基于改進SSD 框架的遙感影像飛機目標檢測方法*

王 冰，周 焰，張懷念，趙 凱

（空軍預警學院預警情報系，武漢 430019）

0 引言

遙感影像飛機目標檢測能夠通過獲取地面飛機動態信息，為后續的空中目標識別提供情報，在軍事與民用領域有廣泛應用。近年來，深度學習依靠強大的自動提取特征能力，成為處理飛機目標檢測問題的重要途徑。文獻［1-3］基于深度卷積神經網絡完成圖像特征的自動提取與目標檢測，能夠較為準確地檢測到飛機目標。

目前基于深度學習的飛機目標檢測方法主要有兩類。第1 類方法的代表為Faster R-CNN［4］、SPP-Net［5］等，這類方法的檢測精度較高，但必須將候選框輸入CNN 中再檢測，導致檢測速度較慢。第2 類方法的代表為YOLO［6］（You Only Look Once）、單一目標多尺度檢測框架［7］（Single Shot MultiBox Detector，SSD）等，它的思想是利用深度卷積神經網絡提取圖像特征后，將特征圖均勻分割成網格，在網格上使用候選框檢測目標。由于減少了輸入候選框到CNN 中再檢測的環節，SSD 方法的檢測速度相對較高，是飛機目標檢測的首選框架，但存在的問題是對不同目標的特征提取無差異，未針對飛機目標的特征與尺寸設計網絡。

針對以上的問題，設計并構建了飛機目標Inception 網絡（AFInceptionNet）以及飛機目標候選框生成網絡（Aircraft Target Region Proposal Network，AFRPN）。用以上網絡改進SSD 檢測框架，提出了AFSSD 飛機目標檢測方法。

1 SSD 檢測框架

SSD 檢測框架是一種可以一次檢測多個目標的檢測模型，主要由特征提取網絡、候選框生成網絡這兩部分組成。在模型的訓練與檢測時，將圖像輸入到模型中，特征提取網絡提取圖像的特征圖并傳遞給候選框生成網絡，后者直接在特征圖上完成候選框的訓練與檢測，舍棄了再將候選框輸入到CNN中訓練與檢測的過程。所以SSD 框架大大提升了檢測的速度。

SSD 框架獲取大于IOU 閾值的候選框，通過非極大值抑制，得到可信度分數最高的候選框作為檢測結果。

在訓練階段，需依據交并比與人工標注的真值框進行匹配，并將候選框劃分為正樣本與負樣本兩類，為訓練檢測框架做準備。匹配過程包括3 個階段：1）依次判斷與每個真值框具有最大交并比的候選框，即是否大于SSD 檢測框架所設定的IOU 閾值。若滿足此判斷條件，則劃分到正樣本類別中，并將其與該真值框匹配；2）將階段1）中未匹配的候選框，通過階段1）的再次篩選，直到剩余的候選框全部小于IOU 閾值；3）將未匹配的候選框劃分到負樣本的類別中。

在得到正、負樣本后，SSD 檢測框架依據最小化損失函數的原則，訓練候選框。在綜合了可信度分數損失函數與候選框位置的損失函數后，總損失函數為：

圖1 SSD 檢測框架的結構

2 AFSSD 檢測方法

2.1 檢測方法的結構

圖2 AFSSD 檢測方法的結構示意圖

2.2 飛機目標特征提取網絡

視覺模式是計算機視覺領域中圖像所表達的場景或者具體對象，不同的卷積神經網絡的特征圖對應不同的視覺模式。本文將梯度下降應用于卷積神經網絡（CNN）輸入圖像的值，然后利用VGG16［8］與InceptionV3 網絡［9］對卷積神經網絡的過濾器進行可視化［10］，得到使卷積層特征圖具有最大響應的視覺模式。

圖3 使卷積神經網絡不同卷積層的特征圖得到最大響應的視覺模式

圖3 給出了使不同卷積層的特征圖得到最大響應的視覺模式。分析圖3 可以看出：CNN 的1-4層卷積層對應顏色特征、簡單的邊緣紋理特征，如自然圖像中的條紋、波浪、斑點、裂痕等；緊隨連接LeNet-5 結構的卷積層對應的是眼睛、羽毛、鱗片、樹枝、葉片、稻田、耕地等特征；在之后連接Inception結構對應的是具有對稱性的目標，且目標周圍是與其形成反差的背景，如地面、機場跑道等。

雖然飛機目標的外形輪廓較為復雜，但組成飛機的各個部分的幾何特點較為簡單。飛機以機身為對稱軸，左右兩翼對稱地分布于機身兩側，具有較好的對稱性。

依據CNN 卷積層特征圖具有最大響應的視覺模式以及飛機目標的幾何特征，設計AFInception-Net 飛機目標特征提取網絡，專門提取遙感影像中飛機目標的特征。該AFInceptionNet 網絡由C1～C3層、C4～C6 層、P1～P2 層和5 個Inception 層I1～I5 組成。其中，C1～C3、C4～C6 層主要提取機場場景中的顏色與紋理特征，P1～P2 層起到降維的作用，I1～I5層用來提取在機場的多種邊緣、紋理特征中具有對稱性的飛機目標的特征。AFInceptionNet 網絡的結構及具體參數如下頁圖4 所示，參數為該層特征圖的長、寬、通道數。

2.3 飛機目標候選框生成網絡

首先基于K-均值方法［11］對飛機尺寸聚類，將得到的聚類中心作為代表性的飛機尺寸，然后優化SSD 檢測框架中候選框長寬比的設定，并將代表性的飛機尺寸作為優化后的候選框，建立AFRPN 飛機目標候選框生成網絡。

圖4 AFInceptionNet 網絡的結構

2.3.1 K-均值對飛機尺寸聚類

圖5 原始飛機目標尺寸分布

圖6 K-均值聚類后飛機目標尺寸分布

表1 具有代表性的飛機目標尺寸與比例

2.3.2 優化候選框

圖7、圖8 分別給出了真值框與AFRPN 候選框生成網絡生成候選框的過程。如圖8 所示，在訓練與檢測階段，AFRPN 在圖像上遍歷地產生5 種候選框，實現對不同尺寸飛機目標的有效檢測。

圖7 標注了真值框的飛機目標

圖8 生成不同尺寸候選框的示意圖

3 仿真實驗

實驗選取了DOTA 數據集［12］與NWPU VHR-10數據集［13］中包含飛機的影像，經過裁剪與旋轉后構建了用于訓練的飛機目標檢測數據集。數據集共包含遙感影像1 000 張、飛機對象2 967 個。RSODDataset 數據集［14］作為測試數據。訓練和測試所用的硬件為NVIDIA GEFORCE GTX 1 050 GPU，內存為12.0 GB，深度學習框架為TensorFlow。訓練的優化方式為隨機梯度下降法，學習率為0.004，動量為0.95，權值衰減為0.000 04，每次處理2 幅影像，最大迭代次數為10 000 次。

為考察AFSSD 的檢測性能，設被正確分類的飛機目標為TP，未被正確分類的飛機目標為FP，被誤分為飛機目標的背景為FN，被正確分類的背景為TN。則召回率與準確率之間關系的計算公式為

圖9、圖10 給出運用AFSSD 與其他4 種檢測方法得到的“準確率-召回率”曲線、“虛警率-召回率”曲線。由圖9、圖10 可知，在相同的召回率的條件下，AFSSD 飛機檢測方法具有更高準確率以及更低的虛警率。

圖9 5 種檢測方法的“準確率-召回率”曲線

圖10 5 種檢測方法的“虛警率-召回率”曲線

表2 候選框設計對檢測精度的影響

4 結論

為了解決SSD 檢測框架對不同目標的特征提取無差異的問題，本文首先基于使卷積神經網絡的特征圖得到最大響應的視覺模式，結合遙感影像中飛機目標的幾何特征，建立了AFInceptionNet 飛機目標特征提取網絡；然后使用K-均值方法對飛機尺寸聚類，將聚類中心作為代表性的飛機目標尺寸，構建了AFRPN 飛機目標候候選框生成網絡；用AFInceptionNet 與AFRPN 改進SSD 檢測框架，提出了AFSSD 飛機目標檢測方法。針對該方法的檢測性能開展對比實驗，仿真結果表明，該候選框生成網絡能夠有效檢測不同尺寸的飛機目標；該檢測方法可以準確地檢測出遙感影像中的飛機目標，并且相比于SSD 檢測框架提高了檢測精度，為下一步的飛機目標類型識別提供了解決思路。

圖11 5 種檢測方法的檢測結果