摘 要：針對(duì)玉米雄穗檢測(cè)中速度較慢的問題，提出一種基于ＹＯＬＯｖ５ｓ 改進(jìn)的輕量化快速檢測(cè)算法———ＰＳＯＳ-ＹＯＬＯｖ５ｓ。所提算法在主干網(wǎng)絡(luò)中采用輕量級(jí)ＰＰ-ＬＣＮｅｔ 替換ＣＳＰＤａｒｋｎｅｔ５３，采用２ 種不同的深度可分離卷積與注意力機(jī)制的組合來構(gòu)成基本塊，降低模型復(fù)雜度并加快檢測(cè)速度；在預(yù)測(cè)部分采用ＳｉｍＯＴＡ 標(biāo)簽匹配策略替換ＹＯＬＯｖ５ｓ 中的標(biāo)簽匹配策略，采用中心先驗(yàn)思想獲得精準(zhǔn)的先驗(yàn)知識(shí)，提出動(dòng)態(tài)ｋ 策略過濾冗余標(biāo)簽，提高模型對(duì)正樣本的快速選取能力；在預(yù)測(cè)部分采用ＳＩＯＵＬｏｓｓ 替換ＧＩＯＵ Ｌｏｓｓ，引入角度損失因子來降低回歸自由度、加快收斂速度、節(jié)省訓(xùn)練時(shí)間，重新定義懲罰指標(biāo)，提高檢測(cè)精度。實(shí)驗(yàn)結(jié)果表明，在玉米雄穗數(shù)據(jù)集中，提出的改進(jìn)算法相比于ＹＯＬＯｖ５ｓ，模型參數(shù)量降低５２． ８６％ ，模型的檢測(cè)精度提升０． ６％ ，模型的檢測(cè)速度提升６５． ５％ 。改進(jìn)后的算法提升效果明顯，可以滿足大規(guī)模玉米雄穗快速檢測(cè)的要求。

關(guān)鍵詞：玉米雄穗檢測(cè)；輕量化網(wǎng)絡(luò)；標(biāo)簽匹配策略；損失函數(shù)；ＹＯＬＯｖ５

中圖分類號(hào)：ＴＰ１８３ 文獻(xiàn)標(biāo)志碼：Ａ 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０６－１４４６－０８

０ 引言

玉米是雌雄同株的作物，可以進(jìn)行自花授粉，但是自花授粉不利于優(yōu)良種子的選育，因此，保證玉米的異花授粉，對(duì)育種以及產(chǎn)量提升有重要意義［１－３］。在異花授粉過程中，需要對(duì)雄穗進(jìn)行去除，傳統(tǒng)方法主要依靠人工識(shí)別去除，費(fèi)時(shí)費(fèi)力?，F(xiàn)代農(nóng)業(yè)對(duì)大規(guī)模、高通量分析的需求使得人工無法處理此類任務(wù)。計(jì)算機(jī)視覺技術(shù)在農(nóng)作物識(shí)別方面的應(yīng)用，為準(zhǔn)確識(shí)別玉米雄穗并高效科學(xué)地指導(dǎo)去雄作業(yè)提供了有效的技術(shù)手段。

目前，玉米雄穗的檢測(cè)主要分為基于機(jī)器視覺檢測(cè)方法和基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法。Ｌｕ 等［３］開發(fā)了基于分割和支持向量機(jī)（ＳｕｐｐｏｒｔＶｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）的名為ｍＴＡＳＳＥＬ 的系統(tǒng)來檢測(cè)玉米雄穗，并以９０． ３８％ 的準(zhǔn)確率識(shí)別出具有穗的潛在區(qū)域。Ｙｕ 等［４］在數(shù)據(jù)集ＭｒＭＴ 上提出了一種新穎的輕量級(jí)神經(jīng)網(wǎng)絡(luò)ＴａｓｓｅｌＬＦＡＮｅｔ，可以準(zhǔn)確有效地檢測(cè)和計(jì)數(shù)高時(shí)空?qǐng)D像序列中的玉米雄穗。

近年來，基于深度學(xué)習(xí)的圖像分類、目標(biāo)檢測(cè)等技術(shù)開始興起。兩階段的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Ｒ-ＣＮＮ）系列模型［５］是目標(biāo)檢測(cè)中的里程碑之一。ＲＣＮＮ 的后續(xù)改進(jìn)包括Ｆａｓｔ Ｒ-ＣＮＮ［６］和ＦａｓｔｅｒＲ-ＣＮＮ［７］，通過引入共享特征提取來提高檢測(cè)速度和準(zhǔn)確性。此外，還有備受關(guān)注的一階段模型ＳＳＤ［８］模型和ＹＯＬＯ 系列模型。ＹＯＬＯ 模型是一種實(shí)時(shí)目標(biāo)檢測(cè)模型，ＹＯＬＯ［９］ 的改進(jìn)版本包括ＹＯＬＯｖ２、ＹＯＬＯｖ３、ＹＯＬＯｖ４、ＹＯＬＯｖ７［１０］等，通過改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)和使用更高分辨率的特征圖來提高檢測(cè)性能。Ｋｈａｋｉ 等［１１］提出了一種基于ＹＯＬＯｖ４ 的計(jì)算機(jī)視覺方法來檢測(cè)麥穗。Ｂｕｚｚｙ 等［１２］利用Ｔｉｎｙ-ＹＯＬＯｖ３ 網(wǎng)絡(luò)準(zhǔn)確地檢測(cè)葉子的實(shí)時(shí)定位。ＹＯＬＯｖ５ 是ＹＯＬＯ 系列中成熟的算法，然而，直接應(yīng)用ＹＯＬＯｖ５ 進(jìn)行玉米雄穗檢測(cè)存在一些挑戰(zhàn)：由于玉米雄穗在生長(zhǎng)過程中會(huì)產(chǎn)生遮擋和重疊現(xiàn)象，目標(biāo)之間存在遮擋問題，導(dǎo)致檢測(cè)困難。玉米雄穗一般比較細(xì)長(zhǎng)，在生長(zhǎng)過程中可能會(huì)呈現(xiàn)不同的姿態(tài)和形狀，這些都會(huì)導(dǎo)致檢測(cè)不準(zhǔn)確。

為此，本文針對(duì)上述問題提出了一種基于ＹＯＬＯｖ５ｓ 的玉米雄穗檢測(cè)模型———ＰＳＯＳ-ＹＯＬＯｖ５ｓ，能夠快速、準(zhǔn)確地檢測(cè)出田中玉米雄穗的位置，而且參數(shù)量、每秒１０ 億次的浮點(diǎn)運(yùn)算數(shù)（ＧＦＬＯＰｓ）和模型復(fù)雜度較低。

１ 材料和方法

１． １ 數(shù)據(jù)集

本研究選用的數(shù)據(jù)集為公開數(shù)據(jù)集ＭｒＭＴ［１３］，開發(fā)的一種自動(dòng)化地面觀測(cè)系統(tǒng)在中國(guó)山東省泰安市、河南省鄭州市和河北省衡水市的實(shí)驗(yàn)田每天９：００—１６：００ 每小時(shí)拍攝一張，包含從抽雄階段到開花階段的１２ 個(gè)獨(dú)立圖像序列。該數(shù)據(jù)集包含不同場(chǎng)景下的玉米雄穗圖像，如抽雄階段到開花階段的多個(gè)時(shí)間序列的圖像，以及來自不同地點(diǎn)的示例圖像。根據(jù)標(biāo)準(zhǔn)注釋范例，使用開源標(biāo)注工具ｌａｂｅ-ｌＩｍｇ 對(duì)每個(gè)玉米雄穗手動(dòng)進(jìn)行框級(jí)標(biāo)記，共標(biāo)注了９６ ４３４ 個(gè)玉米雄穗。

１． ２ ＹＯＬＯｖ５ 目標(biāo)檢測(cè)算法

ＹＯＬＯｖ５ 是Ｕｌｔｒａｌｙｔｉｃｓ 團(tuán)隊(duì)于２０２０ 年６ 月提出的一種典型的單階段目標(biāo)檢測(cè)算法，將檢測(cè)任務(wù)轉(zhuǎn)化為端到端的回歸問題。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的深度和寬度，ＹＯＬＯｖ５ 分為５ 個(gè)版本：ＹＯＬＯｖ５ｎ、ＹＯＬＯｖ５ｓ、ＹＯＬＯｖ５ｍ、ＹＯＬＯｖ５ｌ 和ＹＯＬＯｖ５ｘ（ｎ＜ｓ＜ｍ＜ｌ＜ｘ），其中ｎ 模型參數(shù)量最小，ｘ 模型參數(shù)量最大。為了實(shí)時(shí)檢測(cè)和易于部署，本文選擇ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)作為基礎(chǔ)模型。ＹＯＬＯｖ５ 網(wǎng)絡(luò)結(jié)構(gòu)如圖１ 所示。

ＹＯＬＯｖ５ 的輸入組件如圖２ 所示，由３ 個(gè)模塊組成：馬賽克數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算和自適應(yīng)圖像縮放。主干部分主要負(fù)責(zé)提取圖像不同層次的圖像特征，由ＣＢＳ、Ｃ３ 和ＳＰＰＦ 等模塊組成。ＣＢＳ 層由卷積、批量歸一化和激活函數(shù)組成。Ｃ３ 模塊包括３ 個(gè)標(biāo)準(zhǔn)卷積層和多個(gè)瓶頸。ＳＰＰＦ 使用５×５ 和１×１兩個(gè)池化核，可以增加感受野并輸入任意圖像長(zhǎng)寬比和尺寸。在ＹＯＬＯｖ５ 主干中使用ＣＢＳ、ＳＰＰＦ 和Ｃ３ 架構(gòu)時(shí)的潛在缺點(diǎn)包括計(jì)算復(fù)雜性和內(nèi)存使用量增加，導(dǎo)致檢測(cè)速度變慢和資源需求增加。因此，為了實(shí)現(xiàn)網(wǎng)絡(luò)模型的輕量化，本文采用ＰＰ-ＬＣＮｅｔ［１４］作為主干網(wǎng)絡(luò)。

頸部特征融合網(wǎng)絡(luò)采用特征金字塔網(wǎng)絡(luò)（Ｆｅａｔｕｒｅ Ｐｙｒａｍｉｄ Ｎｅｔｗｏｒｋ，ＦＰＮ）［１５］和路徑聚合網(wǎng)絡(luò)（Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ，ＰＡＮ）［１６］的結(jié)構(gòu)。使用ＧＩＯＵ 損失（Ｌｏｓｓ）函數(shù)作為邊界框損失函數(shù)，解決邊界框不重疊的問題。對(duì)于ＧＩＯＵ Ｌｏｓｓ 函數(shù)，當(dāng)２ 個(gè)邊界框相交時(shí)，水平和垂直方向的收斂速度都很慢。因此，本文選擇ＳＩＯＵ Ｌｏｓｓ 函數(shù)。

１． ３ ＰＳＯＳ-ＹＯＬＯｖ５ｓ

為了保證玉米雄穗檢測(cè)精度，同時(shí)盡量加快檢測(cè)速度，本文提出了一種輕量級(jí)網(wǎng)絡(luò)ＰＳＯＳ-ＹＯＬＯｖ５ｓ。

圖３ 展示了ＰＳＯＳ-ＹＯＬＯｖ５ｓ 的整體結(jié)構(gòu)，包括三部分：用于特征提取的主干網(wǎng)絡(luò)（ｂａｃｋｂｏｎｅ），用于特征融合的頸部（ｎｅｃｋ）以及用于位置和類別預(yù)測(cè)的預(yù)測(cè)頭（ｈｅａｄ）。為了減少模型參數(shù)量和ＧＦＬＯＰｓ，使用ＰＰ-ＬＣＮｅｔ 作為主干來提取特征。為了改善輕量級(jí)網(wǎng)絡(luò)ＰＰ-ＬＣＮｅｔ 帶來的精度損失，本研究將原來的標(biāo)簽匹配策略換成了ＳｉｍＯＴＡ 標(biāo)簽匹配策略并且把ＧＩＯＵＬｏｓｓ 更換為ＳＩＯＵ Ｌｏｓｓ。ＳｉｍＯＴＡ 可以將篩選樣本（ａｎｃｈｏｒ ｐｏｉｎｔ）與真實(shí)框（ｇｔ）之間的匹配更加合理，ＳＩＯＵ Ｌｏｓｓ 考慮到了向量角度在回歸中的重要性。

１． ３． １ 基于ＰＰ-ＬＣＮｅｔ 的骨干網(wǎng)絡(luò)

ＰＰ-ＬＣＮｅｔ 是百度在２０２１ 年提出的一種基于深度神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)內(nèi)核庫(kù)（ＭＫＬＤＮＮ）加速策略的輕量級(jí)中央處理器（ＣＰＵ）網(wǎng)絡(luò)，提高了輕量級(jí)模型在多個(gè)任務(wù)上的性能。圖４ 展示了ＰＰ-ＬＣＮｅｔ 的基本模塊，其中Ｈｓｗｉｓｈ 是激活函數(shù)，ＳＥ 是注意力機(jī)制。

該模型使用深度可分離卷積（ＤｅｐｔｈＳｅｐＣｏｎｖ）作為基本塊，其中不包含直連（ｓｈｏｒｔｃｕｔ），這樣就沒有拼接（ｃｏｎｃａｔ）或逐元素相加（ｅｌｅｍｅｎｔｗｉｓｅ-ａｄｄ）等操作，這些操作不僅會(huì)降低模型的推理速度，而且無法提高小模型的精度。該模型將這些塊（ｂｌｏｃｋ）堆疊成一個(gè)基礎(chǔ)網(wǎng)絡(luò)，然后結(jié)合現(xiàn)有技術(shù)得到了ＰＰ-ＬＣ-Ｎｅｔ。

本文的主干特征網(wǎng)絡(luò)不僅僅由ＰＰ-ＬＣＮｅｔ 網(wǎng)絡(luò)組成，將ＰＰ-ＬＣＮｅｔ 網(wǎng)絡(luò)全局平均池化層換為ＳＰＰＦ層，因此主干特征網(wǎng)絡(luò)由ＣＢＳ、ＤｅｐｔｈＳｅｐＣｏｎｖ 和ＳＰＰＦ 組成，激活函數(shù)的性能往往決定了網(wǎng)絡(luò)的性能，為了避免大量的指數(shù)操作，本文將ＤｅｐｔｈＳｅｐＣｏｎｖ 基礎(chǔ)網(wǎng)絡(luò)中的激活函數(shù)由ＲｅＬＵ 換成Ｈ-Ｓｗｉｓｈ，性能得到了很大的提升，而推理時(shí)間幾乎沒有增加。ＳＥ 模塊自提出以來已被大量網(wǎng)絡(luò)使用，但在英特爾ＣＰＵ上，ＳＥ 模塊會(huì)增加推理時(shí)間，因此不能在整個(gè)網(wǎng)絡(luò)中都使用。通過大量實(shí)驗(yàn)發(fā)現(xiàn)將ＳＥ 模塊用于網(wǎng)絡(luò)的末端時(shí)，可以發(fā)揮更好的作用，因此本文只將ＳＥ模塊用在網(wǎng)絡(luò)尾端的ｂｌｏｃｋ 中，獲得了更好的精度－速度的平衡。同時(shí)卷積核的大小也會(huì)影響網(wǎng)絡(luò)的性能。

Ｍ ｉｘＮｅｔ［１７］中分析了不同大小的卷積核對(duì)網(wǎng)絡(luò)性能的影響，最終在網(wǎng)絡(luò)的同一層中使用不同大小的卷積核。但這種混合降低了網(wǎng)絡(luò)的推理速度，因此本文在同一層只使用一種大小的卷積核，并確保在低延遲和高精度的前提下才使用大卷積核。通過實(shí)驗(yàn)發(fā)現(xiàn)，與使用ＳＥ 模塊位置一樣，只在網(wǎng)絡(luò)的尾部用５×５ 卷積替換３ ×３ 卷積獲得了和整個(gè)網(wǎng)絡(luò)都使用５×５ 卷積相近的性能，因此最終只在網(wǎng)絡(luò)尾部才使用５×５ 卷積。此外，該方法顯著降低了計(jì)算復(fù)雜度和參數(shù)數(shù)量，使其適合在硬件有限的設(shè)備上部署。

１． ３． ２ ＳｉｍＯＴＡ

本文采用ＹＯＬＯＸ［１８］提出的ＳｉｍＯＴＡ 標(biāo)簽匹配策略來替換ＹＯＬＯｖ５ｓ 中的標(biāo)簽匹配策略。

ＳｉｍＯＴＡ 中的中心先驗(yàn)思想提供了更加精準(zhǔn)的先驗(yàn)知識(shí)，提高了標(biāo)簽匹配的準(zhǔn)確性。ＯＴＡ［１９］中通過Ｓｉｎｋｈｏｒｎ-Ｋｎｏｐｐ 算法解決最優(yōu)傳輸（ＯｐｔｉｍａｌＴｒａｎｓｐｏｒｔ，ＯＴ）問題，但會(huì)帶來２５％ 的額外訓(xùn)練時(shí)間，所以將其簡(jiǎn)化為動(dòng)態(tài)ｋ 策略，稱為ＳｉｍＯＴＡ，以獲得近似解。與ＯＴＡ 相比，ＳｉｍＯＴＡ 運(yùn)算速度快、訓(xùn)練時(shí)間短，大大提高了模型的每秒傳輸幀數(shù)（ＦＰＳ），而且避免了額外的參數(shù)優(yōu)化，并且提升了檢測(cè)精度。ＳｉｍＯＴＡ 中心先驗(yàn)圖如圖５ 所示，ｇｔ 代表真實(shí)物體的標(biāo)注框，限定區(qū)域也是中心先驗(yàn)區(qū)域。

在ＳｉｍＯＴＡ 中，ｇｉ 和ｐｊ 之間的成本（ｃｏｓｔ）計(jì)算如下，其中ｇｉ 是任意真實(shí)框，ｐｊ 是任意預(yù)測(cè)框：

ｃｉｊ ＝ Ｌｃｌｓｉｊ ＋ λＬｒｅｇｉｊ ， （１）

式中：λ 為平衡系數(shù)，本文?。?；Ｌｃｌｓｉｊ 和Ｌｒｅｇｉｊ 為ｇｉ 和ｐｊ之間的分類損失和回歸損失。對(duì)于一張圖上的所有ａｎｃｈｏｒ ｐｏｉｎｔ 來說，整個(gè)匹配策略的代價(jià)是所有特征點(diǎn)與每一個(gè)ｇｔ 所產(chǎn)生的分類損失與回歸損失之和。

ＳｉｍＯＴＡ 會(huì)篩選出優(yōu)質(zhì)的正樣本來匹配ｇｔ，從而減少這個(gè)匹配過程所產(chǎn)生的ｃｏｓｔ，首先ＳｉｍＯＴＡ 進(jìn)行預(yù)篩選，ｇｔ 的中心區(qū)域更有可能篩選出優(yōu)質(zhì)的正樣本使得邊界回歸損失與分類損失較小，也就是匹配策略中的ｃｏｓｔ 較小。進(jìn)行預(yù)篩選之后，ｃｏｓｔ 會(huì)有顯著的下降，從而可以在這個(gè)限定區(qū)域內(nèi)進(jìn)行進(jìn)一步的篩選，從而獲得最后的ａｎｃｈｏｒ ｐｏｉｎｔ。分別對(duì)限定區(qū)域中每一個(gè)ａｎｃｈｏｒ ｐｏｉｎｔ 計(jì)算其相對(duì)于每一個(gè)ｇｔ的分類損失（ｃｌｓ Ｌｏｓｓ）、邊界框損失（ｒｅｇ Ｌｏｓｓ）。從而根據(jù)分ｃｌｓ＿Ｌｏｓｓ、ｒｅｇ＿Ｌｏｓｓ 獲?。悖铮螅?矩陣以及交并比（Ｉｎｔｅｒｓｅｃｔｉｏｎ Ｏｖｅｒ Ｕｎｉｏｎ，ＩＯＵ）矩陣，每一個(gè)ｇｔ 匹配到的ａｎｃｈｏｒ ｐｏｉｎｔ 數(shù)量記為ｓ，將這個(gè)數(shù)與１０ 對(duì)比，取其中的最小值，然后根據(jù)ＩＯＵ 來取前ｓ 個(gè)或者１０ 個(gè)ａｎｃｈｏｒ ｐｏｉｎｔ。將所有與當(dāng)前ｇｔ 匹配的正樣本求ＩＯＵ 后進(jìn)行求和并向下取整，得到的數(shù)即為動(dòng)態(tài)ｋ。得到動(dòng)態(tài)ｋ 后，選擇ｃｏｓｔ 較小的前動(dòng)態(tài)ｋ 個(gè)樣本作為當(dāng)前匹配。如果同一正樣本被分配到不同的ｇｔ真值，則選擇ｃｏｓｔ 值較小的ｇｔ 真值負(fù)責(zé)預(yù)測(cè)。

此時(shí)得到所有的正樣本以及正樣本對(duì)應(yīng)的ｇｔ，那么剩下的ａｎｃｈｏｒ ｐｏｉｎｔ 全部歸為負(fù)樣本。對(duì)篩選預(yù)測(cè)框進(jìn)行Ｌｏｓｓ 計(jì)算，要注意這里的ｒｅｇ Ｌｏｓｓ 和ｃｌｓＬｏｓｓ 只針對(duì)目標(biāo)框和篩選出的正樣本預(yù)測(cè)框進(jìn)行計(jì)算，而ｏｂｊ Ｌｏｓｓ 還是針對(duì)所有的ａｎｃｈｏｒ ｐｏｉｎｔ（包含所有的正樣本與負(fù)樣本），損失函數(shù)如下：

式中：Ｌｃｌｓ 表示分類損失，Ｌｒｅｇ 表示邊界框損失，Ｌｏｂｊ 表示置信度損失，β 表示定位損失的平衡系數(shù)，本文設(shè)置為５． ０；Ｎｐｏｓ 表示被分為正樣本的ａｎｃｈｏｒ ｐｏｉｎｔ 數(shù)。

采用ＳｉｍＯＴＡ 來進(jìn)行標(biāo)簽匹配可以將限定區(qū)域內(nèi)每一個(gè)ａｎｃｈｏｒ ｐｏｉｎｔ 匹配到最合適的ｇｔ，大大提高了檢測(cè)的速度和精度。

１． ３． ３ ＳＩＯＵ 損失函數(shù)

ＹＯＬＯｖ５ 中的損失函數(shù)包括三部分：分類損失、邊界框損失和置信度損失。分類損失用來計(jì)算錨框與對(duì)應(yīng)的標(biāo)定分類是否正確，邊界框損失用來計(jì)算預(yù)測(cè)框與標(biāo)定框之間的誤差，置信度損失用來計(jì)算網(wǎng)絡(luò)的置信度。其中邊界框損失用ＧＩＯＵ Ｌｏｓｓ［２０］來計(jì)算。

ＧＩＯＵ Ｌｏｓｓ 函數(shù)在ＩＯＵ 的基礎(chǔ)上引入了預(yù)測(cè)框和真實(shí)框的最小外接矩形。假設(shè)ｂｇｔ 為真實(shí)框，ｂ 為預(yù)測(cè)的邊界框，Ｃ 為Ａ 和Ｂ 的最小外接矩形，則ＧＩＯＵ Ｌｏｓｓ 計(jì)算公式如下：

ＧＩＯＵ ＝ ＩＯＵ －（ Ｃ － （ｂ ∪ｇｔ）／Ｃ ）， （３）

ＬＧＩＯＵ ＝ １ － ＧＩＯＵ。（４）

當(dāng)預(yù)測(cè)框和真實(shí)框完全重合時(shí)（預(yù)測(cè)框在真實(shí)框的內(nèi)部），如圖６ 所示，ＩＯＵ 和ＧＩＯＵ 的損失值都一樣，此時(shí)ＧＩＯＵ 退化為ＩＯＵ，ＧＩＯＵ ＝ ＩＯＵ，最終還是無法區(qū)分預(yù)測(cè)框和真實(shí)框的位置關(guān)系，導(dǎo)致此時(shí)的邊界框回歸收斂很慢，檢測(cè)結(jié)果失準(zhǔn)。

為了解決上述問題，本文使用ＳＩＯＵ Ｌｏｓｓ［２１］代替ＧＩＯＵ Ｌｏｓｓ。ＳＩＯＵ 函數(shù)引入了真實(shí)框和預(yù)測(cè)框之間的向量角度，重新定義了相關(guān)損失函數(shù)，加快了網(wǎng)絡(luò)收斂的速度，提升了回歸精度。ＳＩＯＵ 損失函數(shù)具體包含四部分：角度損失（Ａｎｇｌｅ ｃｏｓｔ）、距離損失（Ｄｉｓｔａｎｃｅ ｃｏｓｔ）、形狀損失（Ｓｈａｐｅ ｃｏｓｔ）和ＩＯＵ 損失（ＩＯＵ ｃｏｓｔ）。

角度損失定義為：

最后，ＳＩＯＵ Ｌｏｓｓ 函數(shù)定義為：

ＬＳＩＯＵ ＝ １ － ＩＯＵ ＋（ Δ ＋ Ω／２） 。（９）

ＳＩＯＵ Ｌｏｓｓ 考慮到了所需回歸之間的向量角度，引入角度損失因子來降低回歸自由度，加快了收斂速度，而且重新定義了懲罰指標(biāo)，提高了訓(xùn)練的速度和推理的準(zhǔn)確性。

２ 實(shí)驗(yàn)和結(jié)果

２． １ 實(shí)施細(xì)節(jié)

主要實(shí)驗(yàn)參數(shù)如下：本研究的訓(xùn)練數(shù)據(jù)集由從公開的ＭｒＭＴ 數(shù)據(jù)集中隨機(jī)選擇的１ １２０ 張圖像組成。驗(yàn)證集和測(cè)試集分別為４８０ 張和３６８ 張。所有實(shí)驗(yàn)均在使用ＰｙＴｏｒｃｈ １． １０ 和ＣＵＤＡ １１． ３ 實(shí)現(xiàn)的深度學(xué)習(xí)框架上進(jìn)行，并在４ 張具有４０ ＧＢ 顯存的ＮＶＩＤＩＡ Ａ１００ ＧＰＵ 上執(zhí)行。

為了反映模型的真實(shí)水平，本研究沒有選擇使用遷移學(xué)習(xí)。鑒于數(shù)據(jù)集中圖像的高分辨率，將大小調(diào)整為６４０ ｐｉｘｅｌ×６４０ ｐｉｘｅｌ。使用單周期學(xué)習(xí)率調(diào)度的方法從０． ０１ 開始調(diào)度學(xué)習(xí)率。訓(xùn)練使用動(dòng)量為０． ９３７ 的隨機(jī)梯度下降（Ｓｔｏｃｈａｓｔｉｃ Ｇｒａｄｉｅｎｔ Ｄｅｓｃｅｎｔ，ＳＧＤ）優(yōu)化器進(jìn)行，ｂａｔｃｈ ｓｉｚｅ 設(shè)為１２８，持續(xù)３００ 個(gè)ｅｐｏｃｈ。

２． ２ 與其他目標(biāo)檢測(cè)模型的對(duì)比

２． ２． １ 評(píng)價(jià)指標(biāo)

在本研究中，改進(jìn)的ＹＯＬＯｖ５ｓ 模型與其他模型相比的評(píng)價(jià)指標(biāo)主要基于ＦＰＳ、精度（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、召回率（Ｒｅｃａｌｌ，Ｒ）和平均精度均值（ｍｅａｎ ＡｖｅｒａｇｅＰｒｅｃｉｓｉｏｎ，ｍＡＰ）。ＴＰ、ＦＰ 和ＦＮ 分別是被模型預(yù)測(cè)為正類的正樣本數(shù)、被模型預(yù)測(cè)為正類的負(fù)樣本數(shù)和被模型預(yù)測(cè)為負(fù)類的正樣本數(shù)。此外，本研究還綜合考慮了模型參數(shù)、ＧＦＬＯＰｓ 以及權(quán)重大小。因?yàn)閿?shù)據(jù)中只有一個(gè)類別（玉米雄穗），所以ｎ 為１。ｍＡＰ＠ ０． ５ 表示ＩＯＵ 閾值為０． ５ 時(shí)的平均ｍＡＰ。ｍＡＰ ＠ ０． ５：０． ９５ 表示不同ＩＯＵ 閾值下ｍＡＰ 的平均值（從０． ５ 到０． ９５，步長(zhǎng)為０． ０５）。各個(gè)評(píng)價(jià)指標(biāo)的計(jì)算公式如下：

２． ２． ２ 消融實(shí)驗(yàn)

利用消融實(shí)驗(yàn)來評(píng)估網(wǎng)絡(luò)結(jié)構(gòu)變化的影響。進(jìn)行了４ 組消融實(shí)驗(yàn)，結(jié)果如表１ 所示。在消融實(shí)驗(yàn)中，本文將ＰＰ-ＬＣＮｅｔ 骨干網(wǎng)絡(luò)縮寫為ＰＰ，將ＳｉｍＯＴＡ 縮寫為ＳＯ，將ＳＩＯＵ Ｌｏｓｓ 函數(shù)縮寫為Ｓ，其中△ 代表替換相應(yīng)的模塊。從表１ 可以看出，與ＹＯＬＯｖ５ｓ 相比，ＰＰ-ＹＯＬＯｖ５ｓ 的參數(shù)量、權(quán)重大小和ＧＦＬＯＰｓ 分別降低了５２． ８６％ 、５１． ６４％ 和６１． ４０％ ，ＦＰＳ 提高了４０． ５９％ ，以上提升表明了以ＰＰ-ＬＣＮｅｔ為主干網(wǎng)絡(luò)提取特征實(shí)現(xiàn)了網(wǎng)絡(luò)的輕量化，提高了網(wǎng)絡(luò)檢測(cè)速度。與ＰＰ-ＹＯＬＯｖ５ｓ 相比而言，ＰＰＳＯ-ＹＯＬＯｖ５ｓ 的ｍＡＰ 提高了０． ４％ ，ＦＰＳ 提升了１８． ７，表明了本文采用的ＳｉｍＯＴＡ 標(biāo)簽分配策略不僅提升了模型的檢測(cè)精度，還提升了一定的檢測(cè)速度。與ＰＰＳＯ-ＹＯＬＯｖ５ｓ 比較，ＰＰＳＯＳ-ＹＯＬＯｖ５ｓ 的ｍＡＰ 提升了０． ９％ ，ＦＰＳ 也有一定的提升，這也證實(shí)了ＳＩＯＵＬｏｓｓ 函數(shù)可以有效地提高檢測(cè)精度和速度。綜上所述，與原始ＹＯＬＯｖ５ｓ 模型相比，ＰＰＳＯＳ-ＹＯＬＯｖ５ｓ 的參數(shù)量、模型權(quán)重和ＧＦＬＯＰｓ 分別降低了５２． ８６％ 、５１． ５７％ 和６１． ４０％ ，而ｍＡＰ 提升了０． ６％ ，ＦＰＳ 提升了６５． ５％ 。上述分析表明本文提出的改進(jìn)模型具有較理想的檢測(cè)精度和速度。

圖７ 是ＩＯＵ 閾值為０． ５ 時(shí)的ＰＲ 曲線圖。藍(lán)色曲線與橫縱坐標(biāo)之間的面積表示該類別的平均精度（Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ＡＰ），面積越大，檢測(cè)效果越好?？梢钥闯觯衩仔鬯氲模粒?值為９７． ２％ ，本文提出的模型能夠準(zhǔn)確地檢測(cè)出玉米田中的雄穗。

２． ２． ３ 實(shí)驗(yàn)結(jié)果對(duì)比

為了與基于ＰＰ-ＬＣＮｅｔ 的主干進(jìn)行比較，本研究在網(wǎng)絡(luò)其余部分保持不變的基礎(chǔ)上用一些輕量級(jí)網(wǎng)絡(luò)，例如ＭｏｂｉｌｅＮｅｔｖ３［２２］、ＧｈｓｏｔＮｅｔ［２３］和Ｅｆｆｉｃｉｅｎｔ-Ｎｅｔ［２４］替換掉原來ＹＯＬＯｖ５ｓ 的主干。實(shí)驗(yàn)結(jié)果如表２ 所示，與其他的輕量網(wǎng)絡(luò)相比，在保證精度的基礎(chǔ)上，ＰＰ-ＬＣＮｅｔ 顯著地降低了參數(shù)量和模型的復(fù)雜程度。與此同時(shí)，模型的檢測(cè)速度提升較為理想。

為了驗(yàn)證將ＳＩＯＵ Ｌｏｓｓ 函數(shù)替換掉ＧＩＯＵ Ｌｏｓｓ 的有效性，本文將ＳＩＯＵ Ｌｏｓｓ 函數(shù)應(yīng)用于ＰＳＯ-ＹＯＬＯｖ５ｓ模型中，并與ＣＩＯＵ、ＥＩＯＵ、ＷＩＯＵ 和ＧＩＯＵ 損失函數(shù)進(jìn)行比較。如表３ 所示，ＳＩＯＵ Ｌｏｓｓ 達(dá)到了最大的ｍＡＰ 和最快的檢測(cè)速度，驗(yàn)證了改進(jìn)的有效性。

為了探究提出的ＰＳＯＳ-ＹＯＬＯｖ５ｓ 模型在玉米雄穗數(shù)據(jù)集上的檢測(cè)精度、參數(shù)量、ＦＰＳ 以及權(quán)重大?。?個(gè)評(píng)價(jià)指標(biāo)，本文將其與ＹＯＬＯｖ３、ＹＯＬＯｖ７-ｔｉｎｙ、ＴａｓｓｅｌＬＦＡＮｅｔ 以及ＹＯＬＯｖ５ｓ 四種模型進(jìn)行比較。通過表４ 可以看出，除ＴａｓｓｅｌＬＦＡＮｅｔ 以外，本文提出的改進(jìn)模型的評(píng)價(jià)指標(biāo)表現(xiàn)最佳，雖然ＴａｓｓｅｌＬＦＡＮｅｔ 參數(shù)量和權(quán)重大小比本文提出的模型要小，但是本文改進(jìn)模型在檢測(cè)精度和ＦＰＳ 上表現(xiàn)更佳。本文提出的改進(jìn)模型權(quán)重大小為６． ６５ ＭＢ，參數(shù)數(shù)量?jī)H為３． ３ Ｍ，但是ｍＡＰ＠ ０． ５ 達(dá)到了９７． ２％ ，ＦＰＳ 高達(dá)１２８． ５。

ＰＳＯＳ-ＹＯＬＯｖ５ｓ 與其他４ 個(gè)模型的ｍＡＰ ＠ ０． ５對(duì)比曲線如圖８ 所示，可以看出本文改進(jìn)網(wǎng)絡(luò)由于采用了ＳＩＯＵ Ｌｏｓｓ 損失函數(shù)和ＳｉｍＯＴＡ 的標(biāo)簽匹配策略，收斂速度大大加快，雖然用更輕量化的網(wǎng)絡(luò)替換了主干網(wǎng)絡(luò)，但ｍＡＰ 值依然有提升。

圖９ 展示了５ 個(gè)模型的玉米穗檢測(cè)結(jié)果?？梢钥闯?，本文提出的ＰＳＯＳ-ＹＯＬＯｖ５ｓ 模型，玉米雄穗檢測(cè)的置信度分別為０． ９８ 和０． ９７，明顯高于其余４ 個(gè)模型，充分展現(xiàn)了模型的優(yōu)異檢測(cè)性能。

３ 結(jié)束語(yǔ)

本文提出了一種基于ＹＯＬＯｖ５ｓ 改進(jìn)的輕量化網(wǎng)絡(luò)模型———ＰＳＯＳ-ＹＯＬＯｖ５ｓ，在保證檢測(cè)精度的基礎(chǔ)上，可以顯著提升檢測(cè)速度。該模型利用輕量級(jí)網(wǎng)絡(luò)ＰＰ-ＬＣＮｅｔ 結(jié)構(gòu)作為提取特征的骨干網(wǎng)絡(luò)，明顯降低了模型的參數(shù)量和復(fù)雜度。為了彌補(bǔ)輕量化主干造成的檢測(cè)精度下降，在檢測(cè)頭部分將標(biāo)簽匹配策略換為ＳｉｍＯＴＡ 標(biāo)簽匹配策略，并且將邊界框回歸損失函數(shù)更換為更快、更準(zhǔn)確的ＳＩＯＵ Ｌｏｓｓ。根據(jù)消融和對(duì)比實(shí)驗(yàn)得出的結(jié)果，本文提出的模型在玉米雄穗數(shù)據(jù)集上實(shí)現(xiàn)了ＦＰＳ 高達(dá)１２８． ５，提升了６５． ５％ 。參數(shù)量、模型權(quán)重和ＧＦＬＯＰｓ 分別降低了５２． ８６％ 、５１． ５７％ 和６１． ４０％ ，而ｍＡＰ 提升了０． ６％ 。為以后大規(guī)模玉米雄穗快速檢測(cè)的實(shí)現(xiàn)提供了新的實(shí)用方法。

參考文獻(xiàn)

［１］ ＧＡＧＥ Ｊ Ｌ，ＭＩＬＬＥＲ Ｎ Ｄ，ＳＰＡＬＤＩＮＧ Ｅ Ｐ，ｅｔ ａｌ． ＴＩＰＳ：ＡＳｙｓｔｅｍ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｉｍａｇｅｂａｓｅｄ Ｐｈｅｎｏｔｙｐｉｎｇ ｏｆ ＭａｉｚｅＴａｓｓｅｌｓ ［Ｊ］． Ｐｌａｎｔ Ｍｅｔｈｏｄｓ，２０１７，１３：２１．

［２］ ＨＵＡＮＧ Ｊ Ｘ，Ｇ？ＭＥＺＤＡＮＳ Ｊ Ｌ，ＨＵＡＮＧ Ｈ，ｅｔ ａｌ． Ａｓｓｉｍｉｌａｔｉｏｎ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｉｎｔｏ Ｃｒｏｐ Ｇｒｏｗｔｈ Ｍｏｄｅｌｓ：Ｃｕｒｒｅｎｔ Ｓｔａｔｕｓ ａｎｄ Ｐｅｒｓｐｅｃｔｉｖｅｓ ［Ｊ］． Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄＦｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ，２０１９，２７６－２７７：１０７６０９．

［３］ ＬＵ Ｈ，ＣＡＯ Ｚ Ｇ，ＸＩＡＯ Ｙ，ｅｔ ａｌ． Ｆｉｎｅｇｒａｉｎｅｄ ＭａｉｚｅＴａｓｓｅｌ Ｔｒａｉｔ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｗｉｔｈ Ｍｕｌｔｉｖｉｅｗ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ［Ｊ ］． Ｃｏｍｐｕｔｅｒｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ ｉｎ Ａｇｒｉｃｕｌｔｕｒｅ，２０１５，１１８：１４３－１５８．

［４］ ＹＵ Ｚ Ｈ，ＹＥ Ｊ Ｘ，ＬＩ Ｃ Ｎ，ｅｔ ａｌ． ＴａｓｓｅｌＬＦＡＮｅｔ：Ａ ＮｏｖｅｌＬｉｇｈｔｗｅｉｇｈｔ Ｍｕｌｔｉｂｒａｎｃｈ Ｆｅａｔｕｒｅ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｆｏｒ Ｈｉｇｈｔｈｒｏｕｇｈｐｕｔ Ｉｍａｇｅｂａｓｅｄ Ｍａｉｚｅ Ｔａｓｓｅｌｓ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｃｏｕｎｔｉｎｇ ［Ｊ］． Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｐｌａｎｔ Ｓｃｉｅｎｃｅ，２０２３，１４：１１５８９４０．

［５］ ＧＩＲＳＨＩＣＫ Ｒ，ＤＯＮＡＨＵＥ Ｊ，ＤＡＲＲＥＬＬ Ｔ，ｅｔ ａｌ． ＲｉｃｈＦｅａｔｕｒｅ Ｈｉｅｒａｒｃｈｉｅｓ ｆｏｒ Ａｃｃｕｒａｔｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｓｅｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｃｏｌｕｍｂｕｓ：ＩＥＥＥ，２０１４：５８０－５８７．

［６］ ＧＩＲＳＨＩＣＫ Ｒ． Ｆａｓｔ ＲＣＮＮ ［Ｃ ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓａｎｔｉａｇｏ：ＩＥＥＥ，２０１５：１４４０－１４４８．

［７］ ＲＥＮ Ｓ Ｑ，ＨＥ Ｋ Ｍ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｆａｓｔｅｒ ＲＣＮＮ：Ｔｏｗａｒｄｓ Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ Ｒｅｇｉｏｎ ＰｒｏｐｏｓａｌＮｅｔｗｏｒｋｓ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ＆Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，３９（６）：１１３７－１１４９．

［８］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：ＳｉｎｇｌｅＳｈｏｔ Ｍｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ ［Ｃ］∥ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＣｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．

［９］ ＲＥＤＭＯＮ Ｊ，ＤＩＶＶＡＬＡ Ｓ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｙｏｕ ＯｎｌｙＬｏｏｋ Ｏｎｃｅ：Ｕｎｉｆｉｅｄ，Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄＰａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ：ＩＥＥＥ，２０１６：７７９－７８８．

［１０］ ＷＡＮＧ Ｃ Ｙ，ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＭＡＲＫ Ｈ Ｙ． ＹＯＬＯｖ７：Ｔｒａｉｎａｂｌｅ Ｂａｇｏｆｆｒｅｅｂｉｅｓ Ｓｅｔｓ Ｎｅｗ Ｓｔａｔｅｏｆｔｈｅａｒｔ ｆｏｒＲｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｏｒｓ ［Ｃ ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｖａｎｃｏｕｖｅｒ：ＩＥＥＥ，２０２３：７４６４－７４７５．

［１１］ ＫＨＡＫＩ Ｓ，ＳＡＦＡＥＩ Ｎ，ＰＨＡＭ Ｈ，ｅｔ ａｌ． ＷｈｅａｔＮｅｔ：ＡＬｉｇｈｔｗｅｉｇｈｔ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｆｏｒ Ｈｉｇｈｔｈｒｏｕｇｈｐｕｔ Ｉｍａｇｅｂａｓｅｄ Ｗｈｅａｔ Ｈｅａｄ Ｄｅｔｅｃｔｉｏｎ ａｎｄＣｏｕｎｔｉｎｇ ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０２２，４８９：７８－８９．

［１２］ ＢＵＺＺＹ Ｍ，ＴＨＥＳＭＡ Ｖ，ＤＡＶＯＯＤＩ Ｍ，ｅｔ ａｌ． ＲｅａｌｔｉｍｅＰｌａｎｔ Ｌｅａｆ Ｃｏｕｎｔｉｎｇ Ｕｓｉｎｇ Ｄｅｅｐ Ｏｂｊｅｃｔ ＤｅｔｅｃｔｉｏｎＮｅｔｗｏｒｋｓ［Ｊ］． Ｓｅｎｓｏｒｓ，２０２０，２０（２３）：６８９６．

［１３］ ＹＵ Ｚ Ｈ，ＣＡＯ Ｚ Ｇ，ＷＵ Ｘ，ｅｔ ａｌ． Ａｕｔｏｍａｔｉｃ ＩｍａｇｅｂａｓｅｄＤｅｔｅｃｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ｔｗｏ Ｃｒｉｔｉｃａｌ Ｇｒｏｗｔｈ Ｓｔａｇｅｓ ｏｆＭａｉｚｅ：Ｅｍｅｒｇｅｎｃｅ ａｎｄ Ｔｈｒｅｅｌｅａｆ Ｓｔａｇｅ ［Ｊ］． Ａｇｒｉｃｕｌｔｕｒａｌａｎｄ Ｆｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ，２０１３，１７４－１７５：６５－８４．

［１４］ ＣＵＩ Ｃ，ＧＡＯ Ｔ Ｑ，ＷＥＩ Ｓ Ｙ，ｅｔ ａｌ． ＰＰＬＣＮｅｔ：ＡＬｉｇｈｔｗｅｉｇｈｔ ＣＰＵ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ［ＥＢ ／ＯＬ］． （２０２１ － ０９ － １７）［２０２３ － ０８ － １２］． ｈｔｔｐｓ：∥ ａｒｘｉｖ．ｏｒｇ ／ ａｂｓ ／ ２１０９． １５０９９．

［１５］ ＬＩＮ Ｔ Ｙ，ＤＯＬＬ？Ｒ Ｐ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． ＦｅａｔｕｒｅＰｙｒａｍｉｄ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｈｏｎｏｌｕｌｕ：ＩＥＥＥ，２０１７：９３６－９４４．

［１６］ ＬＩＵ Ｓ，ＱＩ Ｌ，ＱＩＮ Ｈ Ｆ，ｅｔ ａｌ． Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ ｆｏｒＩｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｓａｌｔ Ｌａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：８７５９－８７６８．

［１７］ ＴＡＮ Ｍ， ＬＥ Ｑ Ｖ． ＭｉｘＣｏｎｖ： Ｍｉｘｅｄ ＤｅｐｔｈｗｉｓｅＣｏｎｖｏｌｕｔｉｏｎａｌ Ｋｅｒｎｅｌｓ ［ＥＢ ／ ＯＬ］． （２０１９－０７－２２）［２０２３－０８－１２］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １９０７． ０９５９５．

［１８］ ＧＥ Ｚ，ＬＩＵ Ｓ Ｔ，ＷＡＮＧ Ｆ，ｅｔ ａｌ． ＹＯＬＯＸ：ＥｘｃｅｅｄｉｎｇＹＯＬＯ Ｓｅｒｉｅｓ ｉｎ ２０２１ ［ＥＢ ／ ＯＬ］． （２０２１－０７－１８）［２０２３－０８－１２］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２１０７． ０８４３０．

［１９］ ＧＥ Ｚ，ＬＩＵ Ｓ Ｔ，ＬＩ Ｚ Ｍ，ｅｔ ａｌ． ＯＴＡ：Ｏｐｔｉｍａｌ Ｔｒａｎｓｐｏｒｔ Ａｓｓｉｇｎｍｅｎｔ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｎａｓｈｖｉｌｌｅ：ＩＥＥＥ，２０２１：３０３－３１２．

［２０］ ＲＥＺＡＴＯＦＩＧＨＩ Ｈ，ＴＳＯＩ Ｎ，ＧＷＡＫ Ｊ，ｅｔ ａｌ． ＧｅｎｅｒａｌｉｚｅｄＩｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ：Ａ Ｍｅｔｒｉｃ ａｎｄ ａ Ｌｏｓｓ ｆｏｒ ＢｏｕｎｄｉｎｇＢｏｘ Ｒｅｇｒｅｓｓｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． ＬｏｎｇＢｅａｃｈ：ＩＥＥＥ，２０１９：６５８－６６６．

［２１］ ＧＥＶＯＲＧＹＡＮ Ｚ． ＳＩｏＵ Ｌｏｓｓ：Ｍｏｒｅ Ｐｏｗｅｒｆｕｌ Ｌｅａｒｎｉｎｇ ｆｏｒＢｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ ［ＥＢ ／ ＯＬ］． （２０２２ － ０８ － ２５ ）［２０２３－０９－０１］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０５． １２７４０．

［２２］ ＨＯＷＡＲＤ Ａ，ＳＡＮＤＬＥＲ Ｍ，ＣＨＥＮ Ｂ，ｅｔ ａｌ． Ｓｅａｒｃｈｉｎｇ ｆｏｒＭｏｂｉｌｅＮｅｔＶ３［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓｅｏｕｌ：ＩＥＥＥ，２０１９：１３１４－１３２４．

［２３］ ＨＡＮ Ｋ，ＷＡＮＧ Ｙ Ｈ，ＴＩＡＮ Ｑ，ｅｔ ａｌ． ＧｈｏｓｔＮｅｔ：Ｍｏｒｅ Ｆｅａｔｕｒｅｓ ｆｒｏｍ Ｃｈｅａｐ Ｏｐｅｒａｔｉｏｎｓ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１５７７－１５８６．

［２４］ ＴＡＮ Ｍ Ｘ，ＰＡＮＧ Ｒ Ｍ，ＬＥ Ｑ Ｖ． ＥｆｆｉｃｉｅｎｔＤｅｔ：Ｓｃａｌａｂｌｅａｎｄ Ｅｆｆｉｃｉｅｎｔ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１０７７８－１０７８７．

作者簡(jiǎn)介

胡 陣 男，（１９９９—），碩士研究生。主要研究方向：目標(biāo)檢測(cè)、多源遙感數(shù)據(jù)融合。

馬宗軍 男，（１９９７—），碩士研究生。主要研究方向：控制工程。

黃傳寶 男，（１９９８—），碩士研究生。主要研究方向：計(jì)算機(jī)視覺、語(yǔ)音情感識(shí)別。

趙景波 男，（１９７１—），博士，教授。主要研究方向：機(jī)器人工程、計(jì)算機(jī)控制。

唐勇偉 男，（１９９１—），博士研究生，助理研究員。主要研究方向：工業(yè)物聯(lián)網(wǎng)、智能感知和控制等。

（*通信作者）郝鳳琦 男，（１９７９—），碩士，副研究員。主要研究方向：網(wǎng)絡(luò)協(xié)議、人工智能和嵌入式系統(tǒng)等。

基金項(xiàng)目：山東省科技型中小企業(yè)創(chuàng)新能力提升工程項(xiàng)目（２０２３ＴＳＧＣ０１１１，２０２３ＴＳＧＣ０５８７）；青島市民生計(jì)劃（２２-３-７-ｘｄｎｙ-１８-ｎｓｈ）；山東省重點(diǎn)研發(fā)計(jì)劃（軟科學(xué)項(xiàng)目）（２０２３ＲＺＡ０２０１７）；山東省重大科技創(chuàng)新工程項(xiàng)目（２０１９ＪＺＺＹ０２０６０３）