摘 要：針對(duì)無(wú)人機(jī)嵌入式平臺(tái)計(jì)算資源受限的挑戰(zhàn)，為實(shí)現(xiàn)高準(zhǔn)確率和輕量化的實(shí)時(shí)無(wú)人機(jī)航拍目標(biāo)檢測(cè)，提出了改進(jìn)ＹＯＬＯｖ８ 的輕量級(jí)航拍目標(biāo)檢測(cè)算法。引入分離增強(qiáng)注意力模塊（Ｓｅｐａｒａｔｅｄ ａｎｄ Ｅｎｈａｎｃｅｍｅｎｔ Ａｔｔｅｎｔｉｏｎ Ｍｏｄｕｌｅ，ＳＥＡＭ） 緩解航拍圖像中的目標(biāo)遮擋問(wèn)題；增設(shè)針對(duì)小目標(biāo)的檢測(cè)層，提高小目標(biāo)的檢測(cè)精度；將Ｇｈｏｓｔ 模塊融入Ｃ２ｆ 模塊，形成Ｃ２ｆＧｈｏｓｔ 模塊，顯著降低了模型參數(shù)量；對(duì)改進(jìn)網(wǎng)絡(luò)進(jìn)行全局通道剪枝，在保證檢測(cè)準(zhǔn)確率的同時(shí)進(jìn)一步壓縮模型參數(shù)量；將剪枝后的模型部署于Ｊｅｔｓｏｎ Ｘａｖｉｅｒ ＮＸ 嵌入式平臺(tái)，使用ＴｅｎｓｏｒＲＴ 加速模型推理。在ＶｉｓＤｒｏｎｅ２０１９ 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，綜合指標(biāo)超越了對(duì)比算法，平均檢測(cè)精度達(dá)到５３． ６％ ，提升了４． １％ ，模型參數(shù)量和計(jì)算量分別減少８８． ４％ 和５０． １％ ，在嵌入式平臺(tái)上檢測(cè)速度為２４． １７ 幀／ 秒，驗(yàn)證了該方法的有效性。

關(guān)鍵詞：目標(biāo)檢測(cè)；航拍圖像；ＹＯＬＯｖ８；模型剪枝；ＴｅｎｓｏｒＲＴ 加速

中圖分類號(hào)：ＴＰ３９１． ４ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１２－２８８０－０８

０ 引言

隨著無(wú)人機(jī)技術(shù)的快速發(fā)展，無(wú)人機(jī)航拍在民用監(jiān)控、災(zāi)害評(píng)估和偵察等領(lǐng)域得到了廣泛應(yīng)用。在這些應(yīng)用中，目標(biāo)檢測(cè)作為關(guān)鍵技術(shù)之一，對(duì)于實(shí)現(xiàn)無(wú)人機(jī)航拍的智能化和自動(dòng)化至關(guān)重要。目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)的經(jīng)典任務(wù)，旨在定位圖像中存在物體的位置并識(shí)別物體的具體類別［１］。然而，由于小目標(biāo)本身尺度小，在圖像中所含信息量較少，容易造成目標(biāo)模糊、細(xì)節(jié)特征不明顯，制約著小目標(biāo)檢測(cè)性能的進(jìn)一步發(fā)展［２］。

早期的研究主要集中在傳統(tǒng)的圖像處理技術(shù)上，如背景減除、幀間差分、光流法等。這些方法在簡(jiǎn)單場(chǎng)景下取得了一定的效果，但在復(fù)雜背景下，由于光照變化、目標(biāo)遮擋等因素的影響，檢測(cè)性能往往受到限制。

隨著深度學(xué)習(xí)技術(shù)的迅速崛起，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在無(wú)人機(jī)航拍領(lǐng)域取得了令人矚目的成果。目前，主流的目標(biāo)檢測(cè)策略主要分為ＴｗｏＳｔａｇｅ 和ＯｎｅＳｔａｇｅ 兩大類。ＴｗｏＳｔａｇｅ 策略以區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Ｒｅｇｉｏｎｂａｓｅｄ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＲＣＮＮ）［３］系列為代表，首先，生成一系列候選框，隨后利用卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＣＮＮ）進(jìn)行分類和回歸來(lái)完成目標(biāo)檢測(cè)任務(wù)。

為了提高檢測(cè)效率，Ｆａｓｔ ＲＣＮＮ［４］和Ｆａｓｔｅｒ ＲＣＮＮ［５］等優(yōu)化算法也相繼問(wèn)世，它們?cè)诒３謾z測(cè)精度的同時(shí)，顯著提升了檢測(cè)速度。Ｍｉｔｔａｌ 等［６］提出一種高效的特征金字塔網(wǎng)絡(luò)對(duì)Ｃａｓｃａｄｅ ＲＣＮＮ 進(jìn)行改進(jìn)，提高網(wǎng)絡(luò)對(duì)小尺寸和各種尺度的物體的檢測(cè)能力。

ＯｎｅＳｔａｇｅ 策略則以ＹＯＬＯ 系列為代表，摒棄了復(fù)雜的候選框生成過(guò)程，直接在單次前向傳播中同時(shí)完成目標(biāo)的分類和定位任務(wù)，具有更快的檢測(cè)速度。從２０１６ 年的ＹＯＬＯｖ１［７］到２０２３ 年的ＹＯＬＯｖ８［８］，該系列算法高速迭代更新，不僅大幅提高了預(yù)測(cè)準(zhǔn)確率，還提升了速度。韓俊等［９］構(gòu)造了多尺度特征提取模塊ＬＭｆｅｍ 和混合域注意力模塊ＳＥＣＡ，增強(qiáng)了ＹＯＬＯｖ５ 的特征提取能力。劉展威等［１０］添加小目標(biāo)檢測(cè)層和ＢｉＦＰＮ 結(jié)構(gòu)，提升了ＹＯＬＯｖ５ 對(duì)小目標(biāo)的檢測(cè)精度。Ｌｉｕ 等［１１］提出了ＥｄｇｅＹＯＬＯ 框架，提出了一種更輕、更高效的解耦頭，可部署在邊緣計(jì)算平臺(tái)。

與此同時(shí)，為了在嵌入式邊緣設(shè)備和移動(dòng)設(shè)備上實(shí)現(xiàn)更優(yōu)的實(shí)時(shí)性能，研究人員提出了諸如ＭｏｂｉｌｅＮｅｔ［１２－１４］、ＳｈｕｆｆｌｅＮｅｔ［１５］和ＧｈｏｓｔＮｅｔ［１６］等輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)。Ｌｅｅ 等提出基于幅度的層自適應(yīng)剪枝（Ｌａｙｅｒａｄａｐｔｉｖｅ Ｍａｇｎｉｔｕｄｅｂａｓｅｄ Ｐｒｕｎｉｎｇ，ＬＡＭＰ）［１７］算法，通過(guò)引入基于層自適應(yīng)幅值的剪枝分?jǐn)?shù)來(lái)減少權(quán)重，進(jìn)一步降低模型參數(shù)量和計(jì)算量。通過(guò)ＴｅｎｓｏｒＲＴ 等高性能深度學(xué)習(xí)推理框架，可以在保證精度的情況下實(shí)現(xiàn)推理加速。

然而，盡管基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在無(wú)人機(jī)航拍目標(biāo)檢測(cè)領(lǐng)域取得了顯著進(jìn)展，但依舊不能在保證高檢測(cè)精度的同時(shí)滿足實(shí)時(shí)性的要求，因此本文提出了一種改進(jìn)ＹＯＬＯｖ８ 的輕量級(jí)航拍目標(biāo)檢測(cè)算法。具體改進(jìn)包括：① 在網(wǎng)絡(luò)Ｎｅｃｋ 與Ｈｅａｄ之間加入分離增強(qiáng)注意力模塊（Ｓｅｐａｒａｔｅｄ ａｎｄ Ｅｎｈａｎｃｅｍｅｎｔ Ａｔｔｅｎｔｉｏｎ Ｍｏｄｕｌｅ，ＳＥＡＭ），增強(qiáng)網(wǎng)絡(luò)對(duì)遮擋情況的檢測(cè)能力；② 增加針對(duì)小目標(biāo)的Ｐ２ 檢測(cè)層，并去除Ｐ５ 檢測(cè)層；③ 使用Ｇｈｏｓｔ ＢｏｔｔｌｅＮｅｃｋ 對(duì)Ｃ２ｆ 模塊進(jìn)行改進(jìn)，減少模型參數(shù)和計(jì)算量；④ 對(duì)改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行全局通道剪枝，進(jìn)一步壓縮模型；⑤ 在ＮＶＩＤＩＡ Ｊｅｔｓｏｎ Ｘａｖｉｅｒ ＮＸ 嵌入式平臺(tái)上部署剪枝后的模型，并使用ＴｅｎｓｏｒＲＴ 推理加速。實(shí)驗(yàn)證明，本文提出的改進(jìn)方法滿足高檢測(cè)精度和實(shí)時(shí)性的要求，能實(shí)時(shí)運(yùn)行在嵌入式邊緣設(shè)備上，具有實(shí)際應(yīng)用價(jià)值。

１ ＹＯＬＯｖ８ 算法

ＹＯＬＯｖ８ 是目前最新版本的ＹＯＬＯ 目標(biāo)檢測(cè)模型，與之前版本的架構(gòu)保持相同，包括輸入、Ｂａｃｋｂｏｎｅ、Ｎｅｃｋ 和Ｈｅａｄ 四部分，并基于縮放系數(shù)提供了Ｎ ／ Ｓ ／ Ｍ ／ Ｌ ／ Ｘ 不同尺度的模型，以滿足多樣的應(yīng)用場(chǎng)景需求。

Ｉｎｐｕｔ 部分對(duì)輸入圖像進(jìn)行Ｍｏｓａｉｃ 數(shù)據(jù)增強(qiáng)和尺寸自適應(yīng)縮放等預(yù)處理后，輸入到Ｂａｃｋｂｏｎｅ 模塊。Ｂａｃｋｂｏｎｅ 主要負(fù)責(zé)將輸入的圖像轉(zhuǎn)換為具有語(yǔ)義信息的特征圖，用于后續(xù)的識(shí)別任務(wù)。Ｎｅｃｋ 部分依舊采用了ＰＡＮＦＰＮ 結(jié)構(gòu)進(jìn)行多尺度特征融合，將底層具有豐富輪廓等信息的特征圖與高層具有豐富語(yǔ)義信息的特征圖相融合，最終輸出８０ ｐｉｘｅｌ ×８０ ｐｉｘｅｌ、４０ ｐｉｘｅｌ×４０ ｐｉｘｅｌ、２０ ｐｉｘｅｌ×２０ ｐｉｘｅｌ 三種不同尺度的特征圖，用以分別預(yù)測(cè)小、中、大３ 種目標(biāo)。在Ｂａｃｋｂｏｎｅ 和Ｎｅｃｋ 部分，采用了梯度流更豐富的Ｃ２ｆ 結(jié)構(gòu)替代了ＹＯＬＯｖ５ 的Ｃ３ 結(jié)構(gòu)。Ｈｅａｄ 部分，ＹＯＬＯｖ８ 采用了解耦頭結(jié)構(gòu)，負(fù)責(zé)將Ｎｅｃｋ 部分輸出的特征進(jìn)行解耦，得到目標(biāo)的類別和位置信息。

對(duì)于無(wú)人機(jī)航拍圖像場(chǎng)景，ＹＯＬＯｖ８Ｎ 與Ｓ 模型較輕量，但是檢測(cè)精度低，而Ｌ 和Ｘ 尺度的模型太大，不適合部署在嵌入式邊緣設(shè)備。因此本文基于ＹＯＬＯｖ８Ｍ 模型，進(jìn)一步提升其檢測(cè)精度，并壓縮了模型參數(shù)。

２ 改進(jìn)ＹＯＬＯｖ８ 算法

無(wú)人機(jī)航拍圖像中小目標(biāo)實(shí)例多、尺寸變化大且目標(biāo)之間存在遮擋等問(wèn)題，導(dǎo)致檢測(cè)精度低，因此本文提出改進(jìn)ＹＯＬＯｖ８ 算法，其網(wǎng)絡(luò)架構(gòu)如圖１ 所示。主要包括以下改進(jìn)策略：為減輕目標(biāo)遮擋帶來(lái)的問(wèn)題，在Ｎｅｃｋ 后面加入ＳＥＡＭ；增加針對(duì)小目標(biāo)的Ｐ２ 檢測(cè)層，增大特征圖分辨率，進(jìn)而提升小目標(biāo)的檢測(cè)精度；使用輕量的Ｇｈｏｓｔ ＢｏｔｔｌｅＮｅｃｋ 優(yōu)化Ｃ２ｆ模塊，減小模型參數(shù)量和計(jì)算量；最后對(duì)改進(jìn)后網(wǎng)絡(luò)進(jìn)行剪枝和嵌入式部署。