齊向明，柴 蕊，高一萌

遼寧工程技術(shù)大學(xué) 軟件學(xué)院，遼寧 葫蘆島 125105

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，廣泛應(yīng)用于工業(yè)制造、自動(dòng)駕駛和醫(yī)療影像等領(lǐng)域。其中小目標(biāo)因特征難區(qū)分、分辨率低、背景復(fù)雜和上下文信息有限等特點(diǎn)，難以準(zhǔn)確識(shí)別。小目標(biāo)檢測(cè)主要包括通用小目標(biāo)、航空遙感小目標(biāo)、微小人物和小目標(biāo)實(shí)例分割四個(gè)方向[1]。

隨著深度學(xué)習(xí)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）被廣泛應(yīng)用，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)將目標(biāo)檢測(cè)推向發(fā)展新高潮。以SSD（single shot multibox detector）[2]和YOLO（you only look once）[3-7]系列為代表的單階段目標(biāo)檢測(cè)算法，以端到端的檢測(cè)方式直接輸出預(yù)測(cè)結(jié)果，因檢測(cè)速率優(yōu)異，成為工業(yè)應(yīng)用的熱門框架。

近年來單階段小目標(biāo)檢測(cè)算法研究中，2021 年，王建軍等人[8]在YOLOv3骨干網(wǎng)絡(luò)中擴(kuò)張淺層特征對(duì)應(yīng)卷積層深度，以提取大量小目標(biāo)紋理信息，但計(jì)算量額外增加較多；陳欣等人[9]通過改進(jìn)多尺度特征融合方式和并聯(lián)通道注意力機(jī)制，降低了遙感小目標(biāo)漏檢率，但數(shù)據(jù)目標(biāo)單一，泛化能力不足；Zhu等人[10]結(jié)合Transformer檢測(cè)頭和CBAM 注意力機(jī)制，增加對(duì)密集小目標(biāo)區(qū)域的關(guān)注，但參數(shù)量增幅較大；蔣镕圻等人[11]把scSE 注意力機(jī)制嵌入YOLOv4骨干和頸部網(wǎng)絡(luò)，以提高對(duì)小目標(biāo)特征的關(guān)注度，但實(shí)時(shí)性被削弱；GEGe等人[12]提出解耦檢測(cè)頭和無錨框的YOLOX框架，雖定位多尺度小目標(biāo)準(zhǔn)確，但泛化性不足；2022年，Yang等人[13]提出基于級(jí)聯(lián)查詢機(jī)制的QueryDet，通過粗略定位引導(dǎo)高分辨率下小目標(biāo)特征預(yù)測(cè)回歸，顯著提升了推理速度，但檢測(cè)精度提升不明顯；趙鵬飛等人[14]應(yīng)用基于分組殘差的Darknet-53為SSD 主干網(wǎng)絡(luò)，擴(kuò)張小目標(biāo)特征感受野，但缺乏復(fù)雜場(chǎng)景處理能力；Zhang等人[15]在YOLOv5中加入BAM增強(qiáng)對(duì)淺層特征圖內(nèi)小目標(biāo)信息的關(guān)注，在小尺寸人物檢測(cè)上表現(xiàn)優(yōu)異，但參數(shù)規(guī)模較大；肖進(jìn)勝等人[16]利用多尺度空洞卷積和特征提純機(jī)制重構(gòu)特征金字塔，雖提升了小目標(biāo)檢測(cè)性能，但網(wǎng)絡(luò)復(fù)雜度和額外參數(shù)開銷方面還有待改進(jìn)。；2023年，李子豪等人[17]通過減少YOLOv5骨干網(wǎng)絡(luò)下采樣倍率，并采用自適應(yīng)協(xié)同注意力機(jī)制，提高檢測(cè)精度和降低參數(shù)規(guī)模，但計(jì)算量大幅增加；宋懷波等人[18]將ECA 注意力機(jī)制嵌入YOLOv7 的重參數(shù)化路徑中，提升復(fù)雜場(chǎng)景下蘋果幼果檢測(cè)精度，但檢測(cè)速率降低；賈天豪等人[19]在SSD中引入殘差學(xué)習(xí)特征映射塊和雙重注意力塊，提高了多尺度小目標(biāo)檢測(cè)性能，但推理速度下降較多；Zhao等人[20]在YOLOv7上集成小目標(biāo)檢測(cè)頭和注意力機(jī)制，增強(qiáng)了對(duì)海面小目標(biāo)的檢測(cè)性能，但未能合理控制計(jì)算量增加；王曉紅等人[21]采用具有全局建模優(yōu)勢(shì)的CoT 模塊和增加最大池化層MaxPool挖掘小目標(biāo)更多紋理信息，雖將參數(shù)增幅控制在合理范圍內(nèi)，但基線模型過大，可遷移性較弱。綜上所述，單階段小目標(biāo)檢測(cè)算法在以下方面仍存在提升空間：（1）提高各種場(chǎng)景下小目標(biāo)特征信息捕獲量。（2）減少因提升小目標(biāo)檢測(cè)精度而增加的計(jì)算量和參數(shù)量。（3）在保持高檢測(cè)精度下提升推理速度。（4）提高小目標(biāo)檢測(cè)算法泛化能力。

因小目標(biāo)背景信息復(fù)雜且定位精度要求高，本文選取網(wǎng)絡(luò)模型具備一定深度的YOLOv7作為基線，改進(jìn)小目標(biāo)檢測(cè)算法。主要工作包括以下四點(diǎn)：（1）在骨干網(wǎng)絡(luò)中，通過裁剪CBS層、引入SimAM注意力機(jī)制和縮小池化核重構(gòu)SPPCSPC，減少計(jì)算量和參數(shù)量，關(guān)注密集小目標(biāo)樣本區(qū)域，提取更多小目標(biāo)特征。（2）頸部網(wǎng)絡(luò)中，用SPD Conv 替換SConv 改進(jìn)下采樣，減少光線昏暗場(chǎng)景下小目標(biāo)特征丟失。（3）添加四倍下采樣分支，將高分辨率特征圖與原來三個(gè)尺度的特征圖進(jìn)行特征融合，提升小目標(biāo)特征捕獲量，并增加對(duì)應(yīng)尺度的檢測(cè)頭，提高小目標(biāo)檢出率和準(zhǔn)確率。（4）損失函數(shù)由邊框擬合CIoU 替換為動(dòng)態(tài)非單調(diào)聚焦Wise IoU，提升網(wǎng)絡(luò)模型收斂速度。

1 相關(guān)技術(shù)

1.1 YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)與工作原理

YOLOv7 集合了RepVGG 重參數(shù)化思想[22]、跨網(wǎng)格搜索標(biāo)簽分配策略和分割梯度路徑層聚合架構(gòu)等先進(jìn)技術(shù)，在相同計(jì)算資源下，檢測(cè)精度和推理速度，較以前版本都有明顯提高，其網(wǎng)絡(luò)結(jié)構(gòu)分別由骨干網(wǎng)絡(luò)（Backbone）、頸部網(wǎng)絡(luò)（Neck）和頭部網(wǎng)絡(luò)（Head）三個(gè)部分組成，如圖1所示。工作原理分別介紹如下。

圖1 YOLOv7模型結(jié)構(gòu)圖Fig.1 YOLOv7 model structure diagram

骨干網(wǎng)絡(luò)由CBS、ELAN-1、MP和SPPCSPC四種模塊構(gòu)成。三個(gè)堆疊的CBS模塊提取初始特征；層聚合架構(gòu)ELAN-1 分割梯度流提取首層、底層和中間層特征；下采樣MP提取高級(jí)語義信息；空間金字塔池化SPPCSPC擴(kuò)大不同感受野融合多尺度特征。但SPPCSPC結(jié)構(gòu)內(nèi)存在卷積冗余，并且擴(kuò)大的感受野與小目標(biāo)尺度不匹配，在密集目標(biāo)相互遮擋時(shí)易發(fā)生誤檢。

頸部網(wǎng)絡(luò)沿用YOLOv5 系列的路徑聚合特征金字塔PAFPN架構(gòu)，其結(jié)合了層聚合架構(gòu)ELAN-2和最鄰近插值Nearest 進(jìn)行多尺度特征融合。先由FPN[23]自頂向下傳遞深層特征圖語義信息，再由PANet[24]自底向上傳遞低層特征圖紋理和細(xì)節(jié)信息，最終PAFPN 架構(gòu)輸出三個(gè)不同尺度特征圖。但進(jìn)行特征融合的三個(gè)尺度特征圖對(duì)應(yīng)的下采樣倍率都較高，提取到的小目標(biāo)以及微小目標(biāo)特征信息較少。

頭部網(wǎng)絡(luò)主要由重參數(shù)化卷積RepConv 和檢測(cè)頭IDetect 組成，RepConv 把訓(xùn)練過程中得到的三個(gè)特征圖，在推理過程經(jīng)矩陣融合和權(quán)重相加，形成單特征圖；IDetect 結(jié)合隱式知識(shí)在特征圖上預(yù)測(cè)大、中、小型目標(biāo)。由于三個(gè)尺度的檢測(cè)頭對(duì)應(yīng)檢測(cè)的目標(biāo)尺度有限，小目標(biāo)以及微小目標(biāo)易漏檢。

1.2 SimAM注意力機(jī)制

SimAM 為無參數(shù)注意力機(jī)制，不包含任何子網(wǎng)絡(luò)結(jié)構(gòu)，可以在不增加原始網(wǎng)絡(luò)參數(shù)的條件下，為特征圖推斷三維注意力權(quán)重。其依據(jù)神經(jīng)學(xué)說空域抑制原理[25]，通過能量函數(shù)衡量目標(biāo)像素點(diǎn)(t)和其他像素點(diǎn)(xi)的線性可分性，當(dāng)輸入特征圖為X∈RC×H×W時(shí)，像素點(diǎn)線性變換如下：

wt和bt為線性變換權(quán)重和偏置值，帶入能量函數(shù)為：

et為能量函數(shù)值，y為某一像素點(diǎn)的標(biāo)簽值，yt和y0為目標(biāo)像素點(diǎn)(t)和其他像素點(diǎn)(xi)的標(biāo)簽值，i為空間維度上的索引，M為某一通道上像素點(diǎn)個(gè)數(shù)：

1.3 SPD Conv下采樣

基于幀循環(huán)超分轉(zhuǎn)換的SPD Conv，可減少信息丟失，其包括一個(gè)從空間到深度的SPD層和一個(gè)非跨步卷積層[26]。圖2 以2 倍為例，展示了跨步卷積（SConv）和SPD Conv下采樣過程。SConv將輸入特征圖經(jīng)步長(zhǎng)為2的3×3卷積核壓縮特征圖為原圖寬度和高度的1/2，直接過濾掉了一部分特征信息，見圖2（a）。SPD Conv將輸入特征圖映射切片，得到4 個(gè)經(jīng)2 倍下采樣的子圖，4個(gè)子圖包含著原圖的全局空間信息，子圖沿通道維度拼接，由非跨步卷積層調(diào)整通道維度，SPD Conv將全局空間特征信息保留在了通道維度，見圖2（b）。

圖2 SConv和SPD Conv的下采樣過程Fig.2 Downsampling process of SConv and SPD Conv

1.4 Wise IoU損失函數(shù)

基于動(dòng)態(tài)非單調(diào)聚焦機(jī)制的Wise IoU[27]，可以緩解錨框（anchor box）標(biāo)注質(zhì)量對(duì)網(wǎng)絡(luò)模型整體收斂速度和定位精度的影響，公式如下：

LWIoU為損失函數(shù)值，exp 為指數(shù)函數(shù)，δ和α為超參數(shù)，β為anchor box的離群度因子，x和y為預(yù)測(cè)框中心點(diǎn)坐標(biāo)，xgt和ygt為真實(shí)框中心點(diǎn)坐標(biāo)，Wg和Hg為預(yù)測(cè)框和真實(shí)框最小包圍盒的寬度和高度，*為計(jì)算分離，LIoU為預(yù)測(cè)框和真實(shí)框重疊面積的交并比值。

2 重構(gòu)SPPCSPC與優(yōu)化下采樣的小目標(biāo)檢測(cè)算法

改進(jìn)模型結(jié)構(gòu)如圖3所示，其中虛線框部分為改進(jìn)點(diǎn)，SPPCSPC-S 為重構(gòu)后的空間金字塔池化模塊，用于提取相互遮擋下更多小目標(biāo)特征；SM 為改進(jìn)后的下采樣模塊，可減少光線昏暗場(chǎng)景下小目標(biāo)特征丟失；紅色虛線框部分為添加的四倍下采樣分支，能夠增加復(fù)雜背景下小目標(biāo)特征捕獲量。

圖3 改進(jìn)模型結(jié)構(gòu)圖Fig.3 Improved model structure diagram

2.1 重構(gòu)SPPCSPC加強(qiáng)特征提取

為增強(qiáng)對(duì)密集小目標(biāo)樣本區(qū)域的關(guān)注，進(jìn)一步提高相互遮擋下密集小目標(biāo)定位精度。本文重構(gòu)了SPPCSPC結(jié)構(gòu)，重構(gòu)方法是先裁剪CBS，再引入SimAM，然后縮小池化核，重構(gòu)前SPPCSPC 和重構(gòu)后SPPCSPC-S 的結(jié)構(gòu)見圖4（a）和圖4（b）。重構(gòu)過程如下：

圖4 SPPCSPC和SPPCSPC-S網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 SPPCSPC and SPPCSPC-S network structures

（1）裁剪CBS。裁剪掉2個(gè)位于池化層之前的CBS層，以減少卷積層對(duì)小目標(biāo)邊緣信息的過濾，只應(yīng)用一層CBS平滑特征，縮減計(jì)算量和參數(shù)規(guī)模。

（2）引入SimAM。在池化層之前嵌入無參數(shù)注意力機(jī)制SimAM，劃分目標(biāo)像素點(diǎn)和其他像素點(diǎn)，并推斷出特征圖的三維注意力權(quán)重，以增強(qiáng)對(duì)密集小目標(biāo)區(qū)域的關(guān)注，減少有效特征損耗，同時(shí)抑制混淆特征表達(dá)。

（3）縮小池化核。將三個(gè)池化核的設(shè)定由（5，9，13）改為（3，5，9），使小尺寸池化核擴(kuò)張的感受野與小目標(biāo)尺度匹配，有利于提取到更多小目標(biāo)特征，以進(jìn)一步提升小目標(biāo)檢測(cè)精度。

通過裁剪CBS層促進(jìn)網(wǎng)絡(luò)加速收斂，再嵌入SimAM注意力機(jī)制聚焦密集小目標(biāo)區(qū)域，縮小池化核對(duì)應(yīng)小目標(biāo)感受野，提取更多更準(zhǔn)確的小目標(biāo)特征，以降低密集小目標(biāo)漏檢率。為驗(yàn)證重構(gòu)SPPCSPC對(duì)小目標(biāo)檢測(cè)精度的影響，通過熱力圖可視化方法對(duì)比了重構(gòu)前后模型對(duì)密集小目標(biāo)區(qū)域的敏感度情況。從圖5中可以看出，應(yīng)用SPPCSPC-S后，模型對(duì)密集小目標(biāo)的關(guān)注度提高，感知區(qū)域更為準(zhǔn)確。

圖5 熱力圖可視化Fig.5 Visualization of heat maps

2.2 改進(jìn)下采樣減少特征丟失

在光線昏暗和圖像模糊的情況下，頸部網(wǎng)絡(luò)特征圖內(nèi)冗余像素點(diǎn)和小目標(biāo)特征像素點(diǎn)難以準(zhǔn)確區(qū)分，因此，多次應(yīng)用SConv 過濾冗余信息的同時(shí)，也會(huì)將大量小目標(biāo)關(guān)鍵特征一同過濾掉。為減少小目標(biāo)特征丟失，本文把頸部網(wǎng)絡(luò)下采樣MP 結(jié)構(gòu)左分支中的SConv 替換為SPD Conv，應(yīng)用其SPD 層的切分子圖原理，將小目標(biāo)全局空間信息映射到通道維度，以達(dá)到保留光線昏暗和模糊場(chǎng)景下更多小目標(biāo)特征信息的目的，在SPD層后添加卷積操作，可調(diào)整通道維度與右分支一致。改進(jìn)后結(jié)構(gòu)為SM見圖6。

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

2.3 添加四倍下采樣分支提高特征捕獲量

小目標(biāo)一個(gè)像素點(diǎn)映射到原圖中感受野會(huì)小于32個(gè)像素點(diǎn)，微小目標(biāo)的像素點(diǎn)會(huì)更少，因而深層次預(yù)測(cè)特征層極大可能會(huì)捕獲不到微小目標(biāo)。為增加復(fù)雜背景下小目標(biāo)特征捕獲量，進(jìn)一步提高小目標(biāo)檢測(cè)性能，本文在頸部添加了一個(gè)四倍下采樣分支，見圖3紅色虛線框所示。在頸部網(wǎng)絡(luò)中，輸入分辨率為160×160 的4倍下采樣特征圖C2，與8 倍、16 倍、32 倍下采樣的特征圖C3、C4、C5，由PAFPN 架構(gòu)建立橫向連接，實(shí)現(xiàn)多尺度特征融合。4 倍下采樣特征圖C2 包含著大量小目標(biāo)以及微小目標(biāo)紋理和細(xì)節(jié)信息，其在依次傳遞并融合的過程中，能給深層特征圖提供更充足的小目標(biāo)信息，進(jìn)而提高復(fù)雜背景下小目標(biāo)特征捕獲量。另外，一并增加與4倍下采樣對(duì)應(yīng)尺度的檢測(cè)頭，以提高對(duì)微小目標(biāo)的檢測(cè)能力。

通過將C2 與C3、C4、C5 融合，獲取到豐富的小目標(biāo)紋理和細(xì)節(jié)特征，再結(jié)合新增的小目標(biāo)檢測(cè)頭，能夠高效提升復(fù)雜背景下小目標(biāo)以及微小目標(biāo)的檢出率和準(zhǔn)確率。

2.4 替換損失函數(shù)提升收斂速度

邊框損失函數(shù)大多圍繞預(yù)測(cè)框和真實(shí)框的幾何元素定義計(jì)算方法，以不斷優(yōu)化擬合效果，代表方法有GIoU[28]、CIoU[29]和EIoU[30]等。但數(shù)據(jù)集中錨框標(biāo)注質(zhì)量通常會(huì)存在差異性，低質(zhì)量數(shù)據(jù)標(biāo)注在高效擬合損失函數(shù)的加持下，反而會(huì)干擾模型收斂，影響有效特征學(xué)習(xí)，為提高模型的泛化能力并加速收斂，本文將網(wǎng)絡(luò)模型的邊框損失函數(shù)由CIoU替換為Wise IoU。

Wise IoU 基于動(dòng)態(tài)非單調(diào)聚焦機(jī)制邊框回歸。其動(dòng)態(tài)機(jī)制為，依照錨框的離群度因子值動(dòng)態(tài)分配梯度增益，其非單調(diào)性為，梯度增益伴隨損失值的增加呈非單調(diào)變化，即減小低質(zhì)量錨框梯度增益的同時(shí)也減小高質(zhì)量錨框梯度增益。離群度計(jì)算公式為：

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)集

為驗(yàn)證算法有效性，在公開數(shù)據(jù)集VisDrone2021上做消融實(shí)驗(yàn)和對(duì)比實(shí)驗(yàn)，該數(shù)據(jù)集包含8 629張圖像，分辨率大小為2 000×1 500 像素左右，約54 萬個(gè)標(biāo)注信息。實(shí)驗(yàn)數(shù)據(jù)集依照9∶1 比例劃分，訓(xùn)練集為7 766 張圖像，測(cè)試集為863張圖像。

為驗(yàn)證算法泛化性，在公開數(shù)據(jù)集VOC2007+2012上做泛化實(shí)驗(yàn)，該數(shù)據(jù)集包含常見生活場(chǎng)景中的20 個(gè)目標(biāo)類別，主要有飛機(jī)、自行車、鳥和船等，訓(xùn)練集有16 551張圖像，測(cè)試集有4 952張圖像。

3.2 實(shí)驗(yàn)環(huán)境

（1）硬件環(huán)境

訓(xùn)練環(huán)境：RTX3090顯卡，24 GB顯存，Intel?Xeon?Platinum 8358P @2.60 GHz CPU，90 GB內(nèi)存。

測(cè)試環(huán)境：RTX3070顯卡，8 GB顯存，AMD Ryzen 7 5800H with Radeon Graphics 3.20 GHz CPU，16 GB內(nèi)存。

（2）軟件環(huán)境

Windows 10，CUDA 11.3，Pytorch 1.11.0，Python 3.8.0。

（3）參數(shù)設(shè)置

輸入圖像分辨率為640×640，總迭代次數(shù)為300，迭代批量為8，優(yōu)化器為SGD，動(dòng)量為0.937，學(xué)習(xí)率為0.01，權(quán)值衰減系數(shù)為0.000 5，采用余弦退火學(xué)習(xí)算法對(duì)學(xué)習(xí)率進(jìn)行更新。

3.3 預(yù)處理

3.3.1 重置先驗(yàn)框

應(yīng)用K-means 算法在VisDrone2021 數(shù)據(jù)集上生成12種先驗(yàn)框，尺寸大小如表1所示。

表1 先驗(yàn)框尺寸Table 1 Prior box size

聚類過程可視化如圖7所示。先驗(yàn)框的精確選取，可減小其與物體之間的匹配誤差，從而減少誤檢和漏檢。

圖7 K-means聚類可視化Fig.7 K-means clustering visualization

3.3.2 數(shù)據(jù)增強(qiáng)

采用Mosaic-4和Mix up方法進(jìn)行數(shù)據(jù)增強(qiáng)。Mosaic-4每次處理4 張圖片，先依據(jù)隨機(jī)中心點(diǎn)位置裁剪、縮放原始圖片，再隨機(jī)排列拼接；Mix up每次處理2張圖片，先分別將其翻轉(zhuǎn)、縮放和變化色域，再按照一定比例混合。上述兩種方法可以豐富數(shù)據(jù)集，增加小目標(biāo)樣本數(shù)量。

3.4 評(píng)價(jià)指標(biāo)

本文選取了目標(biāo)檢測(cè)任務(wù)中常見的六種評(píng)價(jià)指標(biāo)：Precision、Recall、mAP、FPS、Params、GFLOPs 衡量改進(jìn)算法的有效性，各指標(biāo)介紹如下。

（1）Precision 為精準(zhǔn)率，指預(yù)測(cè)的正樣本中實(shí)際為正樣本的概率，計(jì)算公式為：

TP為預(yù)測(cè)成正類的正樣本數(shù)，F(xiàn)P為預(yù)測(cè)成正類的負(fù)樣本數(shù)。

（2）Recall 為召回率，指預(yù)測(cè)的所有樣本中實(shí)際為正樣本的概率，計(jì)算公式為：

FN為預(yù)測(cè)成負(fù)類的正樣本數(shù)。

（3）mAP為平均精度均值，指所有類別檢測(cè)準(zhǔn)確率的均值，計(jì)算公式為：

c為檢測(cè)類別數(shù)，AP 為某一類別P-R曲線下的面積，AP計(jì)算公式為：

（4）FPS為幀率，指圖像刷新幀數(shù)，計(jì)算公式為：

FrameNum為檢測(cè)圖片總數(shù)，ElapsedTime為耗費(fèi)的總時(shí)間。

（5）Params為網(wǎng)絡(luò)模型的參數(shù)量，單位為MB。

（6）GFLOPs為網(wǎng)絡(luò)模型的浮點(diǎn)運(yùn)算次數(shù)。

3.5 實(shí)驗(yàn)結(jié)果分析

3.5.1 消融實(shí)驗(yàn)

（1）數(shù)據(jù)分析

共做N1～N6 六組消融實(shí)驗(yàn)，分別驗(yàn)證各改進(jìn)點(diǎn)的有效性，“√”表示某一組實(shí)驗(yàn)應(yīng)用的改進(jìn)點(diǎn)，各項(xiàng)評(píng)價(jià)指標(biāo)見表2，實(shí)驗(yàn)結(jié)果分析如下：

表2 消融實(shí)驗(yàn)Table 2 Ablation experiment

①第一組為原算法的實(shí)驗(yàn)結(jié)果，mAP0.5值為45.73%，參數(shù)量為37.24 MB，計(jì)算量為105.26，F(xiàn)PS為42，作為評(píng)價(jià)指標(biāo)基線。

②第二組是把SPPCSPC 重構(gòu)為SPPCSPC-S 后，計(jì)算量和參數(shù)量都小幅減少，推理速度提升為45，mAP0.5值提高1.05個(gè)百分點(diǎn)。

③第三組是添加四倍下采樣分支，雖計(jì)算量從105.26增加到119.69，推理速度也有所降低，但是mAP0.5值提高2.58個(gè)百分點(diǎn)，大幅提升了小目標(biāo)檢測(cè)性能。

④第四組是把MP 改進(jìn)為SM 后，計(jì)算量和參數(shù)量均有小幅減少，檢測(cè)精度也有小幅上升，mAP0.5值提高0.61個(gè)百分點(diǎn)。

⑤第五組是把邊框損失函數(shù)CIoU 替換為WiseIoU，在保證沒有增加參數(shù)量和計(jì)算量的條件下，加快網(wǎng)絡(luò)模型收斂，同時(shí)mAP0.5值提升0.87個(gè)百分點(diǎn)。

⑥第六組是集合所有改進(jìn)點(diǎn)后，雖推理速度小幅下降，也額外增加了一部分計(jì)算量，但參數(shù)量從37.24 MB減少為34.74 MB，mAP0.5值提高5.09個(gè)百分點(diǎn)，表明本文構(gòu)建的算法能夠顯著提升小目標(biāo)檢測(cè)的平均精度均值。

（2）可視化分析

圖8 中1～3 列分別是光線昏暗、密集小目標(biāo)和微小目標(biāo)三種復(fù)雜樣本，1～3 行分別是原始圖片、N1 組算法檢測(cè)后圖片、N6 組算法檢測(cè)后圖片。使用不同顏色的標(biāo)識(shí)框區(qū)分?jǐn)?shù)據(jù)集內(nèi)目標(biāo)類別，標(biāo)識(shí)框上方標(biāo)注了目標(biāo)置信度分?jǐn)?shù)。從視覺效果可以看出，本文算法檢測(cè)出的小目標(biāo)人物和車輛的數(shù)量明顯增多，并且小目標(biāo)置信度分?jǐn)?shù)明顯提高，表明漏檢率降低，準(zhǔn)確率提高。

圖8 檢測(cè)效果對(duì)比Fig.8 Comparison of detection effect

3.5.2 對(duì)比實(shí)驗(yàn)

YOLO系列的代表算法有YOLOv5L、TPH-YOLOv5、YOLOXL、YOLOv6M、YOLOv8L、ACAM-YOLO 和YOLOv7。在公開數(shù)據(jù)集VisDrone2021上，將本文算法與上述算法做對(duì)比實(shí)驗(yàn)，結(jié)果見表3。

表3 算法對(duì)比實(shí)驗(yàn)Table 3 Algorithm comparison experiment

YOLOv5L 算法比本文算法mAP0.5值低11.25 個(gè)百分點(diǎn)，參數(shù)量高11.41 MB，表明該算法對(duì)小目標(biāo)檢測(cè)效果一般，且參數(shù)開銷較大；TPH-YOLOv5 算法的mAP0.5值接近YOLOv6M，比原YOLOv5L 算法高3.89 個(gè)百分點(diǎn)，但比本文算法低7.36個(gè)百分點(diǎn)；YOLOXL算法的計(jì)算量?jī)H次于YOLOv8 算法，比本文算法增加了38.9，mAP0.5值比本文算法低7.72個(gè)百分點(diǎn)，表明該算法在此數(shù)據(jù)集上檢測(cè)效果不佳；YOLOv6M算法的計(jì)算量是七組算法中最少的，參數(shù)量和本文算法接近，但mAP0.5值低7.17個(gè)百分點(diǎn)；YOLOv8算法是目前YOLO系列的最先進(jìn)算法，mAP0.5值比原YOLOv7算法高出1.16個(gè)百分點(diǎn)，但比本文算法低3.93個(gè)百分點(diǎn)；ACAM-YOLO算法是基于YOLOv5L 改進(jìn)的，參數(shù)量約為本文算法1/2，mAP0.5值在七組算法中僅次于本文算法達(dá)到49.52%，但計(jì)算量高出10%，比YOLOv5L算法高出21%。

綜合上述分析，本文算法在計(jì)算量小幅增加和參數(shù)量縮減的條件下，實(shí)現(xiàn)了檢測(cè)平均精度均值的顯著提升，因而對(duì)復(fù)雜場(chǎng)景下的小目標(biāo)具有更強(qiáng)的辨識(shí)能力。

3.5.3 泛化實(shí)驗(yàn)

在公開數(shù)據(jù)集VOC2007+2012 上，將本文算法與YOLOv7、YOLOv8和CS-SSD算法做泛化實(shí)驗(yàn)，驗(yàn)證本文算法的通用性，結(jié)果見表4。

表4 泛化實(shí)驗(yàn)Table 4 Generalization experiment 單位：%

本文算法與YOLOv7相比，mAP0.5值從81.12%提升為84.47%，精準(zhǔn)率提升5.07 個(gè)百分點(diǎn)，召回率提升1.46個(gè)百分點(diǎn)；與YOLOv8 相比，mAP0.5值提升1.82 個(gè)百分點(diǎn)，精準(zhǔn)率提升3.49 個(gè)百分點(diǎn)，召回率提升1.02 個(gè)百分點(diǎn)；與CS-SSD相比，mAP0.5值提升0.87個(gè)百分點(diǎn)。

綜合上述分析，本文構(gòu)建的小目標(biāo)檢測(cè)算法不僅能夠提高相互遮擋、背景復(fù)雜和特征點(diǎn)少場(chǎng)景下的小目標(biāo)檢測(cè)效果，而且也能提高常規(guī)場(chǎng)景下大中尺度目標(biāo)檢測(cè)效果，表明具有通用性。

4 結(jié)束語

針對(duì)小目標(biāo)圖像檢測(cè)中存在的難點(diǎn)，本文基于YOLOv7提出重構(gòu)SPPCSPC 與優(yōu)化下采樣的小目標(biāo)檢測(cè)算法。通過重構(gòu)SPPCSPC 模塊加強(qiáng)小目標(biāo)特征提取，替換頸部下采樣結(jié)構(gòu)中的SConv 為SPD Conv 減少深層特征圖關(guān)鍵小目標(biāo)特征丟失，添加四倍下采樣分支提高小目標(biāo)檢出率和準(zhǔn)確率，把邊框損失函數(shù)由CIoU 替換為Wise IoU 提升收斂速度和定位精度。實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)小目標(biāo)的檢測(cè)效果優(yōu)于參考文獻(xiàn)中最優(yōu)算法，有效提升了小目標(biāo)檢測(cè)精度，且通用性良好。為工業(yè)應(yīng)用提供了一定的參考價(jià)值，在輕量化方面仍有進(jìn)步空間，需繼續(xù)研究探索。