黃澤賢， 吳凡路， 傅瑤， 張雨， 姜肖楠*

（1.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林 長(zhǎng)春 130033；2.中國(guó)科學(xué)院大學(xué)，北京 100049）

1 引 言

我國(guó)擁有遼闊的海域，海面艦船目標(biāo)檢測(cè)無(wú)論是在民用方面還是軍事方面都具有十分重要的意義。遙感圖像目標(biāo)檢測(cè)識(shí)別一直是遙感圖像處理和模式識(shí)別領(lǐng)域備受關(guān)注的研究方向［1-2］?；谶b感圖像的艦船目標(biāo)檢測(cè)技術(shù)使得大范圍遠(yuǎn)海域的監(jiān)測(cè)成為可能，極大地豐富軍事、海事部門的監(jiān)測(cè)手段。隨著遙感衛(wèi)星技術(shù)的不斷成熟，遙感圖像分辨率不斷提升、數(shù)據(jù)規(guī)模日益猛增，傳統(tǒng)目標(biāo)檢測(cè)算法主要基于手工提取特征，手工提取特征存在識(shí)別準(zhǔn)確率不高、效率低、易受背景干擾等缺點(diǎn)［3-4］，已難以滿足應(yīng)用需求。

在計(jì)算機(jī)視覺領(lǐng)域，基于深度學(xué)習(xí)的方法相較于傳統(tǒng)方法顯示出巨大優(yōu)勢(shì)。深度學(xué)習(xí)方法可以從海量圖像數(shù)據(jù)中學(xué)習(xí)圖像特征表達(dá)以極大地提高含有大量信息的圖像處理精度。通過(guò)組合多個(gè)非線性變換、自適應(yīng)地組合低層特征形成更抽象的高層特征的深度網(wǎng)絡(luò)，進(jìn)而提取出圖像中的光譜、紋理、幾何等隱藏得更深、語(yǔ)義信息更豐富的特征，獲得比傳統(tǒng)方法更高的精度和效率［5］。本文歸納梳理了經(jīng)典目標(biāo)檢測(cè)算法，對(duì)遙感圖像艦船目標(biāo)檢測(cè)算法的技術(shù)現(xiàn)狀進(jìn)行了分析，探討了當(dāng)前遙感圖像船舶目標(biāo)檢測(cè)算法面臨的問(wèn)題與挑戰(zhàn)以及未來(lái)的發(fā)展趨勢(shì)。

2 深度學(xué)習(xí)目標(biāo)檢測(cè)算法

隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域取得的革命性成功，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks， CNN）被廣泛應(yīng)用于圖像分類與目標(biāo)識(shí)別。CNN可以自動(dòng)提取特征，大大提高了目標(biāo)識(shí)別的準(zhǔn)確率?；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)算法主要分為基于錨框的（Anchor-Based）方法和無(wú)錨框的（Anchor-Free）方法，其中Anchor-Based方法包括基于候選區(qū)域（Region Proposals）的兩階段目標(biāo)檢測(cè)算法和基于回歸的一階段目標(biāo)檢測(cè)算法?；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)算法的發(fā)展進(jìn)程見圖1，本文介紹了幾種經(jīng)典的目標(biāo)檢測(cè)算法。

圖1 目標(biāo)檢測(cè)算法發(fā)展進(jìn)程Fig.1 Development process of target detection algorithms

2.1 Anchor-based目標(biāo)檢測(cè)算法

2.1.1 基于候選區(qū)域的兩階段目標(biāo)檢測(cè)算法

兩階段檢測(cè)算法首先從圖像中提取候選區(qū)域，然后從候選區(qū)域生成目標(biāo)的預(yù)測(cè)框。兩階段檢測(cè)算法一般檢測(cè)精度較高，但檢測(cè)速度慢。

（1）R-CNN

Girshick提出的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region Convolutional Neural Networks， R-CNN）［6］首先采用選擇性搜索（Selective Search， SS）算法獲取可能包含目標(biāo)的建議區(qū)域；然后，將建議區(qū)域的尺寸調(diào)整一致后送入CNN AlexNet中提取特征；再將提取的特征向量送入每類的支持向量機(jī)（Support Vector Machine， SVM）分類器進(jìn)行二分類，判斷目標(biāo)是否屬于該類；最后對(duì)已分類的目標(biāo)框進(jìn)行精細(xì)調(diào)整得到更加準(zhǔn)確的邊界框坐標(biāo)。檢測(cè)流程見圖2。

圖2 R-CNN檢測(cè)流程Fig.2 R-CNN detection process

R-CNN算法第一次將卷積神經(jīng)網(wǎng)絡(luò)用于目標(biāo)檢測(cè)，在VOC2012 （Visual Object Classes Challenge 2012）數(shù)據(jù)集［7］上的均值平均精度（mean Average Precision， mAP）達(dá)到了53.3%，相比之前的最優(yōu)結(jié)果提高了30%以上。但該算法一張圖像生成大量的候選框，特征的冗余計(jì)算使得檢測(cè)速度很慢。

（2）SPPNet

空間金字塔池化層（Spatial Pyramid Pooling，SPP）［8］將一幅圖像分為若干個(gè)尺度的圖像塊，對(duì)提取的特征進(jìn)行融合得到多尺度特征。SPPNet能接收不同尺寸的輸入并生成尺寸一致的特征圖，網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3 SPPNet網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 SPPNet network structure

SPPNet解決了CNN模型輸入圖像尺寸固定的問(wèn)題，避免特征圖的重復(fù)計(jì)算，在VOC2007數(shù)據(jù)集［9］上的mAP值為59.2%，比R-CNN的檢測(cè)速度高。但是，和R-CNN相同，SPPNet訓(xùn)練CNN提取特征后送入SVM進(jìn)行分類，耗費(fèi)巨大的存儲(chǔ)空間，多階段訓(xùn)練流程復(fù)雜，而且不能微調(diào)空間金字塔池化之前的卷積層，限制了深層網(wǎng)絡(luò)的準(zhǔn)確性。

（3）Fast RCNN

Fast R-CNN［10］可以同時(shí)訓(xùn)練分類器和邊框回歸器。Fast R-CNN首先使用SS算法生成候選區(qū)域；然后，將圖像輸入至VGG-16 （Visual Geometry Group Network）［11］提取特征，得到感興趣區(qū)域（Region of Interest，ROI）；再在ROI上利用池化層將特征圖縮放到相同尺寸，最后將這些特征圖傳遞到全連接層進(jìn)行分類，并用Softmax和線性回歸層得到目標(biāo)邊界框，架構(gòu)如圖4所示。

圖4 Fast R-CNN架構(gòu)Fig.4 Fast R-CNN structure

Fast R-CNN訓(xùn)練VGG-16網(wǎng)絡(luò)的速度比RCNN快9倍，測(cè)試速度快213倍，在VOC2012數(shù)據(jù)集上實(shí)現(xiàn)了更高的mAP（65.7%）。與SPPNet相比，F(xiàn)ast R-CNN對(duì)VGG-16的訓(xùn)練速度快3倍，測(cè)試速度快10倍，準(zhǔn)確率也更高。但是Fast R-CNN仍然使用SS算法獲取感興趣區(qū)域，速度上無(wú)法滿足實(shí)時(shí)檢測(cè)的應(yīng)用需求。

（4）Faster RCNN

Faster R-CNN［12］用區(qū)域選擇網(wǎng)絡(luò)（Region Proposal Networks，RPN）取代SS算法生成候選框，提高了檢測(cè)速度。Faster R-CNN首先將圖像輸入至VGG-16得到特征圖；然后用RPN生成目標(biāo)建議區(qū)域；再應(yīng)用ROI池化層將特征圖和目標(biāo)推薦區(qū)域調(diào)整到相同尺寸，最后輸入全連接層生成目標(biāo)的預(yù)測(cè)邊界框，架構(gòu)如圖5所示。

圖5 Faster R-CNN架構(gòu)Fig.5 Faster R-CNN structure

Faster R-CNN在VOC2012數(shù)據(jù)集上的mAP值為67.0%，精度更高，并且檢測(cè)速度更快，接近于實(shí)時(shí)檢測(cè)，但是在后續(xù)檢測(cè)階段存在計(jì)算冗余。Faster R-CNN的主要缺點(diǎn)是交并比（Intersection Over Union，IOU）閾值過(guò)高會(huì)導(dǎo)致模型過(guò)擬合，過(guò)低則會(huì)產(chǎn)生噪聲引起的虛警問(wèn)題。

2.1.2 基于回歸的一階段目標(biāo)檢測(cè)算法

一階段檢測(cè)算法不需要生成候選區(qū)域，直接預(yù)測(cè)出目標(biāo)的類別概率和位置信息。相比于兩階段目標(biāo)檢測(cè)算法，檢測(cè)速度得到了很大的提升。

（1）YOLO

YOLO（You Only Look Once）［13］首次把目標(biāo)檢測(cè)看作一個(gè)回歸問(wèn)題，利用整張圖像作為網(wǎng)絡(luò)的輸入，僅經(jīng)過(guò)一個(gè)CNN，就可以得到邊界框的位置及其所屬的類別。YOLO將輸入圖像平均劃分為S×S個(gè)網(wǎng)格，如果一個(gè)物體的中心落在某一個(gè)網(wǎng)格中，那么該網(wǎng)格負(fù)責(zé)檢測(cè)該物體。每個(gè)網(wǎng)格要預(yù)測(cè)B個(gè)邊界框，每個(gè)邊界框預(yù)測(cè)5個(gè)值：中心點(diǎn)坐標(biāo)為（x，y），長(zhǎng)寬（w，h）和物體是否屬于某個(gè)類別的置信度。此外每個(gè)網(wǎng)格還要預(yù)測(cè)類別信息，記為C個(gè)類。一張圖像輸入網(wǎng)絡(luò)輸出一個(gè)S×S×（5×B+C）的張量，網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

圖6 YOLO網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 YOLO structure

相比于兩階段檢測(cè)算法，YOLO的檢測(cè)速度有很大的提高，能夠以每秒45幀的速度實(shí)時(shí)處理448×448的圖像；但是檢測(cè)精度較低，在VOC2012數(shù)據(jù)集上的mAP值僅為57.9%，而且對(duì)小目標(biāo)檢測(cè)效果差。

（2）SSD

SSD （Single Shot MultiBox Detector）［14］同時(shí)借鑒了YOLO的回歸思想和Faster R-CNN的錨機(jī)制，以VGG-16作為主干特征提取網(wǎng)絡(luò)，在VGG-16之后添加了幾個(gè)卷積層，利用低層特征與高層特征實(shí)現(xiàn)多尺度檢測(cè)，網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示。SSD在多個(gè)特征層產(chǎn)生錨框，進(jìn)行非極大值抑制（Non-Maximum Suppression，NMS）后輸出最終檢測(cè)結(jié)果。

圖7 SSD網(wǎng)絡(luò)結(jié)構(gòu)Fig.7 SSD structure

在59幀/秒的處理速度下針對(duì)300×300大小的輸入圖像，SSD在VOC2007數(shù)據(jù)集上將mAP值提高至74.3%，性能優(yōu)于Faster R-CNN。盡管SSD不同的檢測(cè)分支可以對(duì)多個(gè)尺度的目標(biāo)進(jìn)行檢測(cè)，但是用于小目標(biāo)檢測(cè)識(shí)別的低層特征僅有一層，并未對(duì)特征進(jìn)行融合，特征表達(dá)能力不夠、細(xì)節(jié)信息不足，造成部分小目標(biāo)漏檢。

（3）YOLOv2

YOLOv2［15］針對(duì)YOLO召回率和定位精度方面的不足進(jìn)行改進(jìn)，檢測(cè)速度更快。YOLOv2使用Darknet-19作為特征提取網(wǎng)絡(luò)，可輸入多種尺寸的圖像，每層卷積后增加批量標(biāo)準(zhǔn)化（Batch Normalization，BN）進(jìn)行預(yù)處理；刪除全連接層，引入了先驗(yàn)框來(lái)預(yù)測(cè)邊界框坐標(biāo)，并使用K-means聚類方法得到先驗(yàn)框的尺寸。還通過(guò)添加直通層，把高分辨率的淺層特征連接到低分辨率的深層特征而后進(jìn)行融合獲取細(xì)粒度特征，提高檢測(cè)效果。輸入416×416大小圖像時(shí)最終輸出13×13×N的特征圖，N=（class_num+4+1）×anchor_num；其中class_num為數(shù)據(jù)集中目標(biāo)類別數(shù)目，anchor_num是先驗(yàn)框數(shù)目。

在67幀/秒的處理速度下針對(duì)416×416的輸入圖像，YOLOv2在VOC2007數(shù)據(jù)集上將mAP值提高至76.8%，檢測(cè)精度和速度均優(yōu)于SSD和Faster R-CNN。但是由于YOLOv2網(wǎng)絡(luò)只有一條檢測(cè)分支，缺乏對(duì)多尺度上下文信息的獲取，對(duì)小目標(biāo)的檢測(cè)效果較差。

（4）YOLOv3

YOLOv3［16］主干特征提取網(wǎng)絡(luò)采用更深層的Darknet-53，利用特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)（Feature Pyramid Network，F(xiàn)PN）進(jìn)行特征融合實(shí)現(xiàn)了3個(gè)尺度的檢測(cè)，使用邏輯回歸代替softmax進(jìn)行多標(biāo)簽分類。YOLOv3在兼顧實(shí)時(shí)性的同時(shí)保證了檢測(cè)的準(zhǔn)確性。

輸入圖像尺寸為320×320時(shí)，YOLOv3在COCO數(shù)據(jù)集［17］上的平均精度（Average Precision， AP）為28.2%，單幀運(yùn)行時(shí)間為22 ms，與SSD精度接近，但速度快了三倍。但YOLOv3使用均方誤差（Mean Squared Error，MSE）作為邊界框回歸損失函數(shù)，使得目標(biāo)的定位并不精準(zhǔn)。

（5）YOLOv4

YOLOv4［18］結(jié)合近年來(lái)CNN最優(yōu)秀的優(yōu)化策略對(duì)YOLOv3進(jìn)行改進(jìn)。YOLOv4的主干特征提取網(wǎng)絡(luò)為CSPDarknet53，使用Mish激活函數(shù)，采用SPP、路徑聚合PANet作為加強(qiáng)特征提取網(wǎng)絡(luò)，對(duì)特征進(jìn)行融合來(lái)提升特征種類的多樣性以及檢測(cè)算法的魯棒性。YOLOv4還在數(shù)據(jù)預(yù)處理方面引入了Mosaic數(shù)據(jù)增強(qiáng)、cmBN（Cross mini-Batch Normalization）和自對(duì)抗訓(xùn)練（Self-Adversarial Training， SAT）。在預(yù)測(cè)階段YOLOv4采用CIOU （Complete-IOU）代替MSE作為邊界框損失函數(shù)提高了定位精度，同時(shí)將非極大值抑制（Non Maximum Suppression，NMS）換成DIOU_NMS （Distance-IOU_NMS），避免相鄰目標(biāo)檢測(cè)時(shí)出現(xiàn)漏檢。

以65 幀/秒的速度處理608×608的輸入圖像，YOLOv4在COCO數(shù)據(jù)集上的AP值為43.5%，實(shí)現(xiàn)了檢測(cè)速度與精度的平衡。

（6）YOLOv5

YOLOv5［19］在輸入端利用Mosaic數(shù)據(jù)增強(qiáng)來(lái)提高小目標(biāo)檢測(cè)效果、訓(xùn)練前自動(dòng)計(jì)算適合數(shù)據(jù)集的初始錨框，并將圖片縮放為統(tǒng)一尺寸。主干采用Foucs結(jié)構(gòu)和CSP結(jié)構(gòu)，F(xiàn)oucs結(jié)構(gòu)利用切片操作把輸入的高分辨率特征圖拆分為多個(gè)低分辨率特征圖后再進(jìn)行拼接后進(jìn)行卷積得到輸出特征圖，F(xiàn)oucs可以減少參數(shù)量、提升檢測(cè)速度。頸部采用FPN和PAN進(jìn)行特征融合，并使用借鑒CSPNet設(shè)計(jì)的CSP2結(jié)構(gòu)來(lái)代替普通卷積來(lái)加強(qiáng)頸部的特征融合能力。預(yù)測(cè)階段YOLOv5采用GIOU損失和DIOU_NMS。

YOLOv5共有4種網(wǎng)絡(luò)結(jié)構(gòu)：YOLOv5s，YOLOv5m，YOLOv5l和YOLOv5x，隨著網(wǎng)絡(luò)深度的不斷增加，精度不斷上升，速度隨之下降。以50幀/秒的速度處理640×640的輸入圖像，YOLOv5x在COCO數(shù)據(jù)集上的AP值為55%。

2.1.3 小 結(jié)

Anchor-Based目標(biāo)檢測(cè)算法根據(jù)預(yù)先設(shè)定的錨框來(lái)調(diào)整預(yù)測(cè)結(jié)果，檢測(cè)性能對(duì)于錨框的大小、數(shù)量和長(zhǎng)寬比異常敏感。固定的錨框使得檢測(cè)器的通用性很差，通過(guò)預(yù)先定義尺度、長(zhǎng)寬比生成的錨框通常只適用于一個(gè)或幾個(gè)特定的對(duì)象。當(dāng)新數(shù)據(jù)集中的目標(biāo)尺寸和形狀或圖像尺寸與原始數(shù)據(jù)集有較大差異時(shí)，需要重新設(shè)置尺度、長(zhǎng)寬比以適應(yīng)新的目標(biāo)檢測(cè)數(shù)據(jù)集。為了匹配目標(biāo)的真實(shí)框，網(wǎng)絡(luò)會(huì)生成大量的錨框，訓(xùn)練時(shí)大部分被標(biāo)記為負(fù)樣本，這樣就會(huì)造成正負(fù)樣本不均衡的問(wèn)題，干擾算法的學(xué)習(xí)過(guò)程。此外，在訓(xùn)練過(guò)程中，網(wǎng)絡(luò)會(huì)計(jì)算真實(shí)框和所有錨框的交并比（Intersection over Union，IOU）來(lái)確定用于檢測(cè)真實(shí)目標(biāo)的錨框，這會(huì)占用大量的內(nèi)存，消耗大量的時(shí)間。

2.2 Anchor-Free目標(biāo)檢測(cè)算法

Anchor-Based目標(biāo)檢測(cè)算法由于生成的錨框過(guò)多導(dǎo)致檢測(cè)過(guò)程復(fù)雜，同時(shí)產(chǎn)生的大量超參數(shù)也會(huì)影響檢測(cè)器的性能，而Anchor-Free目標(biāo)檢測(cè)算法通過(guò)確定關(guān)鍵點(diǎn)代替錨框大大減少了超參數(shù)的數(shù)量。

2.2.1 CornerNet

CornerNet［20］首次提出Anchor-Free思想，把檢測(cè)目標(biāo)的邊界框轉(zhuǎn)化為檢測(cè)左上角和右下角的一對(duì)關(guān)鍵點(diǎn)，無(wú)需設(shè)計(jì)錨框作為先驗(yàn)框，減少了網(wǎng)絡(luò)的超參數(shù)，架構(gòu)如圖8所示。

圖8 CornerNet網(wǎng)絡(luò)結(jié)構(gòu)Fig.8 CornerNet structure

在COCO數(shù)據(jù)集上CornerNet的AP值為42.1%。由于CornerNet只關(guān)注邊緣和角點(diǎn)，缺乏目標(biāo)內(nèi)部信息，容易產(chǎn)生假正例（False Positives，F(xiàn)P），網(wǎng)絡(luò)需要很多后處理（如NMS）來(lái)得到預(yù)測(cè)結(jié)果，降低了算法檢測(cè)速度。

2.2.2 CenterNet

Zhou等在CornerNet基礎(chǔ)上進(jìn)行改進(jìn)提出了CenterNet目標(biāo)檢測(cè)器［21］，架構(gòu)如圖9所示，直接檢測(cè)目標(biāo)中心和回歸目標(biāo)尺寸。該算法簡(jiǎn)單、快速、準(zhǔn)確，不需要耗時(shí)的NMS后處理，具有端到端、可微分的特點(diǎn)，是真正意義上的Anchor-Free。此外，CenterNet具有良好的通用性，可以在一次前向傳播中估計(jì)一系列額外的物體屬性（如姿勢(shì)、3D方向、深度），可用于3D目標(biāo)檢測(cè)。

圖9 CenterNet網(wǎng)絡(luò)架構(gòu)Fig.9 CenterNet structure

在142 幀/秒的處理速度下CenterNet在COCO數(shù)據(jù)集上的AP值為28.1%。但是CenterNet對(duì)于同一類別緊密相鄰的目標(biāo)檢測(cè)效果較差，因?yàn)槟繕?biāo)真實(shí)框的中心產(chǎn)生重疊，CenterNet只能檢測(cè)出一個(gè)中心點(diǎn)，造成目標(biāo)漏檢。

2.2.3 FASF

Zhu等提出的FSAF （Feature Selective Anchor-Free Module）模塊［22］將在線特征選擇用于訓(xùn)練特征金字塔中的無(wú)錨分支，為目標(biāo)自動(dòng)分配最合適的特征，架構(gòu)如圖10所示。在推理時(shí)，F(xiàn)SAF模塊可以與基于錨的分支并行輸出預(yù)測(cè)結(jié)果，幾乎不增加推理開銷。引入FSAF模塊的最佳模型在COCO數(shù)據(jù)集上的AP值為44.6%。

圖10 FSAF模塊Fig.10 FSAF modules

2.2.4 FCOS

Tian等提出的FCOS （Fully Convolutional One-Stage Object Detector）［23］以逐像素預(yù)測(cè)的方式進(jìn)行目標(biāo)檢測(cè)，完全避免了與錨框相關(guān)的計(jì)算和超參數(shù)，網(wǎng)絡(luò)結(jié)構(gòu)如圖11所示。通過(guò)引入FPN用不同的層處理不同的目標(biāo)框，解決目標(biāo)真實(shí)框重疊時(shí)出現(xiàn)的漏檢問(wèn)題；同時(shí)引入了Center-ness層，過(guò)濾掉大部分的誤檢框。FCOS檢測(cè)器在COCO數(shù)據(jù)集上的AP值為44.7%。

圖11 FCOS架構(gòu)Fig.11 FCOS architecture

上述基于關(guān)鍵點(diǎn)的方法消除了生成錨框的繁瑣過(guò)程，通過(guò)直接根據(jù)網(wǎng)絡(luò)預(yù)測(cè)關(guān)鍵點(diǎn)生成適合目標(biāo)尺度和形狀的方框，大大提高了檢測(cè)速度。但是對(duì)關(guān)鍵點(diǎn)預(yù)測(cè)的準(zhǔn)確性要求高，預(yù)測(cè)不準(zhǔn)確容易導(dǎo)致漏檢和定位不準(zhǔn)。

2.3 算法性能比較

上述基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在VOC，COCO等自然圖像數(shù)據(jù)集上取得了較好的檢測(cè)效果，各種算法的檢測(cè)效果對(duì)比如表1所示。

表1 經(jīng)典算法檢測(cè)效果對(duì)比Tab.1 Comparison of classical algorithm detection results

3 艦船目標(biāo)檢測(cè)技術(shù)現(xiàn)狀

遙感圖像目標(biāo)檢測(cè)作為目標(biāo)檢測(cè)的一個(gè)研究熱點(diǎn)，一直受到研究者的廣泛關(guān)注，經(jīng)典目標(biāo)檢測(cè)算法如Faster RCNN、YOLO憑借其強(qiáng)大的特征提取能力逐漸取代傳統(tǒng)方法被應(yīng)用到遙感圖像艦船目標(biāo)檢測(cè)中［24-26］。由于遙感圖像與自然圖像存在巨大的差異，經(jīng)典目標(biāo)檢測(cè)算法直接用于艦船檢測(cè)存在檢測(cè)精度低、漏檢等問(wèn)題，需要對(duì)算法進(jìn)行改進(jìn)。

3.1 多尺度艦船目標(biāo)檢測(cè)

基于CNN的目標(biāo)檢測(cè)算法在自然圖像數(shù)據(jù)集上取得了良好的檢測(cè)效果，而遙感圖像中往往背景復(fù)雜、艦船目標(biāo)尺度變化大，經(jīng)典目標(biāo)檢測(cè)算法往往不能有效地提取艦船特征。目前的研究主要采用頻域增強(qiáng)、特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)、注意力機(jī)制等方法對(duì)目標(biāo)特征進(jìn)行增強(qiáng)，進(jìn)而提高多尺度艦船目標(biāo)的檢測(cè)精度。常見方法如圖12所示。

圖12 常用的多尺度檢測(cè)方法Fig.12 Common multi-scale detection methods

3.1.1 優(yōu)化特征表示能力

（1）頻域增強(qiáng)

Al-Saad等［27］提出了頻域增強(qiáng)方法，將小波變換嵌入Faster R-CNN，在提取ROI之前，將原始圖像分解成高、低頻分量，在頻域進(jìn)行訓(xùn)練和測(cè)試，提高了檢測(cè)精度。這種方法簡(jiǎn)單易行，但是精度提升不高。

（2）并行特征

并行特征可以提高模型的多尺度學(xué)習(xí)能力，通常對(duì)同一輸入應(yīng)用多個(gè)不同核大小或擴(kuò)張速率的卷積來(lái)得到。Li等［28］提出了一種分層選擇濾波層（Hierarchical Selective Filtering， HSF）對(duì)Faster R-CNN進(jìn)行了改進(jìn)，HSF由核大小為1×1，3×3，5×5的三個(gè)并行卷積層組成，通過(guò)層次化的卷積運(yùn)算來(lái)生成多尺度艦船特征，有效檢測(cè)不同尺寸的近岸和近海船舶。Liu等［29］利用1×1，3×3，5×5和7×7的卷積核組成四支結(jié)構(gòu)，并在每個(gè)分支中分別引入膨脹率為1，3，5，7的膨脹卷積，增加接收野，最后通過(guò)殘差將四個(gè)支路的輸出和輸入端口連接起來(lái)，生成檢測(cè)多尺度艦船目標(biāo)的特征。

（3）密集特征

DenseNet［30］采用層間密集連接的方法，每層都接受之前所有層的特征圖作為額外輸入，并將來(lái)自不同層的特征圖進(jìn)行拼接，保持底層特征信息的完整性，促進(jìn)了特征重用，可以提高遙感圖像多尺度目標(biāo)的檢測(cè)性能。Jiao等［31］提出了一種基于Faster-RCNN框架的密集連接多尺度神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)將一個(gè)特征圖緊密地從上到下連接到其他特征圖，并從連接的特征圖生成建議，解決了多尺度、多場(chǎng)景合成孔徑雷達(dá)（Synthetic Aperture Radar， SAR）的艦船檢測(cè)問(wèn)題。Tian等［32］設(shè)計(jì)了一種密集特征提取模塊，集成不同分辨率的低層位置信息和高層語(yǔ)義信息，提高特征在網(wǎng)絡(luò)中的重用效率，將該模塊應(yīng)用在經(jīng)典檢測(cè)網(wǎng)絡(luò)YOLO和Mask-RCNN上，改進(jìn)網(wǎng)絡(luò)在可見光圖像和SAR圖像數(shù)據(jù)集上的檢測(cè)精度均有提高。

3.1.2 特征高效融合

特征融合是提高多尺度目標(biāo)檢測(cè)性能的另一常用方法。一般來(lái)說(shuō)，在神經(jīng)網(wǎng)絡(luò)中，淺層特征包含目標(biāo)更多的結(jié)構(gòu)和幾何信息，這有利于目標(biāo)的回歸。高級(jí)特征包含更多的語(yǔ)義信息，有利于對(duì)象的分類。高效的特征融合方法可以提高網(wǎng)絡(luò)的表征能力，從而提高模型檢測(cè)多尺度目標(biāo)的精度。

FPN［33］自頂向下將高層強(qiáng)語(yǔ)義信息的特征傳遞下來(lái)，但是對(duì)定位信息沒有傳遞。PANet［34］在FPN的基礎(chǔ)上添加了一個(gè)自底向上的金字塔，將低層的強(qiáng)定位信息特征傳遞上去，融合的特征增添了語(yǔ)義信息。自適應(yīng)空間特征融合［35］（Adaptive Spatial Feature Fusion，ASFF）將每層信息融合起來(lái)并且自主學(xué)習(xí)各個(gè)尺度融合的權(quán)值，解決了PANet特征融合時(shí)小目標(biāo)在高層特征層上被當(dāng)作背景和大目標(biāo)在底層中被當(dāng)作背景的問(wèn)題?？斩纯臻g卷積池化金字塔［36］（Atrous Spatial Pyramid Pooling，ASPP）對(duì)輸入以不同采樣率的空洞卷積并行采樣，將結(jié)果進(jìn)行堆疊，再通過(guò)1×1卷積將通道數(shù)降低到預(yù)期數(shù)值，以多個(gè)比例捕捉圖像的上下文信息。

這些特征融合模塊被應(yīng)用于艦船檢測(cè)網(wǎng)絡(luò)中［32，37-40］，融合不同層次的特征，在保證位置信息準(zhǔn)確性的同時(shí)保留更多的語(yǔ)義信息，提高多尺度目標(biāo)的檢測(cè)效果。Tian等［32］引入FPN和ASPP結(jié)合的模塊進(jìn)行特征融合，獲得更大范圍的深度語(yǔ)義信息，增強(qiáng)對(duì)不同尺度目標(biāo)特征的提取能力。Zhang等［37］利用改進(jìn)的FPN構(gòu)建SAR艦船檢測(cè)網(wǎng)絡(luò)，取得了良好的檢測(cè)效果。Qing等［38］利用改進(jìn)的FPN和PANet對(duì)主干網(wǎng)絡(luò)輸出的特征進(jìn)行融合，加強(qiáng)艦船特征提取。

3.1.3 注意力機(jī)制

為了優(yōu)化提取的特征，注意力機(jī)制也被融合到艦船檢測(cè)網(wǎng)絡(luò)中［39-42］。注意力機(jī)制起源于人類的視覺機(jī)制，核心思想是關(guān)注關(guān)鍵信息而忽略無(wú)關(guān)信息，減少時(shí)間成本和降低計(jì)算復(fù)雜度?；谝曈X注意力機(jī)制的目標(biāo)檢測(cè)算法通常通過(guò)注意模型得到顯著特征圖，增強(qiáng)目標(biāo)與背景的差異，然后通過(guò)分析顯著特征圖對(duì)目標(biāo)進(jìn)行檢測(cè)。

注意力機(jī)制理論上可以嵌入到網(wǎng)絡(luò)的任意位置。Chen等［39］將注意力模型集成到檢測(cè)網(wǎng)絡(luò)的主干部分中，利用注意力模型獲得不同層次的顯著特征，再用FPN融合不同層次的顯著特征。Zhang等［40］設(shè)計(jì)的LSSD（Lightweight Single Shot Detector）在雙向特征融合模塊進(jìn)行特征融合后利用注意力機(jī)制進(jìn)一步優(yōu)化融合特征，有利于更有效地捕捉關(guān)鍵信息。注意力機(jī)制的引入提高了SAR圖像復(fù)雜場(chǎng)景下多尺度艦船目標(biāo)的檢測(cè)效果。Qu等［41］利用卷積注意力模塊（Convolutional Block Attention Module，CBAM）將輔助網(wǎng)絡(luò)連接到Y(jié)OLOv3主干網(wǎng)絡(luò)，使網(wǎng)絡(luò)能夠更好地學(xué)習(xí)特定的目標(biāo)特征，然后用ASFF取代FPN解決特征融合不足的問(wèn)題，提高模型的穩(wěn)定性，在可見光遙感圖像數(shù)據(jù)集上取得了優(yōu)于YOLOv3的檢測(cè)效果。

3.1.4 小 結(jié)

優(yōu)化特征提取網(wǎng)絡(luò)和高效的特征融合方法能夠有效提高檢測(cè)精度，但是會(huì)增加計(jì)算復(fù)雜度，降低檢測(cè)速度，精度與速度的平衡是實(shí)際應(yīng)用中需要考慮的重要問(wèn)題。大多數(shù)注意力機(jī)制的參數(shù)是通過(guò)標(biāo)簽和預(yù)測(cè)值的損失反向傳播進(jìn)行更新，沒有引入其他監(jiān)督信息，因此受到的監(jiān)督有局限，容易產(chǎn)生過(guò)擬合的問(wèn)題。

3.2 多角度艦船目標(biāo)的精確定位

與自然圖像不同，遙感圖像以俯視視角拍攝的，艦船目標(biāo)往往以不同方向分布在圖像中，經(jīng)典的目標(biāo)檢測(cè)模型的水平邊界框的定位方式，難以對(duì)多方向艦船目標(biāo)進(jìn)行精準(zhǔn)、緊湊的定位。

3.2.1 水平邊界框精確定位

（1）兩階段水平框檢測(cè)改進(jìn)算法

為了提高水平邊界框檢測(cè)多角度艦船目標(biāo)的效果，旋轉(zhuǎn)不變層和多角度錨點(diǎn)被用于改進(jìn)經(jīng)典的兩階段目標(biāo)檢測(cè)算法。Cheng等［43］在RCNN中引入旋轉(zhuǎn)不變層，優(yōu)化目標(biāo)函數(shù)來(lái)訓(xùn)練網(wǎng)絡(luò)，旋轉(zhuǎn)不變性通過(guò)強(qiáng)制旋轉(zhuǎn)前后訓(xùn)練樣本的特征相互映射接近來(lái)實(shí)現(xiàn)，解決了任意方向目標(biāo)檢測(cè)不準(zhǔn)確的問(wèn)題。Li等［44］在Faster R-CNN模型中增加多角度錨點(diǎn)處理特征，解決了水平錨點(diǎn)對(duì)旋轉(zhuǎn)物體敏感的問(wèn)題，能有效檢測(cè)任意方向的目標(biāo)。

（2）一階段水平框檢測(cè)改進(jìn)算法

高斯模型被應(yīng)用于經(jīng)典一階段目標(biāo)檢測(cè)算法中，可以增加定位坐標(biāo)的準(zhǔn)確性。Hong等［45］在YOLOv3模型中引入錨框坐標(biāo)的高斯參數(shù)來(lái)預(yù)測(cè)定位，解決坐標(biāo)信息不可靠的問(wèn)題，改進(jìn)模型可以應(yīng)對(duì)不同分辨率下遙感圖像中艦船目標(biāo)方向和尺寸的變化，穩(wěn)定性較高。

（3）密集目標(biāo)漏檢問(wèn)題

使用水平邊界框檢測(cè)存在密集目標(biāo)漏檢的問(wèn)題，因?yàn)槎鄠€(gè)艦船傾斜密集排布時(shí)，不同目標(biāo)邊界框之間的重疊區(qū)域會(huì)很大，在進(jìn)行NMS操作后置信度低的邊界框會(huì)被丟棄，造成目標(biāo)的漏檢。為了解決這個(gè)問(wèn)題，Chen等［39］在后處理中引入Soft-NMS，在NMS中與置信度最大的邊界框IOU超過(guò)閾值的其余邊界框的置信度均被置為0，而Soft-NMS［46］將其余邊界框的置信度進(jìn)行衰減，衰減程度與IOU值有關(guān)，衰減后置信度大于正確檢測(cè)閾值的仍當(dāng)作是目標(biāo)，減少嚴(yán)重重疊情況下艦船目標(biāo)的漏檢。這種方法可以一定程度上緩解密集目標(biāo)漏檢的問(wèn)題，但是閾值的設(shè)定對(duì)結(jié)果的影響較大。

3.2.2 旋轉(zhuǎn)邊界框精確定位

為了對(duì)多方向艦船目標(biāo)進(jìn)行精準(zhǔn)定位，旋轉(zhuǎn)邊界框被引入經(jīng)典目標(biāo)檢測(cè)網(wǎng)絡(luò)中提升檢測(cè)效果。

（1）兩階段旋轉(zhuǎn)框檢測(cè)改進(jìn)算法

兩階段目標(biāo)檢測(cè)算法通常利用RPN生成水平錨框來(lái)預(yù)測(cè)目標(biāo)位置，改進(jìn)算法使用RPN生成旋轉(zhuǎn)錨框。如Yang等［47］提出了一種基于Faster R-CNN的艦船目標(biāo)旋轉(zhuǎn)框檢測(cè)框架，在RPN中使用尺度、比例和角度3個(gè)參數(shù)生成旋轉(zhuǎn)錨框來(lái)預(yù)測(cè)艦船目標(biāo)的最小外接矩形。Koo等［48］提出的RBox-CNN同樣使用RPN生成旋轉(zhuǎn)錨框，并用寬度/高度距離投影來(lái)穩(wěn)定地預(yù)測(cè)角度。兩階段檢測(cè)網(wǎng)絡(luò)的檢測(cè)速度慢，難以滿足實(shí)時(shí)性的需求。

（2）一階段旋轉(zhuǎn)框檢測(cè)改進(jìn)算法

一階段檢測(cè)算法將圖像輸入檢測(cè)網(wǎng)絡(luò)直接輸出目標(biāo)水平邊界框的四維坐標(biāo)信息，旋轉(zhuǎn)邊界框可以通過(guò)增加角度信息得到。黎經(jīng)元［49］和陳?。?0］使用旋轉(zhuǎn)矩形框改進(jìn)YOLOv3模型，在預(yù)測(cè)四維位置信息的基礎(chǔ)上增加了角度信息，同時(shí)改進(jìn)了損失函數(shù)以及計(jì)算旋轉(zhuǎn)框IOU的方法，提高了多角度并排?？颗灤繕?biāo)檢測(cè)的準(zhǔn)確率，相比于兩階段的檢測(cè)網(wǎng)絡(luò)檢測(cè)速度也得到了提高。

（3）角度邊界性問(wèn)題

以上改進(jìn)算法中的旋轉(zhuǎn)邊界框均可用5個(gè)參數(shù)（x，y，w，h，θ）來(lái)表示，如圖13所示。其中，（x，y）表示中心點(diǎn)坐標(biāo)，（w，h）表示寬度和高度，θ表示旋轉(zhuǎn)角度，指長(zhǎng)邊與x軸（水平軸）的夾角，角度為［-90°，90°）。五參數(shù)表示法會(huì)帶來(lái)角度周期性的邊界問(wèn)題：-90°和89°兩個(gè)邊界角度的偏差非常小，模型計(jì)算邊界處的損失值卻會(huì)突然增加，使網(wǎng)絡(luò)學(xué)習(xí)難度提高。

圖13 旋轉(zhuǎn)邊界框的五參數(shù)表示法Fig.13 Five-parameter representation of rotating bounding box

為了解決角度邊界不連續(xù)的問(wèn)題，Qing等［37］將圓形平滑標(biāo)簽（Circular Smooth Label，CSL）技術(shù)引入旋轉(zhuǎn)框艦船檢測(cè)模型中。CSL［51］利用高斯函數(shù)把連續(xù)的目標(biāo)角度轉(zhuǎn)化為離散的類別標(biāo)簽，把回歸問(wèn)題轉(zhuǎn)化為分類問(wèn)題，如圖14所示。Su等［52］提出了一種非基于角度的回歸方法，取6個(gè)參數(shù)（x，y，w，h，OH，OV）來(lái)確定旋轉(zhuǎn)框，如圖15所示，其中（x，y）表示中心點(diǎn)坐標(biāo)；（w，h）表示目標(biāo)水平外框的寬和高；H，V分別為水平邊界框與順時(shí)針?lè)较蛐D(zhuǎn)邊界框之間的水平、垂直距離，然后求出標(biāo)準(zhǔn)化的水平和垂直偏移量：OH=H/w，OV=V/h，從根本上解決了角度回歸的邊界性問(wèn)題。CSL技術(shù)和旋轉(zhuǎn)矩形框的六參數(shù)表示法都可以有效解決邊界問(wèn)題，但是會(huì)增加模型參數(shù)量，損失檢測(cè)時(shí)間。

圖14 圓形標(biāo)簽平滑F(xiàn)ig.14 Circular label smoothing

圖15 旋轉(zhuǎn)邊界框的六參數(shù)表示法Fig.15 Six-parameter representation of rotating bounding box

3.2.3 無(wú)錨框精確定位

無(wú)錨框的方法也被應(yīng)用于旋轉(zhuǎn)艦船目標(biāo)檢測(cè)［53-56］，如Wang等［54］提出的基于CenterNet的SAR圖像船舶檢測(cè)方法，它將艦船目標(biāo)建模為一個(gè)點(diǎn)，回歸水平邊界框大小，不需要NMS，從根本上解決了因NMS導(dǎo)致的密集目標(biāo)漏檢問(wèn)題。Cui等［55］提出的一階段無(wú)錨艦船檢測(cè)框架將旋轉(zhuǎn)艦船目標(biāo)的檢測(cè)完全轉(zhuǎn)化為中心關(guān)鍵點(diǎn)和形態(tài)大小的預(yù)測(cè)，并提出了一種“正交池化”模塊來(lái)提取艦船旋轉(zhuǎn)特征。

3.2.4 小 結(jié)

使用水平邊界框檢測(cè)多角度艦船目標(biāo)存在密集目標(biāo)漏檢的問(wèn)題。旋轉(zhuǎn)邊界框可以解決漏檢問(wèn)題，并且更好地貼合目標(biāo)，但是需要考慮角度的邊界性問(wèn)題。無(wú)錨框的方法對(duì)關(guān)鍵點(diǎn)的預(yù)測(cè)準(zhǔn)確性要求很高，預(yù)測(cè)不準(zhǔn)確就容易導(dǎo)致漏檢和定位不準(zhǔn)。

3.3 提高小目標(biāo)檢測(cè)效果

與自然圖像中目標(biāo)占整幅圖像的比例很大不同，遙感圖像中艦船目標(biāo)往往只有幾十到幾百個(gè)像素，屬于小目標(biāo)。其檢測(cè)主要存在兩個(gè)問(wèn)題：一是樣本不足，很多艦船數(shù)據(jù)集圖像中的小艦船目標(biāo)并未被標(biāo)注出來(lái)，缺乏大量數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練；二是小目標(biāo)在圖像中所占像素少，隨著CNN的前向傳播，特征圖尺度不斷減小，頂層特征圖中可能不包括小目標(biāo)的特征，不能幫助小目標(biāo)定位。小目標(biāo)檢測(cè)一直是現(xiàn)有深度學(xué)習(xí)算法中的難點(diǎn)，目前有大量針對(duì)小目標(biāo)檢測(cè)開展的算法優(yōu)化研究，常用方法如圖16所示。

圖16 提高小目標(biāo)檢測(cè)效果的常用方法Fig.16 Common methods for improving effectiveness of small target detection

3.3.1 數(shù)據(jù)增強(qiáng)擴(kuò)充小目標(biāo)樣本

數(shù)據(jù)增強(qiáng)是提高小目標(biāo)檢測(cè)性能的有效方法之一，可以有效地解決小目標(biāo)樣本不足問(wèn)題。傳統(tǒng)的數(shù)據(jù)增強(qiáng)方法可以大致分為：（1）基于幾何變換的方法，包括旋轉(zhuǎn)、縮放、翻轉(zhuǎn)、裁剪、填充、平移和仿射變換等；（2）基于改變顏色成分的方法，包括亮度、對(duì)比度、色相和飽和度等。為了增加遙感圖像訓(xùn)練數(shù)據(jù)集的規(guī)模和多樣性，多種數(shù)據(jù)增強(qiáng)方法被用于提高檢測(cè)模型的魯棒性和泛化能力，常用的技術(shù)有多角度旋轉(zhuǎn)、顏色抖動(dòng)、隨機(jī)平移、隨機(jī)裁剪、水平翻轉(zhuǎn)和添加隨機(jī)噪聲等［57-59］。

為了解決遙感圖像數(shù)據(jù)集中小型艦船樣本稀缺的問(wèn)題，Shin等［60］提出了一種“剪切和粘貼”策略來(lái)增強(qiáng)圖像用于訓(xùn)練模型，利用預(yù)先訓(xùn)練好的Mask-RCNN提取船舶切片，然后粘貼到各種背景海洋場(chǎng)景中，合成新的圖像，檢測(cè)結(jié)果驗(yàn)證了合成艦船圖像的有效性。Hu等［61］提出了一種混合策略，將海面目標(biāo)區(qū)域與多個(gè)變化場(chǎng)景混合，以增加多樣性和訓(xùn)練樣本的數(shù)量。Chen等［62］提出了一種利用梯度懲罰的高斯混合Wasserstein GAN生成足夠信息量的小型艦船目標(biāo)樣本，然后用原始數(shù)據(jù)和生成數(shù)據(jù)對(duì)CNN進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)小型船舶的精確實(shí)時(shí)檢測(cè)。

3.3.2 利用淺層特征檢測(cè)小目標(biāo)

為了解決小目標(biāo)在深層特征圖中消失的問(wèn)題，常用方法是充分利用淺層特征中的信息對(duì)小目標(biāo)進(jìn)行檢測(cè)［63-67］。Kong等［63］提出的Hyper-Net利用跳層提取特征的方式來(lái)同時(shí)獲取包含語(yǔ)義信息的高層特征和包含高分辨率位置信息的淺層特征，利用淺層特征來(lái)提高小目標(biāo)的檢測(cè)效果。Wei等［64］在Faster R-CNN中引入擴(kuò)張卷積，它可以提供更大的接受域，減少小目標(biāo)信息的丟失，提高檢測(cè)效果。Zhang等［65］使用多分辨率卷積改進(jìn)Faster-RCNN的VGG16結(jié)構(gòu)，將深層特征和淺層特征映射結(jié)合生成多分辨率特征圖，提高了小型艦船目標(biāo)的召回率和準(zhǔn)確率。Liu等［66］采用細(xì)粒度特征增強(qiáng)對(duì)YOLOv2模型進(jìn)行改進(jìn)，向YOLOv2網(wǎng)絡(luò)中添加重組層和路由層，將前向傳播中的淺層特征圖和深層特征圖匯集起來(lái)，提高了小型艦船目標(biāo)的檢測(cè)效果。針對(duì)YOLOv3網(wǎng)絡(luò)對(duì)小型艦船目標(biāo)檢測(cè)精度低的問(wèn)題，常用方法是在網(wǎng)絡(luò)降8倍、降16倍和降32倍采樣3個(gè)檢測(cè)尺度的基礎(chǔ)上增加1個(gè)降4倍采樣的檢測(cè)尺度，在增加的淺層特征尺度上為小目標(biāo)分配錨框，提高檢測(cè)效果［67-69］。引入淺層特征會(huì)增加模型計(jì)算的復(fù)雜度，時(shí)間成本會(huì)增加。

3.3.3 注意力機(jī)制

注意力機(jī)制被引入網(wǎng)絡(luò)中，通過(guò)優(yōu)化小目標(biāo)的特征表示來(lái)提高檢測(cè)性能。典型目標(biāo)檢測(cè)算法如YOLOv3，YOLOv4一般在將多尺度的特征圖進(jìn)行級(jí)聯(lián)后檢測(cè)目標(biāo)，從每個(gè)通道和位置提取的特征對(duì)最終檢測(cè)結(jié)果的貢獻(xiàn)平等，但實(shí)際上每個(gè)通道和位置的特征圖是對(duì)特定語(yǔ)義信息的響應(yīng)。注意力機(jī)制可以給予代表小目標(biāo)特征的部分適當(dāng)?shù)臋?quán)重，有效提高模型檢測(cè)小目標(biāo)的能力。Chen等［70］在YOLOv3網(wǎng)絡(luò)中引入膨脹注意模塊（Dilated Attention Module，DAM），它利用膨脹卷積來(lái)擴(kuò)大接收野，并集成通道注意和空間注意模塊來(lái)提取顯著特征，突出小目標(biāo)與背景的區(qū)別，提高檢測(cè)效果。Nie等［71］在Mask-RCNN模型中同時(shí)使用通道注意模塊和空間注意模塊，增強(qiáng)了信息從底層到頂層的傳播，提高對(duì)小型船舶的檢測(cè)精度。Hu等［72］為了優(yōu)化特征信息的表達(dá)，提出了空間和通道維度的雙注意模塊，自適應(yīng)學(xué)習(xí)特征在不同尺度上的顯著性，并提出了一個(gè)新的損失函數(shù)，為小目標(biāo)檢測(cè)提供了更好的收斂性能。

3.3.4 小 結(jié)

數(shù)據(jù)增強(qiáng)可以擴(kuò)充小型艦船目標(biāo)的樣本數(shù)量，是提高小目標(biāo)檢測(cè)的一項(xiàng)有效措施。利用淺層特征可以提高網(wǎng)絡(luò)檢測(cè)小目標(biāo)的效果，但是會(huì)增加計(jì)算復(fù)雜度、損失檢測(cè)時(shí)間。注意力機(jī)制也可以很好地提高小目標(biāo)檢測(cè)效果，但是需要考慮過(guò)擬合問(wèn)題。

3.4 模型輕量化提高檢測(cè)速度

典型的目標(biāo)檢測(cè)模型參數(shù)量巨大，往往難以部署在衛(wèi)星的嵌入式設(shè)備上。為了滿足實(shí)時(shí)檢測(cè)艦船目標(biāo)，將模型應(yīng)用于資源有限的嵌入式設(shè)備中，需要減少模型的參數(shù)量，提高模型的檢測(cè)速度，常用方法如圖17所示。

圖17 精簡(jiǎn)模型的常用方法Fig.17 Common methods for streamlining models

3.4.1 模型壓縮

模型壓縮是模型輕量化的一種常用策略。3種模型壓縮方法被廣泛應(yīng)用，分別是模型剪枝、知識(shí)蒸餾和量化［73］。其中，模型剪枝通過(guò)去除網(wǎng)絡(luò)中冗余的通道或?qū)?，可以顯著減小參數(shù)大小和模型大?。?4-75］；知識(shí)蒸餾將經(jīng)過(guò)訓(xùn)練的大型網(wǎng)絡(luò)作為教師網(wǎng)絡(luò)，然后用較大的網(wǎng)絡(luò)來(lái)指導(dǎo)小的學(xué)生網(wǎng)絡(luò)的訓(xùn)練［76-77］；量化的核心思想是對(duì)網(wǎng)絡(luò)進(jìn)行壓縮，例如將權(quán)值的比特?cái)?shù)從32位浮點(diǎn)數(shù)減少到16位浮點(diǎn)數(shù)或8位整數(shù)，使模型尺寸大大降低［78-79］。

為了獲得更好的艦船目標(biāo)檢測(cè)性能，這三種方法通常會(huì)結(jié)合使用［80-83］。Zhang等［80］采用結(jié)構(gòu)化剪枝方法對(duì)網(wǎng)絡(luò)進(jìn)行壓縮，再采用知識(shí)蒸餾來(lái)提高壓縮后網(wǎng)絡(luò)的識(shí)別精度。Chen等［81］引入基于權(quán)重的網(wǎng)絡(luò)剪枝和權(quán)值量化對(duì)網(wǎng)絡(luò)進(jìn)行壓縮。Ma等［82］首先對(duì)YOLOv4模型進(jìn)行稀疏訓(xùn)練找到不太重要的信道和層；其次對(duì)網(wǎng)絡(luò)進(jìn)行信道修剪、層修剪；再利用知識(shí)蒸餾對(duì)剪枝模型進(jìn)行再訓(xùn)練；最后，將模型的權(quán)值從FP32 （32-bit Floating Point，32位浮點(diǎn)數(shù)）量化為FP16。模型壓縮與量化流程如圖18所示。以上方法對(duì)資源受限的SAR目標(biāo)識(shí)別都取得了較好的效果，減少了模型參數(shù)量，提高了檢測(cè)速度。陳科峻等［83］將YOLOv3算法的批量歸一化層的尺度因子作為通道重要性的度量指標(biāo)，對(duì)模型進(jìn)行剪枝壓縮，參數(shù)量減少了91.5%，檢測(cè)時(shí)間縮短了60%，能夠滿足可見光遙感圖像實(shí)時(shí)艦船檢測(cè)的需要。

圖18 模型壓縮與量化流程Fig.18 Model compression and quantification processes

3.4.2 網(wǎng)絡(luò)輕量化

設(shè)計(jì)輕量化骨干網(wǎng)絡(luò)結(jié)構(gòu)或卷積計(jì)算單元是模型輕量化的另一種有效策略。Li等［84］改進(jìn)Faster RCNN骨干網(wǎng)絡(luò)結(jié)構(gòu)，提出了一種輕量級(jí)艦船探測(cè)器Lite-Faster RCNN，將檢測(cè)速度提高了8倍。Huang等［85］提出的Ship-YOLOv3模型通過(guò)減少部分卷積運(yùn)算和增加跳轉(zhuǎn)連接機(jī)制改變YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)來(lái)減少特征冗余，在保證實(shí)時(shí)性的前提下模型的檢測(cè)精度和召回率都得到提高。Ding等［86］提出的艦船檢測(cè)模型用卷積代替Faster RCNN中的全連接層，大大降低了網(wǎng)絡(luò)參數(shù)量，減少了內(nèi)存需求和時(shí)間消耗。Long等［87］結(jié)合密集連接、殘余連接和群卷積的思想，提出了Lira-YOLO艦船目標(biāo)檢測(cè)器。與Tiny-YOLOv3相比，Lira-YOLO具有更高的檢測(cè)精度和更低的計(jì)算復(fù)雜度。Zhao等［88］在網(wǎng)絡(luò)中引入深度可分卷積，構(gòu)建了一個(gè)輕量級(jí)艦船檢測(cè)器。

3.4.3 小 結(jié)

模型的壓縮與量化雖然可以提高檢測(cè)速度，但是會(huì)損失檢測(cè)精度，降低模型識(shí)別率。網(wǎng)絡(luò)輕量化可以提高檢測(cè)速度，降低計(jì)算復(fù)雜度，不會(huì)犧牲檢測(cè)精度；但過(guò)于依賴人工先驗(yàn)知識(shí)，需要針對(duì)不同場(chǎng)景對(duì)網(wǎng)絡(luò)進(jìn)行相應(yīng)的優(yōu)化，以適應(yīng)不同的檢測(cè)任務(wù)。

3.5 大幅寬遙感圖像艦船目標(biāo)檢測(cè)

盡管目標(biāo)檢測(cè)技術(shù)已經(jīng)取得了長(zhǎng)足的進(jìn)步，但在大幅寬遙感圖像中艦船的快速檢測(cè)仍面臨挑戰(zhàn)。如果將一幅大幅寬的圖像通過(guò)降采樣直接輸入檢測(cè)網(wǎng)絡(luò)，圖像信息會(huì)丟失，不利于檢測(cè)目標(biāo)。

3.5.1 分塊檢測(cè)

常用的分塊檢測(cè)方法是將大幅寬遙感圖像分為若干個(gè)圖像塊，分別對(duì)每個(gè)圖像塊進(jìn)行檢測(cè)識(shí)別，檢測(cè)流程如圖19所示。Voinov等［89］提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的大幅寬遙感圖像艦船檢測(cè)方法，首先去除陸地區(qū)域后將圖像分塊，然后利用MobileNet模型檢測(cè)圖像塊中是否包含艦船目標(biāo)，最后對(duì)正分類結(jié)果采用Faster R-CNN預(yù)測(cè)艦船的位置和類別。這種圖像分塊方式容易在圖像塊的邊緣處將目標(biāo)一分為二，導(dǎo)致目標(biāo)不完整從而影響檢測(cè)效果。

圖19 大幅寬遙感圖像分塊檢測(cè)流程Fig.19 Large-area remote sensing image segmentation detection process

基于感興趣區(qū)域提取的圖像分塊方法可以避免目標(biāo)被分割的問(wèn)題。黎經(jīng)元［59］利用形態(tài)學(xué)方法和視覺顯著性算法在大幅寬遙感圖像中提取可疑海域切片，避免目標(biāo)被分割。聶婷［90］使用擴(kuò)展小波變換增強(qiáng)復(fù)雜背景下目標(biāo)與背景的對(duì)比度來(lái)快速定位大幅寬遙感圖像中的感興趣區(qū)域，然后用改進(jìn)的超復(fù)數(shù)頻域視覺檢測(cè)方法來(lái)提取圖像的感興趣區(qū)域。

3.5.2 整幅圖像一次性檢測(cè)

Van等［91］提出的YOLT將YOLO應(yīng)用于大幅寬遙感圖像檢測(cè)，利用YOLO在大幅寬圖像上滑動(dòng)窗口快速檢測(cè)各個(gè)區(qū)域，完成對(duì)整幅遙感圖像的檢測(cè)任務(wù)。YOLT滑動(dòng)窗口時(shí)相鄰兩窗口之間會(huì)有15%的重疊，最后合并每個(gè)窗口檢測(cè)結(jié)果進(jìn)行非極大值抑制得到最終結(jié)果，這種基于滑動(dòng)窗口的方法重復(fù)地處理會(huì)占用大量的計(jì)算時(shí)間，使得整個(gè)算法的效率降低，一次性對(duì)大幅寬遙感圖像進(jìn)行艦船可以提高檢測(cè)速度。Su等［52］提出了一種基于YOLO的一次性檢測(cè)大幅寬遙感圖像的方法，將特征提取網(wǎng)絡(luò)改進(jìn)為全卷積結(jié)構(gòu)組成的DCNDarknet25，可以接受任何大小的圖像作為輸入，并且通過(guò)減少參數(shù)和添加變形卷積提高了檢測(cè)速度和準(zhǔn)確性。

3.5.3 小 結(jié)

大幅寬遙感圖像分塊檢測(cè)法第一階段的檢測(cè)結(jié)果對(duì)最終分類結(jié)果起決定性作用，利用人工設(shè)計(jì)的特征提取感興趣區(qū)域，效率低且檢測(cè)效果不好。一次性檢測(cè)方法將整幅遙感圖像送到網(wǎng)絡(luò)訓(xùn)練時(shí)，大面積的背景信息被當(dāng)作負(fù)樣本，小部分的艦船目標(biāo)被視為正樣本，這會(huì)導(dǎo)致嚴(yán)重的樣本不平衡，浪費(fèi)訓(xùn)練時(shí)間和資源，因此需要一定的策略來(lái)解決正負(fù)樣本不均衡的問(wèn)題。

4 圖像數(shù)據(jù)集和算法性能評(píng)價(jià)

4.1 圖像數(shù)據(jù)集

深度學(xué)習(xí)需要大量的樣本進(jìn)行模型訓(xùn)練，隨著卷積神經(jīng)網(wǎng)絡(luò)模型在遙感領(lǐng)域的廣泛應(yīng)用，出現(xiàn)了大規(guī)模的遙感圖像數(shù)據(jù)集。包含艦船目標(biāo)的常見數(shù)據(jù)集如表2所示。其中，最常用于艦船檢測(cè)的可見光圖像數(shù)據(jù)集是DOTA和HRSC2016，SAR圖像數(shù)據(jù)集是SSDD。有研究者收集來(lái)源于谷歌地球的遙感圖像，構(gòu)建艦船數(shù)據(jù)集來(lái)訓(xùn)練模型［28，47，49，66］。

表2 艦船數(shù)據(jù)集對(duì)比Tab.2 Comparison of ship datasets

4.1.1DOTA數(shù)據(jù)集

DOTA數(shù)據(jù)集［92］由來(lái)自不同傳感器和平臺(tái)的2 806幅航空遙感圖像組成，包括艦船、飛機(jī)和橋梁等15個(gè)類別，其中艦船圖像573張。圖像尺寸在800×800到4 000×4 000像素之間。數(shù)據(jù)集總共有188 282個(gè)實(shí)例，艦船目標(biāo)采用水平邊界框與旋轉(zhuǎn)邊界框標(biāo)注。

4.1.2HRSC2016數(shù)據(jù)集

HRSC2016數(shù)據(jù)集［93］由來(lái)自6個(gè)不同港口的1 061幅遙感圖像組成。目標(biāo)包括海上的船舶和停靠在岸邊的船舶。圖像分為訓(xùn)練集436張（共1 207個(gè)標(biāo)記樣例）、測(cè)試集444張（共1 228個(gè)標(biāo)記樣例）和驗(yàn)證集181張（共541個(gè)標(biāo)記樣例）。圖像尺寸為300×300到1 500×900像素，分辨率為0.4～2 m。艦船目標(biāo)采用旋轉(zhuǎn)邊界框標(biāo)注。

4.1.3NWPU VHR-10數(shù)據(jù)集

NWPU VHR-10數(shù)據(jù)集［94］包括一個(gè)正面圖像集（包括650張圖像）和一個(gè)負(fù)面圖像集（包括150張圖像）。NWPU VHR-10數(shù)據(jù)集的正像集圖像尺寸從533×597到1 728×1 028像素，包含10類地理空間對(duì)象：飛機(jī)、船舶、儲(chǔ)罐、棒球場(chǎng)、網(wǎng)球場(chǎng)、籃球場(chǎng)、田徑場(chǎng)、港口、橋梁和車輛。

4.1.4Kaggle Airbus Ship Detection數(shù)據(jù)集

Kaggle Airbus Ship Detection數(shù)據(jù)集［95］由Kaggle挑戰(zhàn)賽（Airbus Ship Detection Challenge）提供的RGB圖像（每幅尺寸為768×768，包括表示船只位置的編碼像素）數(shù)據(jù)集。編碼后的像素被轉(zhuǎn)換為二進(jìn)制掩碼，其中“ship”表示為1，“no ship”表示為0。通過(guò)計(jì)算值為1掩碼的4個(gè)角坐標(biāo)可將其轉(zhuǎn)換為邊界框。

4.1.5MASATI數(shù)據(jù)集

MASATI數(shù)據(jù)集［96］包含6 212幅可見光衛(wèi)星遙感圖像，其中艦船圖像3 113張。圖像尺寸約為512×512像素。

4.1.6HRRSD數(shù)據(jù)集

HRRSD［97］數(shù)據(jù)集中的圖像主要來(lái)自谷歌地圖，分辨率為0.15～1.2 m，少部分來(lái)自百度地圖，分辨率為0.6～1.2 m。圖像共計(jì)21 761張，包括飛機(jī)、棒球場(chǎng)、籃球場(chǎng)、橋梁、十字路口、田徑場(chǎng)、港口、停車場(chǎng)、船舶、儲(chǔ)罐、T形路口、網(wǎng)球場(chǎng)和車輛13類目標(biāo)，其中包含艦船目標(biāo)的圖像有3 886張，采用水平邊界框標(biāo)注。

4.1.7DIOR數(shù)據(jù)集

DIOR數(shù)據(jù)集［98］包含23 463張圖像和192 472個(gè)實(shí)例，涵蓋了艦船、飛機(jī)、橋梁和籃球場(chǎng)等20類對(duì)象。其中艦船類圖像2 702張，分為訓(xùn)練集650張、驗(yàn)證集652張、測(cè)試集1400張。圖像尺寸為800×800，分辨率為0.5～30 m，艦船目標(biāo)采用水平邊界框標(biāo)注。

4.1.8FGSC-23數(shù)據(jù)集

FGSC-23［99］是一個(gè)高分辨率光學(xué)遙感圖像艦船目標(biāo)精細(xì)識(shí)別數(shù)據(jù)集，共有4 052個(gè)艦船切片，分辨率在0.4～2 m，包含23類艦船目標(biāo)。對(duì)每個(gè)切片標(biāo)注了類別、長(zhǎng)寬比以及艦船方向，按1∶4將各類圖像隨機(jī)劃分為測(cè)試集和訓(xùn)練集。

4.1.9SSDD數(shù)據(jù)集

SSDD數(shù)據(jù)集［100］共有1 160張圖像，只對(duì)像素?cái)?shù)大于3的艦船目標(biāo)進(jìn)行標(biāo)注，包含2 456艘船舶。平均每張圖片顯示的船只數(shù)量為2.12艘；按7∶2∶1分為訓(xùn)練集、驗(yàn)證集和測(cè)試集3部分。圖像尺寸為500×500，分辨率為1～15 m，艦船目標(biāo)采用水平邊界框標(biāo)注。

4.1.10 SAR-ship-Dataset數(shù)據(jù)集

SAR-ship-Dataset數(shù)據(jù)集［101］由102景高分三號(hào)影像108景哨兵一號(hào)影像組成，包括43 819個(gè)256×256像素的艦船切片，采用水平邊界框標(biāo)注，同時(shí)包括距離和方位。圖像分辨率分別為3，5，8和10 m。

4.1.11AIR-SARShip1.0數(shù)據(jù)集

AIR-SARShip1.0數(shù)據(jù)集［102］來(lái)源于高分三號(hào)衛(wèi)星拍攝的31景圖像，按照2∶1來(lái)劃分訓(xùn)練集與測(cè)試集。圖像尺寸為3 000×3 000，分辨率為1 m和3 m，艦船目標(biāo)采用水平邊界框標(biāo)注。

4.1.12HRSID數(shù)據(jù)集

HRSID數(shù)據(jù)集［103］共有5 604張圖像，由136景SAR影像裁剪得到，包括小尺寸目標(biāo)9 242個(gè)、中等尺寸目標(biāo)7 388個(gè)、大尺寸目標(biāo)321個(gè)。65%的圖像劃分為訓(xùn)練集，35%的圖像劃分為測(cè)試集，圖像尺寸為800×800，圖像分辨率為0.5～3 m，采用水平邊界框標(biāo)注。

4.2 評(píng)價(jià)指標(biāo)

艦船目標(biāo)檢測(cè)的常用評(píng)價(jià)指標(biāo)有：交并比（Intersection Over Union， IOU）、精度P（Precision）、召回率R（Recall）、平均精度AP和均值平均精度mAP。

4.2.1 IOU

IOU是兩個(gè)矩形交集面積與兩個(gè)矩形并集面積之比，如圖20所示。假設(shè)A是模型預(yù)測(cè)框，B是目標(biāo)真實(shí)框，則：

圖20 交并比示意圖Fig. 20 Schematic diagram of IOU

一般情況下通過(guò)設(shè)定IOU閾值來(lái)判斷預(yù)測(cè)框是否檢測(cè)到目標(biāo)物體，即：

其中閾值T一般取0.5。

4.2.2 精度和召回率

P表示被正確識(shí)別到的正樣本數(shù)占所有預(yù)測(cè)為正樣本的比例，R指預(yù)測(cè)值中被正確識(shí)別到的正樣本數(shù)占所有正樣本數(shù)量的比例，即：

其中：TP（True Positives）表示預(yù)測(cè)為正，實(shí)際為正；FP（False Positives）表示預(yù)測(cè)為正，實(shí)際為負(fù)；FN（False Negatives）表示預(yù)測(cè)為負(fù)，實(shí)際為正。

4.2.3 平均精度

PR曲線是以精度P為縱坐標(biāo)、召回率R為橫坐標(biāo)繪制的曲線，如圖21所示。模型的精度越高，召回率越高，模型性能就越好，PR曲線下的面積就越大。

圖21 PR曲線Fig.21 PR curves

將PR曲線下的面積定義為AP：

AP的值越大，說(shuō)明模型的平均準(zhǔn)確率越高。

4.2.4 均值平均精度mAP

mAP指的是不同類別目標(biāo)檢測(cè)精度的均值。在檢測(cè)多類目標(biāo)時(shí)，計(jì)算每一個(gè)類別的AP，然后再計(jì)算平均值，mAP是對(duì)檢測(cè)到的目標(biāo)平均精度的一個(gè)綜合度量。計(jì)算公式如下：

其中m表示數(shù)據(jù)集中目標(biāo)的類別數(shù)目。

5 存在的問(wèn)題和發(fā)展趨勢(shì)

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)以其高精度、高效率、適用性強(qiáng)的優(yōu)良特性廣泛應(yīng)用到遙感圖像艦船檢測(cè)中并取得了一定的效果。但是在實(shí)際應(yīng)用中仍然存在著挑戰(zhàn)，主要體現(xiàn)在：

（1）高分辨率遙感圖像中艦船目標(biāo)清晰可見的同時(shí)也會(huì)存在大量云霧遮擋等情況，這也是可見光衛(wèi)星影像的固有缺陷。當(dāng)圖像中有薄云霧以及部分遮擋情況時(shí)，可以進(jìn)行去云霧處理。當(dāng)圖像中有厚云霧遮擋無(wú)法檢測(cè)出目標(biāo)時(shí)，可以融合不同類型傳感器的圖像信息來(lái)抵抗云霧干擾從而完成目標(biāo)檢測(cè)任務(wù)，如利用SAR，以及可見光遙感數(shù)據(jù)進(jìn)行艦船檢測(cè)［104］?；诙嘣磮D像融合的艦船目標(biāo)檢測(cè)具有廣闊的應(yīng)用前景，目前已有SAR與多光譜/全色圖像融合、全色和多/高光譜圖像融合、多光譜/高光譜與激光雷達(dá)圖像融合的研究；多源圖像融合需要考慮兩方面的問(wèn)題：一是需要克服不同成像機(jī)理差異帶來(lái)的影響，如SAR圖像與多光譜/全色圖像融合時(shí)的噪聲和光譜失真；二是需要考慮融合不同來(lái)源的地理信息，并從像素級(jí)融合往深層次特征級(jí)、語(yǔ)義信息融合的方向發(fā)展［105］。

（2）遙感圖像一般尺寸巨大，現(xiàn)有檢測(cè)方法大多采用圖像分塊的方式，計(jì)算復(fù)雜，一次性檢測(cè)方法大面積的背景被當(dāng)作負(fù)樣本，正樣本數(shù)量遠(yuǎn)遠(yuǎn)小于負(fù)樣本數(shù)量，訓(xùn)練過(guò)程中會(huì)出現(xiàn)很多假正例FP，影響檢測(cè)器性能，正負(fù)樣本不平衡的問(wèn)題仍需進(jìn)一步地研究。在自然圖像目標(biāo)檢測(cè)中，難分樣本挖掘（Hard Example Mining，HEM）是解決正負(fù)樣本不平衡問(wèn)題的關(guān)鍵技術(shù)。HEM把得分較高的FP當(dāng)作困難負(fù)樣本（Hard Negative，HN），并把挖掘出的HN送入網(wǎng)絡(luò)再訓(xùn)練一次來(lái)提高檢測(cè)器判別FP的能力，從而提高檢測(cè)精度［106］，HEM對(duì)大面積遙感圖像艦船檢測(cè)具有借鑒意義。

（3）深度學(xué)習(xí)目標(biāo)檢測(cè)模型的訓(xùn)練需要大量樣本，與自然圖像動(dòng)輒百萬(wàn)千萬(wàn)個(gè)樣本的數(shù)據(jù)集相比，針對(duì)艦船目標(biāo)的高質(zhì)量數(shù)據(jù)集較少，少量的樣本訓(xùn)練模型容易出現(xiàn)過(guò)擬合。一方面，可采用遷移訓(xùn)練的方法首先在大規(guī)模數(shù)據(jù)集上對(duì)模型進(jìn)行預(yù)訓(xùn)練，再用較少的數(shù)據(jù)集訓(xùn)練模型進(jìn)行調(diào)優(yōu)；另一方面，可以對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充，然而樣本標(biāo)注需要耗費(fèi)極大的人力和時(shí)間成本。弱監(jiān)督學(xué)習(xí)可以顯著減少標(biāo)注工作量，訓(xùn)練集只需要標(biāo)注二進(jìn)制標(biāo)簽來(lái)標(biāo)注圖像中是否包含目標(biāo)對(duì)象［107］，但是二進(jìn)制標(biāo)簽缺乏位置信息，難以對(duì)目標(biāo)進(jìn)行定位。針對(duì)此問(wèn)題，Yang等［108］通過(guò)分析類信息與位置信息之間的相互作用，提出了一種弱監(jiān)督艦船目標(biāo)檢測(cè)器Piston-Net，其檢測(cè)精度達(dá)到了有監(jiān)督學(xué)習(xí)目標(biāo)探測(cè)器的水平，然而Piston-Net只能檢測(cè)單類目標(biāo)，如何擴(kuò)展到檢測(cè)多類目標(biāo)是今后的研究方向。

（4）當(dāng)前基于深度學(xué)習(xí)的艦船目標(biāo)檢測(cè)大多是檢測(cè)圖像中是否存在艦船目標(biāo)并給出其位置。未來(lái)的艦船目標(biāo)檢測(cè)應(yīng)更加細(xì)化，不只是定位出艦船的位置，還要精準(zhǔn)識(shí)別出整個(gè)編隊(duì)的配置、各型艦船的數(shù)目等，這需要對(duì)數(shù)據(jù)集中的艦船目標(biāo)進(jìn)行更細(xì)致的標(biāo)注。FGSC-23是現(xiàn)有的光學(xué)遙感圖像艦船目標(biāo)精細(xì)識(shí)別數(shù)據(jù)集，但是其樣本數(shù)量仍然較少，仍需構(gòu)建用于精細(xì)識(shí)別的艦船數(shù)據(jù)集。

（5）雖然基于深度學(xué)習(xí)的目標(biāo)檢測(cè)模型具有很高的檢測(cè)精度，但是其參數(shù)量巨大，實(shí)際工程應(yīng)用需要考慮到實(shí)時(shí)性檢測(cè)和硬件設(shè)備資源有限需要精簡(jiǎn)模型。現(xiàn)有的方法有兩種：壓縮模型和設(shè)計(jì)輕量化的網(wǎng)絡(luò)。前者會(huì)損失檢測(cè)精度，后者可以避免精度損失，但是大多基于現(xiàn)有模型進(jìn)行精簡(jiǎn)，未來(lái)可以設(shè)計(jì)智能的模型選擇策略，例如神經(jīng)架構(gòu)搜索（Neural Architecture Search，NAS）可以從給定的候選神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)集合中按照某種策略搜索出最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)［109］，今后研究可以考慮應(yīng)用NAS自動(dòng)搜索更優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)。

（6）旋轉(zhuǎn)邊界框能夠很好地貼合艦船，對(duì)目標(biāo)進(jìn)行更精細(xì)的定位，但是與水平邊界框相比，其精度會(huì)因邊界損失值突變問(wèn)題而降低。當(dāng)前，自然圖像目標(biāo)檢測(cè)中針對(duì)邊界性問(wèn)題的解決方法一方面將旋轉(zhuǎn)邊界框建模為高斯分布，并提出基于IOU的損失代替斜框IOU損失來(lái)簡(jiǎn)化計(jì)算，避免直接角度回歸；另一方面把角度預(yù)測(cè)轉(zhuǎn)化為分類，設(shè)計(jì)光滑標(biāo)簽，避免邊界不連續(xù)問(wèn)題。上述方法已經(jīng)應(yīng)用到遙感圖像艦船檢測(cè)中，進(jìn)一步提高旋轉(zhuǎn)邊界框的檢測(cè)精度仍需進(jìn)行深入研究，基于中心點(diǎn)或關(guān)鍵點(diǎn)的無(wú)錨框旋轉(zhuǎn)檢測(cè)［110］是一個(gè)有應(yīng)用前景的方向。

（7）艦船目標(biāo)檢測(cè)未來(lái)的發(fā)展也應(yīng)當(dāng)借鑒計(jì)算機(jī)視覺等領(lǐng)域最新的研究成果，如基于Transformer的目標(biāo)檢測(cè)模型DETR（Detection Transformer），DETR首先用一個(gè)CNN網(wǎng)絡(luò)提取特征，然后展平特征圖，當(dāng)作序列輸入給Transformer，經(jīng)處理后并行輸出預(yù)測(cè)結(jié)果；DETR免去了關(guān)于錨框的處理，同時(shí)免去了NMS后處理［111］。但是，收斂速度慢和計(jì)算量大等缺點(diǎn)會(huì)降低DETR應(yīng)用于艦船檢測(cè)任務(wù)中的性能。已有學(xué)者將基于Transformer的模型進(jìn)行改進(jìn)應(yīng)用于艦船檢測(cè)，如Zhang等［112］提出了艦船目標(biāo)檢測(cè)器ESDT（Efficient Ship Detection Transformer）。骨干網(wǎng)采用ResNet50提取深度特征；然后，將特征輸入使用多尺度自注意力實(shí)現(xiàn)的編碼器；最后，增強(qiáng)的特征被送到解碼器進(jìn)行艦船檢測(cè)；引入了特征蒸餾加快收斂速度，從預(yù)訓(xùn)練的大型DETR中學(xué)習(xí)知識(shí)。Chen等［113］提出了一種基于PET（Perceptually Enhanced Transformer）的無(wú)錨SAR圖像艦船檢測(cè)方法，PET抑制散射噪聲，增強(qiáng)艦船目標(biāo)在復(fù)雜背景下的顯著特征；并提出一種稀疏注意方法快速聚焦全局特征中的重要信息，加快網(wǎng)絡(luò)收斂速度。未來(lái)，基于Trans-former的模型的研究重點(diǎn)是提高檢測(cè)精度與加速網(wǎng)絡(luò)收斂。

6 結(jié) 論

光學(xué)遙感圖像艦船目標(biāo)檢測(cè)是目標(biāo)檢測(cè)的一個(gè)重要應(yīng)用場(chǎng)景，在民用和軍用方面都具有重要的價(jià)值。本文歸納總結(jié)了典型的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法，分類梳理了針對(duì)艦船目標(biāo)特點(diǎn)的改進(jìn)研究，分析了各種改進(jìn)方法的優(yōu)缺點(diǎn)。最后，探討了當(dāng)前遙感圖像船舶目標(biāo)檢測(cè)算法面臨的問(wèn)題與挑戰(zhàn)以及未來(lái)的發(fā)展趨勢(shì)。