(gòu)，使模型的前向計(jì)算和反向計(jì)算速度提升了約1.5 倍。Neck 中采用了特征金字塔FPN 與路徑聚合網(wǎng)絡(luò)PAN 結(jié)合的結(jié)構(gòu)，將常規(guī)的FPN 層與自底向上的特征金字塔進(jìn)行結(jié)合，將所提取的語義特征與位置特征進(jìn)行融合，同時(shí)將主干層與檢測(cè)層進(jìn)行特征融合，使模型獲取更加豐富的特征信息。Head 輸出預(yù)測(cè)結(jié)果。

YOLOv5 結(jié)構(gòu)可以抽象理解為采用FPN+PAN 結(jié)構(gòu)的組合，采用了大量的卷積和C3 結(jié)構(gòu)。卷積層結(jié)構(gòu)包括普通卷積conv、BN 層和SiLU［16］激活函數(shù)。C3 結(jié)構(gòu)是BottleneckCSP 結(jié)構(gòu)減少一個(gè)卷積層得到。BottleneckCSP 與CSP結(jié)構(gòu)相似，CSP 結(jié)構(gòu)由Chien-yao Wang 等［17］提出的，在denseNet 特征融合結(jié)構(gòu)的基礎(chǔ)上對(duì)輸入特征圖像進(jìn)行分割，目的是為了減少梯度重復(fù)計(jì)算，提升模型的速度。YOLOv5模型結(jié)構(gòu)如圖1所示。

1.2 YOLOv5在香煙目標(biāo)檢測(cè)中的缺陷

YOLOv5 模型現(xiàn)階段已有了良好的目標(biāo)檢測(cè)性能和預(yù)測(cè)速度，但應(yīng)用于香煙目標(biāo)的識(shí)別檢測(cè)，仍然存在以下缺陷：

（1）主干網(wǎng)絡(luò)有較多的C3 結(jié)構(gòu)和卷積層，其卷積操作中的卷積核包含大量參數(shù)，導(dǎo)致模型中含有大量參數(shù)，降低了模型的計(jì)算速度。因?yàn)橄銦熌繕?biāo)較小，所以在特征提取過程中通過大量的卷積運(yùn)算之后，香煙目標(biāo)的特征信息在圖片較為全面的特征信息中無法凸顯，使模型對(duì)類似于香煙等小目標(biāo)檢測(cè)速度下降。

（2）當(dāng)預(yù)測(cè)框在真實(shí)框內(nèi)部且兩者大小恒定時(shí)，GIoU［18］函數(shù)的值即為并交比，無法實(shí)現(xiàn)高精度的定位。GIoU 是一種距離函數(shù)，由式（1）所示，其中C 為預(yù)測(cè)框和真實(shí)框的最小外接框面積，B 為預(yù)測(cè)框，Bgt 為真實(shí)框（groud truth）。

Fig.1 YOLOv5 model structure圖1 YOLOv5模型結(jié)構(gòu)

其中IoU（交并比）為預(yù)測(cè)框與真實(shí)框交集與并集的比值，由式（2）所示。兩個(gè)框相離時(shí)，并交比為0；當(dāng)預(yù)測(cè)框位于真實(shí)框內(nèi)部但兩者不等時(shí)，并交比的值恒定為B/Bgt；最理想情況為預(yù)測(cè)框和真實(shí)框完全重疊，并交比的值為1。

定位損失函數(shù)LGIoU 公式由式（3）所示：

在GIoU 函數(shù)中，真實(shí)框與預(yù)測(cè)框距離越遠(yuǎn)，C值越大，GIoU 無限趨近于-1，定位損失函數(shù)LGIoU(B，Bgt)無限趨近于2。顯而易見，應(yīng)用GIoU 函數(shù)存在一個(gè)問題：當(dāng)真實(shí)框包含預(yù)測(cè)框且兩者大小固定時(shí)，其并交比恒定為預(yù)測(cè)框與真實(shí)框面積的比值，無論預(yù)測(cè)框在真實(shí)框的任何位置，損失值都不變。

2 改進(jìn)的YOLOv5模型

2.1 主干網(wǎng)絡(luò)引入注意力機(jī)制

注意力機(jī)制（Attention Mechanism）源于對(duì)人類視覺的研究，其目標(biāo)是從眾多信息中挑選出對(duì)當(dāng)前任務(wù)目標(biāo)更為關(guān)鍵的信息。本文在對(duì)香煙目標(biāo)識(shí)別中引入注意力機(jī)制，賦予香煙目標(biāo)更大的權(quán)重，讓模型更關(guān)注與香煙目標(biāo)有關(guān)的重要區(qū)域。在多數(shù)實(shí)驗(yàn)中，在模型中引入注意力機(jī)制會(huì)顯著提高模型性能，但引入位置并沒有固定的要求，只要對(duì)模型性能有改進(jìn)即可。

本文在通道維度引入Squeeze-and-Excitation Networks（SENet）網(wǎng)絡(luò)結(jié)構(gòu)，將其插入到現(xiàn)有的多種網(wǎng)絡(luò)結(jié)構(gòu)中，都取得了較好的實(shí)驗(yàn)效果。SENet 采用了一種全新的特征重標(biāo)定策略，通過自學(xué)習(xí)方式自動(dòng)獲取每個(gè)特征通道的權(quán)重，并按照此權(quán)重來提升有用的特征，抑制對(duì)當(dāng)前檢測(cè)任務(wù)作用不大的特征［15］。其結(jié)構(gòu)如圖2所示。

Fig.2 Squeeze-and-Excitation network structure圖2 Squeeze-and-Excitation 網(wǎng)絡(luò)結(jié)構(gòu)

該結(jié)構(gòu)中的兩個(gè)關(guān)鍵操作為Squeeze 操作和Excitation操作。給定一個(gè)輸入X，其特征通道數(shù)為C'，寬為W'，高為H'，經(jīng)過Backbone 中的卷積操作后得到特征通道數(shù)為C、寬高為W、H的特征U。此后的操作與傳統(tǒng)的CNN 不同：首先是Squeeze 操作，它通過全局池化的方式，將H×W二維向量變成一個(gè)實(shí)數(shù)，且輸出的維度和輸入的特征通道數(shù)相匹配；其次是Excitation 操作，該操作使用兩個(gè)全連接層，組成一個(gè)Bottleneck 結(jié)構(gòu)來建模通道間的相關(guān)性，為每個(gè)通道生成一個(gè)權(quán)重值；最后為Reweight 重標(biāo)定操作，即通過scale 乘法，將Excitation 操作輸出的權(quán)重值，即每個(gè)特征通道的重要性，逐通道加權(quán)到之前的特征U上，完成在通道維度上對(duì)原始特征的重標(biāo)定［19］。

本文將SEnet 應(yīng)用于Backbone 中，即在Backbone 的每一個(gè)C3 之后插入一個(gè)SEnet 結(jié)構(gòu)，具體結(jié)構(gòu)如圖3 所示。原始特征圖X 輸入到Backbone 結(jié)構(gòu)中，每經(jīng)過一次C3 卷積操作，就進(jìn)入到SEnet 結(jié)構(gòu)中。使用全局平均池化作為Squeeze 操作。Excitation 操作包含兩個(gè)全連接層FC、ReLU激活函數(shù)和Sigmoid［16］函數(shù)。第一個(gè)全連接層FC 對(duì)通道數(shù)進(jìn)行降維，衰減因子為r，此目的是為了降低后續(xù)的計(jì)算量；第二個(gè)全連接層將通道數(shù)恢復(fù)到原來的維度。使用兩個(gè)全連接層可以更好的擬合通道間復(fù)雜的相關(guān)性，具有更多的非線性，并且減少了計(jì)算量和參數(shù)量。Sigmoid 函數(shù)將參數(shù)值轉(zhuǎn)化為一個(gè)0～1 間的歸一化權(quán)重值。最后通過scale 乘法操作將歸一化的權(quán)重值逐通道加權(quán)到之前的特征上［20］。

Fig.3 SE-YOLOv5 structure圖3 SE-YOLOv5結(jié)構(gòu)

2.2 改進(jìn)邊界框定位損失函數(shù)GIoU

為解決上述GIoU 存在的問題，即當(dāng)真實(shí)框包含預(yù)測(cè)框且兩者大小固定時(shí)，其并交比恒定為預(yù)測(cè)框與真實(shí)框面積的比值，無論預(yù)測(cè)框在真實(shí)框的任何位置，損失值都不變。本文采用CIoU［21］（Complete-IOU），由式（4）所示。與GIoU 相同的是，CIoU 還是需要找到最小外接框，與 GIoU不同的是，CIoU 進(jìn)一步強(qiáng)調(diào)了距離的重要性和預(yù)測(cè)框與真實(shí)框長(zhǎng)寬比例問題。

其中，ρ2為預(yù)測(cè)框和真實(shí)框中心點(diǎn)距離的平方，c2為最小外接框?qū)蔷€的平方，ν為預(yù)測(cè)框和真實(shí)框長(zhǎng)寬比例差值的歸一化；α 為平衡長(zhǎng)寬比例造成的損失和IoU 造成的損失的平衡因子。

CIoU 中歸一化中心點(diǎn)距離的最小化導(dǎo)致快速收斂，重疊區(qū)域和縱橫比的一致性有助于更好地匹配兩個(gè)框。

3 實(shí)驗(yàn)及結(jié)果分析

本文采用的圖像處理單元（GPU）為TESLA K80，依賴pytorch1.7.0、python3.7，框架為改進(jìn)的YOLOv5。共設(shè)計(jì)4組實(shí)驗(yàn)，分別在自制香煙數(shù)據(jù)集下測(cè)試傳統(tǒng)YOLOv5 和兩個(gè)改進(jìn)部分對(duì)香煙目標(biāo)檢測(cè)性能的影響。在COCO test 數(shù)據(jù)集下與小目標(biāo)檢測(cè)經(jīng)典模型SSD 和DSSD［22］進(jìn)行比較，綜合判斷改進(jìn)模型的性能。

3.1 數(shù)據(jù)集

現(xiàn)有的香煙目標(biāo)檢測(cè)數(shù)據(jù)集較少且數(shù)據(jù)量不大，本文數(shù)據(jù)集均來源于互聯(lián)網(wǎng)，來源不一，通過網(wǎng)絡(luò)爬蟲技術(shù)，爬取百度和谷歌網(wǎng)站上的香煙、吸煙行為圖片，截取網(wǎng)絡(luò)視頻及影視作品中的香煙和吸煙動(dòng)作，完成了實(shí)驗(yàn)數(shù)據(jù)集的制作。數(shù)據(jù)量共6 808 張，訓(xùn)練集（驗(yàn)證集）和測(cè)試集按照4：1 的比例劃分，其中訓(xùn)練集（驗(yàn)證集）包含圖片5 447 張，驗(yàn)證集包含圖片1 361 張。為保證數(shù)據(jù)與實(shí)際場(chǎng)景相符，以保證檢測(cè)模型的適用性，數(shù)據(jù)集包含各個(gè)場(chǎng)景的真實(shí)圖像，如工作、生活、街頭等，其中包括香煙數(shù)據(jù)、手拿香煙或香煙相似物數(shù)據(jù)、無香煙數(shù)據(jù)，數(shù)據(jù)豐富，具有科研價(jià)值。數(shù)據(jù)集示例如圖4所示（彩圖掃OSID 碼可見，下同）。

使用Github 上的開源標(biāo)注工具YOLO Mark 進(jìn)行香煙目標(biāo)數(shù)據(jù)標(biāo)注。標(biāo)注參數(shù)為五元組(class，x，y，w，h)，其中class表示檢測(cè)目標(biāo)類別；(x，y)表示真實(shí)框的中心點(diǎn)坐標(biāo)；w，h表示真實(shí)框的寬度和長(zhǎng)度。x，y，w，h需先經(jīng)過歸一化處理成0～1之間的數(shù)值。香煙目標(biāo)標(biāo)注如圖5所示。

3.2 評(píng)價(jià)指標(biāo)

Fig.4 Dataset example圖4 數(shù)據(jù)集示例

Fig.5 Cigarette target annotation圖5 香煙目標(biāo)標(biāo)注

本文使用F1值和mAP作為改進(jìn)模型的評(píng)價(jià)指標(biāo)［20］。F1值是精準(zhǔn)率和召回率的調(diào)和平均，用于綜合反映整體指標(biāo)，F(xiàn)1較高時(shí)表明實(shí)驗(yàn)所用方法有效，由式（5）所示。mAP值越高，表明模型的檢測(cè)效果越好，由式（6）所示，

其中，Precision為查準(zhǔn)率，Recall為查全率；AveragePrecision(c)為一個(gè)類c的平均精度，它表示在驗(yàn)證集上所有圖像對(duì)于類c的Precision之和與所有包含類c目標(biāo)的圖像數(shù)量的比值；N(classes)表示所有目標(biāo)類別數(shù)量。

3.3 香煙目標(biāo)檢測(cè)實(shí)驗(yàn)設(shè)計(jì)與檢測(cè)結(jié)果分析

3.3.1 改進(jìn)部分對(duì)模型檢測(cè)性能的影響

改進(jìn)模型的訓(xùn)練結(jié)果如圖6 所示?？梢钥闯?，訓(xùn)練前期損失值下降速度較快，隨著訓(xùn)練次數(shù)的增加，損失曲線降幅變緩，最終趨于平穩(wěn)。

圖7 采用可視化方式顯示出數(shù)據(jù)集中目標(biāo)的寬高比?？梢钥闯?，歸一化后，香煙目標(biāo)的寬高比普遍在0.1左右，說明數(shù)據(jù)確實(shí)很小，也會(huì)面臨模糊問題，導(dǎo)致數(shù)據(jù)質(zhì)量降低。

Fig.6 Model training results圖6 模型訓(xùn)練結(jié)果

Fig.7 Visualization of target aspect ratio distribution of cigarettes圖7 香煙目標(biāo)寬高比分布可視化

為了驗(yàn)證改進(jìn)方法對(duì)傳統(tǒng)YOLOv5 的性能影響，本文對(duì)比了引入注意力機(jī)制和改進(jìn)損失函數(shù)的模型與傳統(tǒng)YOLOv5 模型的實(shí)驗(yàn)效果，每組實(shí)驗(yàn)的訓(xùn)練參數(shù)相同，比較結(jié)果如表1。由表1 可知，SEnet 注意力機(jī)制的引入能夠在通道維度對(duì)特征圖的每個(gè)通道進(jìn)行特征壓縮與自學(xué)習(xí)，實(shí)現(xiàn)對(duì)原始香煙特征的重標(biāo)定，加大重要特征的權(quán)重值；改進(jìn)損失函數(shù)GIoU 為CIoU 作為定位框損失函數(shù)，解決了GIoU 函數(shù)在預(yù)測(cè)框位于真實(shí)框內(nèi)部的情況下退化為IoU的問題，提高了模型定位的精確度。改進(jìn)后模型的mAP 值為0.81，比傳統(tǒng)YOLOv5 的mAP 值提高0.104；F1 為0.797，比傳統(tǒng)YOLOv5 模型提高0.103，且改進(jìn)模型在訓(xùn)練中需要更少的顯存。

Table 1 Detection performance of the improved model表1 改進(jìn)模型的檢測(cè)性能

圖8 為改進(jìn)前后檢測(cè)性能對(duì)比。傳統(tǒng)YOLOv5 模型對(duì)香煙目標(biāo)的檢測(cè)效果如圖8（a）所示，改進(jìn)模型對(duì)香煙的檢測(cè)效果如圖8（b）所示，改進(jìn)后模型的識(shí)別效果有了明顯提高。

Fig.8 Comparison of improved model and YOLOv5 detection results圖8 改進(jìn)模型與YOLOv5檢測(cè)結(jié)果比較

3.3.2 改進(jìn)模型與主流目標(biāo)檢測(cè)模型的性能比較

目前小目標(biāo)檢測(cè)領(lǐng)域主流的檢測(cè)模型有R-FCN、SSD、DSSD、RetinaNet［23］等，采用mAP 指標(biāo)作為每種檢測(cè)模型的評(píng)估指標(biāo)，在COCO-test 數(shù)據(jù)集上做對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖9 所示，與其他小目標(biāo)檢測(cè)模型的效果對(duì)比如表2 所示。由表2 可知，本文提出的改進(jìn)模型相比于SSD、DSSD 等主流的小目標(biāo)檢測(cè)模型具有更好的檢測(cè)性能。在保證檢測(cè)速度的同時(shí)，精確度有了一定的提高，與主流模型相比具有一定優(yōu)勢(shì)。

4 結(jié)語

本文針對(duì)公共場(chǎng)所中吸煙行為防控效果差的問題，提出了一種基于傳統(tǒng)YOLOv5 的改進(jìn)的香煙目標(biāo)檢測(cè)模型。該模型提高了模型的識(shí)別速度，降低了卷積計(jì)算量。一方面，為了解決由于香煙目標(biāo)較小，在特征提取過程中通過大量卷積運(yùn)算之后特征信息不突出的問題，在主干網(wǎng)絡(luò)Backbone 結(jié)尾加入SEnet 注意力機(jī)制，實(shí)現(xiàn)在通道維度上原始特征的重標(biāo)定，通過自學(xué)習(xí)的方式增大了香煙目標(biāo)重要特征通道的權(quán)重值。另一方面，為了解決當(dāng)預(yù)測(cè)框在真實(shí)框內(nèi)部且兩者大小恒定時(shí)，GIoU 函數(shù)的值退化為并交比，無法實(shí)現(xiàn)高精度定位的問題，本文使用CIoU 作為定位框回歸損失函數(shù)，進(jìn)一步強(qiáng)調(diào)了距離的重要性以及預(yù)測(cè)框與真實(shí)框長(zhǎng)寬比例問題，其中歸一化中心點(diǎn)距離的最小化處理方法使檢測(cè)速度快速收斂，重疊區(qū)域和縱橫比的一致性有助于更好地匹配真實(shí)框和預(yù)測(cè)框。

Table 2 Performance comparison with main target detection models表2 與主流小目標(biāo)檢測(cè)模型性能對(duì)比

Fig.9 Detection accuracy of SE-YOLOv5 in COCO-test dataset圖9 SE-YOLOv5在COCO-test數(shù)據(jù)集的檢測(cè)精度

通過對(duì)比實(shí)驗(yàn)，驗(yàn)證了本文提出的改進(jìn)模型能夠準(zhǔn)確、快速地檢測(cè)出生活、工作等場(chǎng)景圖像中的香煙目標(biāo)。本文方法的mAP 達(dá)到0.81，比YOLOv5 的mAP 值提高0.104，F(xiàn)1 值達(dá)到0.797，比YOLOv5 模型提高0.103；在COCO test 數(shù)據(jù)集上達(dá)到62.1%mAP，比RetinaNet 等小目標(biāo)檢測(cè)網(wǎng)絡(luò)提升了3 個(gè)百分點(diǎn)。實(shí)現(xiàn)了檢測(cè)效果的高準(zhǔn)確性和高速率，檢測(cè)性能在自制數(shù)據(jù)集上高于目標(biāo)檢測(cè)領(lǐng)域主流的目標(biāo)檢測(cè)模型，可為吸煙行為管控提供有益的幫助。未來將進(jìn)一步提高模型的檢測(cè)速度，擴(kuò)大數(shù)據(jù)量，進(jìn)一步降低誤檢率，提升模型在實(shí)際生活應(yīng)用中的檢測(cè)效果。