基于MaskR-CNN網絡的農田地塊識別

史寶坤 李欣 魏春燕 安子湉 杜兵戈

摘 ?要：人工智能是計算機領域研究的熱門方向，而深度學習作為其中的一個核心領域更是吸引了眾多學者投入研究。同時我國作為一個傳統的農業大國，土地是一種極其重要的資源。因此如何運用深度學習技術讓土地資源的使用更加合理有效極其重要。基于此，文章對卷積神經網絡的發展和Mask R-CNN算法的基本原理進行了研究，并使用Mask R-CNN算法對農田的高分辨率遙感圖像進行識別，將農田中的每一個地塊識別出來，以實現對農田地塊的合理利用。

關鍵詞：計算機視覺;卷積神經網絡;人工智能

中圖分類號：TP391.4;TP183 ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）04-0025-03

Abstract：Artificial intelligence is a hot research direction in the field of computer，and deep learning as one of the core areas attracts many scholars to study. At the same time，as a traditional agricultural country，land is an extremely important resource. Therefore，how to use deep learning technology to make the use of land resources more reasonable and effective is extremely important. Based on this，this paper studies the development of convolution neural network and the basic principle of Mask R-CNN algorithm，and uses Mask R-CNN algorithm to recognize the high-resolution remote sensing image of farmland，and recognizes every plot in farmland，so as to realize the reasonable use of farmland plot.

Keywords：computer vision;convolutional neural network;artificial intelligence

0 ?引 ?言

卷積神經網絡是深度學習中的重要網絡結構。在卷積神經網絡發展的早期，由于缺乏大量數據的支持，導致了卷積神經網絡的發展受到了限制，很難產生理想的結果。而隨著計算機水平的發展以及COCO數據集等大規模數據集的出現打破了這種限制，有關卷積神經網絡的研究也大規模地進行。而近十幾年，我國的農業信息化、智慧化水平不斷提高。筆者作為農業院校的計算機專業以及應用數學專業的本科在讀學生，運用互聯網技術尤其是深度學習技術解決農業中出現的問題已經成為主要的研究學習方向。眾所周知，傳統的神經網絡雖然可以提取高分辨率遙感衛星圖片的特征，但適用性和識別結果都不理想。隨著神經網絡的進一步發展，卷積神經網絡可以提取到更深的特征，其中Mask R-CNN作為一種簡單易于理解且精度高的網絡已經成為主流的實例分割網絡，適用于遙感圖片的識別，有著很好的適用性和通用性。

1 ?Mask R-CNN算法的簡要介紹

Mask R-CNN作為一種精確的卷積神經網絡，其在Fast-RCNN上加入一個Mask分支，并創造性地提出了RoIAlign，替換Fast R-CNN網絡中的RolPooling。我們可以將其分為三個部分，第一部分對特征進行提取，第二部分進行候選框的處理，第三部分輸出結果。三種可供選擇的結果是覆蓋目標的Mask，候選框的位置和候選框內物體的分類。如圖1是Mask R-CNN的網絡結構。

1.1 ?ResNet

進行神經網絡的訓練時，大量的實驗告訴我們并不是網絡的深度越深結構越復雜所得到的結果越好。在網絡結構不斷加深的過程中，梯度下降和梯度爆炸問題難以避免，反而會致使學習的效果下降，為了解決這個問題，2015年由何凱明等人提出了深度殘差網絡（Deep Residual Network，ResNet）[1]。ResNet網絡結構中常見的是兩層及三層的殘差學習模塊，兩層的殘差網絡中將兩個3×3的卷積網絡串聯在一起，三層的殘差網絡中將1×1、3×3、1×1的3個卷積網絡串聯在一起。該網絡的創新點是加入了一個直連的通道，進行增量學習，該次的結果為上一次結果與最新學習的部分之和，從而簡化了學習目標，提高了網絡的學習能力。

1.2 ?FPN

FPN作為該網絡中重要的一部分，是一個特征金字塔結構。通過該結構可以彌補Fast R-CNN物體檢測算法在處理多尺度變化問題的不足。我們可以將該結構主要分為三部分，一部分自底向上進行，每向上進行一次，分辨率的大小減少為上一次的四分之一，通道數增加為原來的二倍。另一部分自上向下，使用雙線性插值的方法進行上采樣，將分辨率擴大為上一層的四倍，通道數不變。另外該結構中還有一個側向鏈接，該鏈接主要用1×1的卷積使自底向上每一階段的圖片的通道數與自上向下產生圖片的通道數相同，以進行融合。然后經過3×3的卷積減少上采樣的重疊效果，最后輸出Feature Maps，其結構如圖2所示。

1.3 ?RPN

Mask R-CNN算法的RPN層，主要進行三部分的工作：在第一部分工作中RPN網絡依靠一個在共享特征圖片上滑動的窗口，在每一個點生成不同比例不同大小的邊框，并對邊框進行修正，去掉超過邊界的過大的或者過小的邊框，這些邊框可以將整個Feature Maps進行覆蓋;第二部分計算邊框的得分，并選取一定數量的目標得分高的邊框;在第三部分，計算損失函數Loss。要選取合適的錨點計算損失函數。在這一過程中要先給錨點打標簽。如果一個錨點與Ground Truth的IoU在0.3以下，那么這個錨點就算是背景，我們將其錨點的標簽置為0。另外，1為含有目標的錨點標簽，-1為不采納的錨點標簽。然后隨機選取一定比例一定數量的錨點，以這些錨點為基礎計算損失函數。

1.4 ?RoIAlign

Mask R-CNN算法中對RoIPooling進行了改進。在RoI-Pooling中直接通過四舍五入取整得到的結果與原圖的輸出存在誤差，導致識別結果不準確。而在Mask R-CNN算法中不再使用量化操作，剔除了RoIPooling的取整操作，取而代之的是雙線性插值技術，將特征聚集過程轉換為一個連續過程，形成了新的技術RoIAlign。最后將處理到同一尺度的結果，傳入后面的網絡。該方法有效地減少了量化操作中所帶來的誤差，使得結果更加的準確。

1.5 ?輸出結果

最后使用一個簡單的全連接網絡前加一個Head，將RoIAlign的輸出緯度擴大，更加精準地獲得Mask分支;進行邊框回歸得到Coordinates;使用Softmax分類算法得到Category。在該分類算法中，識別的結果接近哪個類別，那么哪一類的值就接近1。

2 ?基于PyTorch的Mask R-CNN識別地塊

2.1 ?訓練數據的準備

在進行正式的訓練之前我們需要準備好數據集。本文選取了510張遙感衛星圖片，并使用標注工具LabelMe對每一張圖片的地塊進行精準標注。但由于人工標注容易出錯，會使訓練結果產生誤差。標注完成后每一張圖片都會生成一個JSON文件，但是該類型的JSON文件并不能夠進行直接使用，我們還需要進行JSON文件的格式轉換，將其轉換為COCO數據集格式的JSON文件，到此我們就完成了數據的準備工作。隨后我們將準備好的圖片和其所對應的JSON文件分為兩組，一組為410張，進行訓練，另一組為100張，進行驗證。我們使用一塊4G的GeForce GTX 1080 Ti顯卡，迭代40 000次，總共訓練時長約12 h。

2.2 ?訓練效果的評價

3 ?結 ?論

各式各樣的卷積神經網絡推動著深度學習不斷向前發展。作為卷積神經網絡中的一個主流實例分割算法，Mask R-CNN在目標檢測、人體姿態識別方面都有著很好的效果，靈活且易于掌握。本文中用Mask R-CNN進行網絡訓練和識別地塊的效果較好，但在地塊邊緣仍存在識別不精準的情況。對此，可以擴大訓練集的數量以及提高人工標注的準確度來取得更好的識別效果。

參考文獻：

[1] 陳建廷，向陽.深度神經網絡訓練中梯度不穩定現象研究綜述 [J].軟件學報，2018，29（7）：2071-2091.

[2] HE K M，ZHANG X Y，REN S Q，et al. Deep residual learning for image recognition [C]//IEEE Conference on Computer Vision and Pattern Recognition，2016：770-778.

作者簡介：史寶坤（1998-），男，漢族，河北承德人，本科在讀，研究方向：計算機科學;李欣（1999-），男，漢族，河北保定人，本科在讀，研究方向：軟件工程;魏春燕（1999-），女，漢族，河北石家莊人，本科在讀，研究方向：電子信息科學與技術;安子湉（2000-），女，漢族，河北保定人，本科在讀，研究方向：電子信息科學與技術;杜兵戈（2001-），女，漢族，河北石家莊人，本科在讀，研究方向：數學與應用數學。