彭 迪，吳 太 夏，王 樹 東，鞠 茂 森

(1.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 211100； 2.中國科學(xué)院 空天信息創(chuàng)新研究院，北京 100000； 3.河海大學(xué) 河長制研究與培訓(xùn)中心，江蘇 南京 210098)

0 引 言

河湖管理與保護(hù)是一項復(fù)雜的系統(tǒng)工程，涉及上下游、左右岸、不同行政區(qū)域和行業(yè)[1]。近年來，一些地區(qū)積極探索河長制，協(xié)調(diào)整合各方力量，有力促進(jìn)了水資源保護(hù)、水域岸線管理、水環(huán)境治理等工作。河湖水域岸線是保障供水安全與防洪安全的重要屏障，河湖岸線周圍存在違法侵占河道、圍墾湖泊、非法采砂釣魚等亂占濫用河湖水域岸線情況等。2016年底，中共中央辦公廳、國務(wù)院辦公廳印發(fā)了《關(guān)于全面推行河長制的意見》，要求各地區(qū)各部門結(jié)合實(shí)際認(rèn)真貫徹落實(shí)，提升管理水平，推進(jìn)生態(tài)文明建設(shè)；2019年初，多部委聯(lián)合印發(fā)《長江流域重點(diǎn)水域禁捕和建立補(bǔ)償制度實(shí)施方案》，對長江流域分階段實(shí)施禁捕做了規(guī)定[2]；2022年初，水利部制定了《2022年水利政策法規(guī)工作要點(diǎn)》，明確提出加強(qiáng)常態(tài)化水行政執(zhí)法，強(qiáng)化日常執(zhí)法巡查，加大對妨礙行洪、侵占河湖岸線、違法取水、損害水生態(tài)水環(huán)境等水事違法行為打擊力度[3]。為了應(yīng)對人為偷捕對于水生態(tài)損害、水環(huán)境污染的影響[4]，農(nóng)業(yè)農(nóng)村部的通告宣布從2020年1月1日起開始實(shí)施長江十年禁漁計劃。規(guī)范禁捕水域的垂釣行為是長江岸線監(jiān)管的一個重要內(nèi)容，非法垂釣不但違反了法規(guī)管理條例，而且給岸線的治理帶來了很大的麻煩。傳統(tǒng)的解決方案往往采用24 h輪班巡查來提防偷捕偷釣者，這種人防的方式給監(jiān)管帶來非常大的壓力。雖然近些年在禁捕區(qū)域投入了非常多地面攝像頭，減輕了安防人員的巡邏壓力，但是通過人工判讀河湖岸線周邊錄像攝影，再追究違規(guī)者的責(zé)任，此方法費(fèi)時費(fèi)力且時效性差。故本文將深度學(xué)習(xí)中目標(biāo)檢測算法運(yùn)用到河湖岸線的監(jiān)管中來，經(jīng)過訓(xùn)練得到的模型可以實(shí)時檢測出偷釣者的位置信息，通知安防人員采取行動，實(shí)現(xiàn)實(shí)時管控的同時還節(jié)約了人力物力成本。

目標(biāo)檢測是計算機(jī)視覺的重要內(nèi)容，它將目標(biāo)的分割和識別結(jié)合，其準(zhǔn)確性和實(shí)時性在安防領(lǐng)域、軍事領(lǐng)域和交通領(lǐng)域等有著廣泛的應(yīng)用場景。傳統(tǒng)的目標(biāo)檢測算法，如SHIFT算法[5]、HOG算法[6]等，需要人工選擇特征提取器里的特征用于分類器的訓(xùn)練。基于卷積神經(jīng)網(wǎng)絡(luò)提取特征的深度學(xué)習(xí)檢測方法依靠其強(qiáng)大的自學(xué)習(xí)能力和自適應(yīng)性成為當(dāng)今檢測技術(shù)領(lǐng)域的主流方法[7]。目前基于深度學(xué)習(xí)的目標(biāo)檢測方法主要分為兩類：第一類是兩階段的目標(biāo)檢測算法，這類算法先粗略生成樣本候選框，再進(jìn)行精細(xì)的選取調(diào)整，但是檢測速度較慢，其代表算法有R-CNN[8]、Fast R-CNN[9]等；第二類是一階段的目標(biāo)檢測算法，利用卷積網(wǎng)絡(luò)對整個圖像進(jìn)行處理，實(shí)現(xiàn)目標(biāo)定位的同時預(yù)測類別，所以檢測速度快，能達(dá)到實(shí)時檢測的要求，其代表算法有SSD[10]、YOLOv1-v3[11-13]等。鑒于YOLOv3算法的精度和速度的優(yōu)勢，許多學(xué)者通過對YOLOv3算法結(jié)構(gòu)的改進(jìn)，使其能更好地適用不同的場景。魏潤辰等[14]基于YOLOv3融入空間注意力機(jī)制模塊增強(qiáng)網(wǎng)絡(luò)特征學(xué)習(xí)，提出對網(wǎng)絡(luò)寬度進(jìn)行調(diào)整以改善模塊運(yùn)算速度，提高城市道路區(qū)域行人檢測的準(zhǔn)確性和實(shí)時性，更好應(yīng)對駕駛場景的實(shí)際需求；岳曉新等[15]提出的道路小目標(biāo)檢測算法對YOLOv3算法網(wǎng)絡(luò)模型中的聚類算法和損失函數(shù)進(jìn)行優(yōu)化，提高道路小目標(biāo)的檢測精度。

本次研究以河湖岸線上的垂釣行為為主要研究對象?？紤]到河湖岸線的攝像頭往往是位置固定的，但對于距離攝像頭較遠(yuǎn)的垂釣者，目標(biāo)變小而使得識別精度不高。針對此問題，本次研究在原YOLOv3的網(wǎng)絡(luò)結(jié)構(gòu)中嵌入多個注意力機(jī)制模塊，改變特征層的權(quán)重信息，使網(wǎng)絡(luò)聚焦于垂釣行為特征，抑制背景的干擾；同時由于樣本量不易擴(kuò)充，借助遷移學(xué)習(xí)的思想，利用COCO數(shù)據(jù)集得到預(yù)訓(xùn)練主干權(quán)重，提高模型的提取特征能力和泛化能力。試驗(yàn)結(jié)果表明，將上述兩者結(jié)合起來可大幅提高檢測精度，能進(jìn)行快速高效的垂釣行為提取。

1 研究方法

1.1 模型結(jié)構(gòu)

YOLOv3的主干網(wǎng)絡(luò)為Darknet-53模型。Dartknet-53模型采用調(diào)整卷積核的步長代替最大池化來改變前向傳播中張量尺寸變換，并且舍棄了v2版本中參數(shù)量大的全連接層；它還借鑒了Res-Net的殘差結(jié)構(gòu)加深網(wǎng)絡(luò)結(jié)構(gòu)的深度，并采用類似FPN(Feature Pyramid Networks)網(wǎng)絡(luò)結(jié)構(gòu)，提取不同尺度的特征圖。YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)基本組件DBL(Darknetconv2d_BN_Leaky)由卷積層、BN層和Leaky ReLU激活函數(shù)構(gòu)成，通過兩個DBL的卷積及跳躍連接構(gòu)成殘差單元，加深神經(jīng)網(wǎng)絡(luò)的層數(shù)的同時，有效避免了梯度消失問題。Darknet-53交替使用殘差單元和步長為2的3×3卷積核將輸入模型416×416尺寸的圖片縮小32倍，后續(xù)多次卷積及兩次上采樣保證FPN拼接時張量尺度相同，輸出3種不同尺度的特征圖。其中，二、三層的特征圖由前一層的特征圖上采樣后與低層網(wǎng)絡(luò)中相同大小的特征圖進(jìn)行融合得到。因?yàn)闇\層網(wǎng)絡(luò)語義信息較少、位置信息較多，而深層網(wǎng)絡(luò)中語義信息相對較多，故YOLOv3采用類似FPN結(jié)構(gòu)將淺層與深層信息融合，可實(shí)現(xiàn)對不同尺度特征有效提取。

本次研究主要是禁捕區(qū)域的垂釣行為，由于在禁捕區(qū)域的許多垂釣者距離攝像頭較遠(yuǎn)，在影像中呈現(xiàn)為小目標(biāo)，本文針對YOLOv3算法在小目標(biāo)識別上的缺陷，將卷積塊注意力模塊CBAM(Convolutional Block Attention Module)分別嵌入到模型網(wǎng)絡(luò)結(jié)構(gòu)的5個位置上，其分別位于主干網(wǎng)絡(luò)Darknet-53模型輸出的3個特征層后以及特征融合階段中兩個上采樣處理得到的特征層后，以此得到改進(jìn)后的網(wǎng)絡(luò)模型YOLOv3-CBAM，結(jié)構(gòu)如圖1所示。本次研究保持了主干的完整性，可共用YOLOv3算法在COCO數(shù)據(jù)集上得到的主干網(wǎng)絡(luò)權(quán)重，節(jié)約了訓(xùn)練成本。

圖1 YOLOv3-CBAM的網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv3-CBAM network structure

1.2 注意力機(jī)制

注意力機(jī)制被廣泛用在自然語言處理、計算機(jī)視覺等任務(wù)中，是一種能改變特征權(quán)重的有效手段，在許多實(shí)驗(yàn)中都表現(xiàn)出較好的性能[16-19]。注意力機(jī)制可以看作是一種權(quán)重分配方式，注意力是模仿人類大腦處理大量信息時的一種機(jī)制，即關(guān)注重點(diǎn)區(qū)域，而忽視不重要的部分。對于不同的位置信息或者不同的通道信息賦予不同的權(quán)重因子，這樣做的目的就是增加了有用特征的權(quán)重，從而獲得更多目標(biāo)的細(xì)節(jié)信息，提高目標(biāo)識別的精度。

與SENet[19]、ECANet[20]等其他只關(guān)注通道特征的注意力機(jī)制不同，卷積塊注意力模塊CBAM提供了一種兼顧通道位置權(quán)重和空間位置權(quán)重的特征權(quán)重產(chǎn)生方式，它將通道注意力機(jī)制和空間注意力機(jī)制進(jìn)行結(jié)合，在幾乎不增加模型復(fù)雜度的情況下，能夠獲得十分明顯的性能增益[17]。其實(shí)現(xiàn)過程如圖2所示，CBAM對輸入進(jìn)來的特征層，分別進(jìn)行通道注意力機(jī)制的處理和空間注意力機(jī)制的處理。在網(wǎng)絡(luò)加入CBAM后，特征層對于不同空間位置、通道位置的權(quán)重得到了調(diào)整，讓網(wǎng)絡(luò)學(xué)會關(guān)注重點(diǎn)信息，提高識別目標(biāo)物體的概率。

圖2 CBAM模塊的結(jié)構(gòu)Fig.2 CBAM module structure

圖3表示CBAM中通道注意力模塊和空間注意力模塊微調(diào)特征層的過程。

圖3(a)表示通道注意力機(jī)制的結(jié)構(gòu)。通道注意力機(jī)制的實(shí)現(xiàn)可以分為兩個部分：模塊會對輸入進(jìn)來的單個特征層分別進(jìn)行全局平均池化和全局最大池化。將平均池化和最大池化的結(jié)果送入共享全連接層(Shared MLP)進(jìn)行處理，其中共享全連接層包括兩個全連接層，對通道數(shù)先降維再升維：第一個全連接層將輸出通道數(shù)縮小至原通道數(shù)的1/r；第二個全連接層將通道放大至r倍，調(diào)整回原來的通道數(shù)，本文中縮放因子r取8。對處理后的兩個特征層結(jié)果進(jìn)行相加，然后進(jìn)行sigmoid函數(shù)處理。此時獲得了輸入特征層每一個通道的權(quán)值，且大小都在0～1之間。在獲得這個權(quán)值后，將這個權(quán)值乘上原輸入特征層即可。

圖3(b)為空間注意力機(jī)制的結(jié)構(gòu)。對輸入進(jìn)來的特征層，每一個特征點(diǎn)在通道上取最大值和平均值。之后將這兩個結(jié)果進(jìn)行堆疊，堆疊之后的結(jié)果利用一次通道數(shù)為1的卷積調(diào)整通道數(shù)，其中卷積核尺寸k取7，為了保證特征層空間上的尺寸不發(fā)生改變，填充量p取3，卷積之后得到一個通道數(shù)為1的特征層，然后進(jìn)行sigmoid函數(shù)處理。此時獲得了輸入特征層每一個特征點(diǎn)的權(quán)值，且大小都在0～1之間。在獲得這個權(quán)值后，將這個權(quán)值乘上原輸入特征層即可。

圖3 CBAM中的通道注意力模塊和空間注意力模塊的結(jié)構(gòu)Fig.3 Channel attention module andspatial attention module in CBAM

1.3 遷移學(xué)習(xí)

遷移學(xué)習(xí)在大量的試驗(yàn)中被證明是一種有效的模型改進(jìn)方式，尤其是當(dāng)目標(biāo)數(shù)據(jù)不足時，遷移學(xué)習(xí)的方式能夠在小樣本的情況下獲得比較好的訓(xùn)練結(jié)果，提升模型的訓(xùn)練精度和魯棒性能。遷移學(xué)習(xí)是模型訓(xùn)練效果的一種泛化，諸多學(xué)者從模型復(fù)雜性和學(xué)習(xí)算法的穩(wěn)定出發(fā)，導(dǎo)出了模型泛化的理論邊界[21]。深度神經(jīng)網(wǎng)絡(luò)的識別效果很大程度上取決于數(shù)據(jù)樣本的數(shù)量，基于大批量相關(guān)場景的數(shù)據(jù)樣本才能訓(xùn)練出一個表現(xiàn)效果優(yōu)異的神經(jīng)網(wǎng)絡(luò)模型。如果樣本集的數(shù)據(jù)不足，模型提取的效果很難得到充分的訓(xùn)練，從而訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生比較嚴(yán)重的過擬合現(xiàn)象，且泛化能力比較差[22]。

本次研究中構(gòu)建的垂釣行為的數(shù)據(jù)集比較小，若將其直接用于訓(xùn)練一個目標(biāo)檢測的網(wǎng)絡(luò)，則訓(xùn)練收斂速度慢且準(zhǔn)確率不高。因此，為了有效加快訓(xùn)練的迭代速度、增強(qiáng)訓(xùn)練模型的提取特征能力和模型的泛化能力、提高模型預(yù)測識別的準(zhǔn)確率，采用了預(yù)訓(xùn)練權(quán)重。由于YOLOv3-CBAM算法未對Darknet53主干進(jìn)行調(diào)整，所以可以與YOLOv3算法共用同一個預(yù)訓(xùn)練權(quán)重，節(jié)約訓(xùn)練成本。COCO數(shù)據(jù)集是一個大規(guī)模的、豐富的物體檢測和圖像分割的開源數(shù)據(jù)集，提供的標(biāo)簽類別有80類，超過33萬張圖片，其中20萬張有標(biāo)注，整個數(shù)據(jù)集中個體的數(shù)目超過150萬個[23]。通過COCO數(shù)據(jù)集訓(xùn)練得到的預(yù)訓(xùn)練權(quán)重具有強(qiáng)大的泛化能力，其在淺層學(xué)習(xí)圖像低層次的特征，包括圖像的邊緣、顏色信息等；在深層學(xué)習(xí)圖像的高層語義特征，這些特征將隨著圖像的不同而有不同的表現(xiàn)。

1.4 損失函數(shù)

在目標(biāo)檢測模型中，常使用目標(biāo)損失函數(shù)(Loss function)來衡量模型預(yù)測值與樣本真實(shí)值的差異性程度。對于本文所研究的敏感目標(biāo)檢測問題，網(wǎng)絡(luò)在訓(xùn)練過程中需要考慮3個方面：位置預(yù)測的均方損失、置信度的交叉熵?fù)p失以及類別的交叉熵?fù)p失，其中置信度又分為包含目標(biāo)置信度和不包含目標(biāo)置信度兩部分。

Loss=loss_coord+loss_conf+loss_cls

(1)

式中：Loss表示總損失；loss_coord表示位置損失；loss_conf表示置信度損失；loss_cls表示類別損失。

具體各個部分損失函數(shù)的公式如下：

(2)

(3)

(4)

2 實(shí)驗(yàn)流程

2.1 實(shí)驗(yàn)平臺與模型訓(xùn)練

本文實(shí)驗(yàn)配置環(huán)境如下：操作系統(tǒng)為Windows10，中央處理器為4核 Intel(R) Xeon(R) Silver 4110 CPU @.10GHz，GPU為英偉達(dá)GeForce系列11G顯存，16GB內(nèi)存的RTX 2080Ti顯卡。語言選擇的是Python3.8，深度學(xué)習(xí)框架為PyTorch庫，并安裝CUDA11.0實(shí)現(xiàn)加速運(yùn)算。

2.2 數(shù)據(jù)集

由于本文針對的是垂釣行為的識別，場景類型較為多樣化，并沒有大量公開可用的專業(yè)數(shù)據(jù)集，因此采用人臉球機(jī)在湖北省黃石市和鄂州市的長江岸線及其他河湖岸線監(jiān)測站點(diǎn)拍攝的影像和網(wǎng)上收集的圖片制作了數(shù)據(jù)集。在對數(shù)據(jù)集篩選之后，一共制作了1 200張圖片，利用Labelme庫對其進(jìn)行手工標(biāo)注，用于模型的訓(xùn)練、驗(yàn)證和測試。對收集的數(shù)據(jù)采用分離驗(yàn)證方法，將圖片數(shù)據(jù)集按8∶2劃分為訓(xùn)練集和測試集，在訓(xùn)練集中以9∶1比例再細(xì)分為訓(xùn)練集和驗(yàn)證集。

2.3 訓(xùn)練過程

本文中除了YOLOv3模型，還引入經(jīng)典的單階段目標(biāo)檢測算法——SSD算法作為對比，總共涉及3個模型，分別為SSD模型、YOLOv3模型和YOLOv3-CBAM模型，3個模型分別采用直接訓(xùn)練和預(yù)訓(xùn)練權(quán)重進(jìn)行訓(xùn)練。同時，使用批量隨機(jī)梯度下降算法，初始學(xué)習(xí)率為0.000 1，動量參數(shù)設(shè)定為0.94，權(quán)重衰減正則項為0.000 5，防止模型過擬合，設(shè)置batchsize為6，最大迭代次數(shù)設(shè)為1 000。數(shù)據(jù)集每完成一次迭代訓(xùn)練后評估模型，通過訓(xùn)練過程中的誤差變化曲線判讀模型的收斂情況。在實(shí)驗(yàn)過程中，所有模型都在不到最大迭代次數(shù)一半的輪次收斂。

2.4 量化指標(biāo)

本文算法測試使用平均準(zhǔn)確率mAP、召回率Recall、準(zhǔn)確率Precision、平均交并比IOU評價算法性能，評價公式分別為

(5)

式中：AP表示各個目標(biāo)對應(yīng)的準(zhǔn)確率；h表示識別物體的總類別數(shù)，本實(shí)驗(yàn)只預(yù)測垂釣行為，故h取1；mAP是記錄召回率與準(zhǔn)確率曲線下方的面積，是衡量目標(biāo)檢測性能的依據(jù)。

(6)

式中：TP表示真正類，即正類垂釣樣本被預(yù)測成正類垂釣樣本；FN表示假負(fù)類，即正類垂釣樣本沒有被模型預(yù)測到；召回率Recall也稱查全率，刻畫分類器所識別出的真實(shí)例占總真實(shí)例的比例，召回率的取值處于[0，1]內(nèi)，受到超參數(shù)(如IOU)的影響，呈曲線形式變化。

(7)

式中：FP表示假正類，即不是垂釣行為卻被預(yù)測成正類垂釣樣本；準(zhǔn)確率Precision也稱查準(zhǔn)率，刻畫的是分類器所識別出的真實(shí)例占所有識別實(shí)例的比例，準(zhǔn)確率的取值處于[0，1]內(nèi)，受到超參數(shù)(如IOU)的影響，呈曲線形式變化。

(8)

式中：STrue∩Pre代表真實(shí)垂釣行為框與預(yù)測垂釣行為框的交集部分面積；STrue∪Pre代表真實(shí)垂釣行為框與預(yù)測垂釣行為框的并集部分面積；IOU取值處于[0，1]內(nèi)，IOU值越大，候選框越精確；反之，值越小，候選框偏差越大。

3 結(jié)果與分析

本節(jié)主要包括損失函數(shù)曲線的收斂情況、各個模型的識別精度和各個模型的識別示例。

3.1 損失函數(shù)曲線

圖4是YOLO-CBAM模型應(yīng)用在禁捕數(shù)據(jù)集的損失函數(shù)曲線，包含了不使用預(yù)訓(xùn)練權(quán)重和使用預(yù)訓(xùn)練權(quán)重分別進(jìn)行訓(xùn)練時，在訓(xùn)練集和驗(yàn)證集上的損失函數(shù)曲線。其中兩條藍(lán)線為直接訓(xùn)練的結(jié)果，兩條橙線為采用預(yù)訓(xùn)練權(quán)重訓(xùn)練的結(jié)果，其中虛線為訓(xùn)練集上的結(jié)果，實(shí)線為測試集上的結(jié)果。

圖4 添加CBAM模塊后的模型損失函數(shù)曲線Fig.4 Model loss function curve after adding CBAM module

從迭代次數(shù)來看，不使用預(yù)訓(xùn)練權(quán)重訓(xùn)練大約在迭代約300輪次后損失函數(shù)曲線收斂，而使用了預(yù)訓(xùn)練模型之后只需要迭代200輪便可以收斂；從擬合程度來看，不使用預(yù)訓(xùn)練權(quán)重訓(xùn)練時，損失函數(shù)曲線趨于收斂之后訓(xùn)練集和驗(yàn)證集上的損失值差距較大，存在比較嚴(yán)重的過擬合問題，而使用了預(yù)訓(xùn)練模型之后兩者之間的差值明顯減??；從損失值來看，無論是訓(xùn)練集上的損失值，還是驗(yàn)證集上的損失值，采用預(yù)訓(xùn)練模型的結(jié)果均明顯優(yōu)于不采用預(yù)訓(xùn)練模型的結(jié)果。綜上可知，使用預(yù)訓(xùn)練模型權(quán)重可以大大減少模型訓(xùn)練過程中收斂所需的迭代輪次，降低模型過擬合的風(fēng)險，提高模型的泛化能力，同時最終得到的模型在本次研究的數(shù)據(jù)集上也有著更小的損失值。

3.2 模型的識別精度

模型的識別精度用于衡量模型的優(yōu)異性，是用來比較不同算法之間性能的重要標(biāo)準(zhǔn)。表1為3種不同的目標(biāo)檢測模型的識別精度。由表1可知：縱向上，SSD模型使用預(yù)訓(xùn)練權(quán)重精度提升了3.52個百分點(diǎn)，YOLOv3模型使用預(yù)訓(xùn)練權(quán)重精度提升了14.70個百分點(diǎn)，YOLOv3-CBAM模型使用預(yù)訓(xùn)練權(quán)重精度提升了14.89個百分點(diǎn)，可以看出采用預(yù)訓(xùn)練權(quán)重可以大幅提高模型識別的精度。從表格中橫向比較，可知無論是否采用預(yù)訓(xùn)練權(quán)重，3個模型的mAP大小關(guān)系均為YOLOv3-CBAM>YOLOv3>SSD，且YOLOv3算法模型及其改進(jìn)模型的精度遠(yuǎn)高于SSD算法模型，可以看出YOLOv3-CBAM在禁捕場景識別上的優(yōu)異性。添加注意力機(jī)制模塊后，不采用預(yù)訓(xùn)練模型直接訓(xùn)練得到的模型的識別精度可以提高0.53個百分點(diǎn)，使用預(yù)訓(xùn)練權(quán)重訓(xùn)練得到的模型其識別精度可以提高0.72個百分點(diǎn)，可以看出注意力機(jī)制模塊通過對空間位置和通道賦予不同權(quán)重，提高了模型的識別精度。

表1 3種不同的目標(biāo)檢測模型的識別精度Tab.1 The recognition accuracy of three different objection detection models %

不難看出，采用預(yù)訓(xùn)練權(quán)重可提升模型識別精度。為了更好地探究不同算法在禁捕場景的差異性，進(jìn)一步分析采用預(yù)訓(xùn)練權(quán)重得到的模型準(zhǔn)確率Precision和召回率Recall。表2為使用預(yù)訓(xùn)練權(quán)重進(jìn)行訓(xùn)練后的SSD算法、YOLOv3算法、YOLOv3-CBAM算法3個模型的詳細(xì)評價指標(biāo)。就Precision而言，3個模型分別為95.15%，95.54%和96.18%，表明模型對于垂釣行為的識別的準(zhǔn)確度都比較高；就Recall而言，3個模型分別為91.03%，93.75%和94.38%，YOLOv3系列算法的召回率明顯高于SSD算法，且原YOLOv3架構(gòu)添加CBAM模塊后，召回率提高了0.63個百分點(diǎn)，表明YOLOv3-CBAM算法的識別結(jié)果存在更少的漏檢情況。在3個評價指標(biāo)中，均是YOLOv3-CBAM模型結(jié)果最優(yōu)。

表2 使用預(yù)訓(xùn)練模型的目標(biāo)檢測的模型評價指標(biāo)Tab.2 Model evaluation indicators of objection detection using pre-trained models %

3.3 模型的識別結(jié)果對比

本文中涉及到的模型，從經(jīng)典的SSD模型到Y(jié)OLOv3模型、YOLOv3-CBAM模型，在非極大值抑制值設(shè)置為0.5，置信度閾值設(shè)置為0.5后，分別對示例圖片進(jìn)行預(yù)測。示例圖片均為訓(xùn)練測試集之外的數(shù)據(jù)，包括單一目標(biāo)的圖片和多目標(biāo)的圖片。

對于單一目標(biāo)的圖片，以圖5為例，在環(huán)境較為復(fù)雜的陰雨天且垂釣對象有部分遮擋的情況下，圖片影像上的垂釣行為都能做到精確的識別，雖然預(yù)測框的位置信息略有差異，但能夠準(zhǔn)確地包含垂釣者且置信度都在0.98以上，其中采用預(yù)訓(xùn)練權(quán)重的YOLOv3系列模型的預(yù)測框置信度能達(dá)到1，表明各個模型對于單一目標(biāo)釣魚行為能夠達(dá)到很好的識別效果。

圖5 不同模型對單一目標(biāo)的識別結(jié)果Fig.5 Recognition results of single object by different models

對于多目標(biāo)的圖片，以圖6為例，圖片場景中多個小目標(biāo)且光影條件下人物細(xì)節(jié)不清楚。由于(a)～(c)使用的模型沒有預(yù)訓(xùn)練權(quán)重提供比較強(qiáng)的特征提取能力，所以在多目標(biāo)、小目標(biāo)的識別方面存在漏檢和預(yù)測目標(biāo)框置信度低的問題。使用預(yù)訓(xùn)練模型的SSD算法也存在小目標(biāo)漏檢的問題，使用預(yù)訓(xùn)練模型的YOLOv3算法和YOLOv3-CBAM算法都能得到很好的檢測結(jié)果，其中YOLOv3-CBAM模型比YOLOv3模型在小目標(biāo)識別結(jié)果上表現(xiàn)出更高的置信度。

圖6 不同模型對多目標(biāo)的識別結(jié)果Fig.5 Recognition results of multi-object by different models

4 結(jié) 論

本文基于YOLOv3基礎(chǔ)模型，提出了一種將遷移學(xué)習(xí)和注意力機(jī)制結(jié)合的YOLOv3-CBAM的目標(biāo)檢測算法，構(gòu)建了禁捕垂釣場景的數(shù)據(jù)集，并在禁捕垂釣場景中取得較高的精度。借鑒遷移學(xué)習(xí)的思想，使用預(yù)訓(xùn)練權(quán)重實(shí)現(xiàn)了模型參數(shù)共享和特征提取能力的遷移，降低了模型損失函數(shù)收斂所需的迭代次數(shù)，減弱了訓(xùn)練結(jié)果對于特定樣本數(shù)據(jù)量的依賴，節(jié)約了訓(xùn)練的成本，模型在禁捕場景中識別垂釣行為的準(zhǔn)確率和召回率都有大幅的提升。在特征提取和上采樣之后嵌入了注意力機(jī)制模塊，賦予模型對于不同空間位置、不同通道位置的權(quán)重，小幅提高了模型的識別精度。實(shí)驗(yàn)結(jié)果表明，最優(yōu)模型為采用預(yù)訓(xùn)練權(quán)重的YOLOv3-CBAM，其mAP可達(dá)到93.99%，可以用于長江流域的實(shí)時禁捕識別。

雖然改進(jìn)后的YOLOv3-CBAM能夠達(dá)到96.18%的準(zhǔn)確率和94.38%的召回率，但是對于河湖岸線的預(yù)警而言，召回率的提升更為重要，召回率提高意味著很少的漏檢現(xiàn)象。考慮模型識別后還有人工判讀確認(rèn)的步驟，后續(xù)的研究中可以微調(diào)模型，在準(zhǔn)確率不下降太多的情況下，提高模型的召回率。同時，在研究的過程中也發(fā)現(xiàn)了一些缺陷，模型存在誤識別的問題，即把湖邊的行人識別成垂釣者。解決這個問題需要擴(kuò)充禁捕場景的樣本集，優(yōu)化網(wǎng)絡(luò)來增強(qiáng)模型對于識別細(xì)節(jié)特征的把握，提高模型的準(zhǔn)確率和召回率，促進(jìn)長江流域河湖岸線管理向智能化發(fā)展。