基于卷積神經網絡的AUV水下識別算法設計與實現

李 昱，王俊雄

(上海交通大學，上海 201100)

0 引 言

由于自主式水下機器人（AUV）在海事研究和海洋開發中具有遠大前景，在未來水下信息獲取、精確打擊和“非對稱情報戰”中也有廣泛應用，因此自主式水下機器人技術在世界各國都是一個重要和積極的研發領域[1]。AUV導航系統一直是近幾年的研究重點，AUV需要通過導航系統實現高精度自主導航。AUV基本慣性導航系統一般采用捷聯式慣導，由于AUV特殊的工作環境限制和慣性器件產生的固有漂移誤差，單一的導航設備無法滿足AUV長期高精度導航的需求，需要采用組合導航系統。AUV在遠距離端一般采用水聲引導的方法，或者采用慣性導航系統和多普勒速度計程儀組合導航的方法接近目標物，AUV對遠距離端導航精度要求并不高，而近距離端導航定位才是AUV進行水下目標探測的關鍵[2]。目前，用于水下測量的傳感器有：慣性導航傳感器、聲吶傳感器和視覺傳感器等。其中，慣性導航傳感器測出的是水下機器人的相對位置，由于累計誤差的產生，其精度會隨著時間的推移而下降，一般應用于水下的遠距離端導航；聲吶傳感器分為長基線、短基線和超短基線等類型，但其測量精度較差，不適用于復雜的水下環境。視覺傳感器是近幾年興起的傳感器，其成本低，體積小、運動方式靈活，適用于局部的精確定位，是近幾年來各國的重點研究方向。AUV的水下視覺引導一般是通過攝像機來獲取目標物信息，從而進行目標物識別與測距定位[3]。

圖1 卷積神經網絡網格圖Fig.1 Convolution neural network grid

水下目標自動識別是目前水下識別技術的主要研究領域，如何對圖像進行特征提取是目標識別的重點研究內容。基于深度學習的發展，卷積神經網絡廣泛應用于物體檢測、動作識別、圖像分類識別等領域，能有效提取特征，性能遠遠優于傳統方法[4]。基于卷積神經網絡的視覺導航系統能夠使AUV對目標觀測物進行自主識別，大幅提升AUV的圖像特征提取和圖像識別能力，實現近距離對目標物的精準定位[5-6]。

1 卷積神經網絡設計

本文采用卷積神經網絡對矩形木框和三角形木框進行分類，數據集來自水下對三角形木框和矩形木框的圖像采集，采用1 340個大小為1 0 0×100的RGB圖像，在此基礎上設計卷積神經網絡網格圖如圖1所示。

本文設計的卷積神經網絡共有9層，有關矩形木框和三角形木框識別的詳細過程如下：

1）輸入層

利用雙線性插值算法對原始輸入圖像進行縮放處理，把圖像大小縮放為1 0 0×100。

2）Conv1-Relu1層

Conv1-Relu1層是一個特征提取層，利用32個5×5的卷積核對原始圖像進行卷積計算，提取特征，并獲得32個1 0 0×100特征圖。在第一層卷積層，本文采用32個 5 ×5大小的卷積核對輸入層大小為100×100的圖像分別進行卷積計算，提取特征，卷積核步長設置為1，采用圖像邊緣自動補零的方法對輸入圖像進行卷積計算，最終得到32個大小為1 00×100的特征圖。本文擬采用ReLU激活函數對卷積結果進行激活，計算公式如下式：

式中：X為輸入圖像，Y1為Conv1-Relu1層輸出特征圖， ω 為卷積核，b1為偏置項，制造噪聲，增強魯棒性，最終得到Conv1-Relu1層特征圖。

3）Max-pooling層

該層是子采樣層，對Conv1-Relu1層得到的32個100×100特征圖進行二次特征提取。本文采用32個2×2大小的卷積核分別對Conv1-Relu1層得到的32個100×100特征圖進行卷積計算。卷積核移動步長為2，采用圖像邊緣不自動補零的方法，最終得到32個50×50大小的特征子圖，如式（2）所示，即采用2倍速對特征圖進行縮放。縮小的速度過快會使得得到的特征圖過于粗糙，縮小的速度過慢會使得計算量過大。為了得到更多圖像細節[7]，一般縮放因子設為2。為了能夠有效控制特征圖的縮放速度，之后的子采樣過程的縮放因子也都設為2。

4）Conv2-Relu2層

為了更好地提取出圖像的局部特征，擴展神經元的感受野，本文對Max-pooling層得到的特征子圖像進行二次卷積操作，本層采用64個 5 ×5大小的卷積核，移動步長為1，圖像邊緣自動補零，遍歷整個特征子圖，最終得到64個 5 0×50大小的特征圖。通過前兩層操作后，神經元的感受野較原始輸入圖像擴展為10×10，經過本層操作后，每一個神經元的感受野又增加5倍，擴展為 5 0×50，同時特征圖個數也增加了一倍，增加至64個。

5）Max-pooling層

該層同樣是子采樣層，對Conv2-Relu2層得到的64個 5 0×50特征圖進行二次特征提取。為了控制圖像的縮放速度，同樣采用64個 2 ×2大小的卷積核，卷積核移動步長為2，采用圖像邊緣不自動補零的方法，遍歷Conv2-Relu2層得到的64個 5 0×50特征圖進行卷積計算，最終得到64個 2 5×25大小的特征子圖。

6）Conv3-Relu3層

為了增加CNN的深度，提高分類的準確性，本文繼續采用128個 3 ×3大小的卷積核遍歷上一層得到的特征圖。卷積核的移動步長同樣設為1，采用邊緣自動補零的方式對上一層得到的特征圖進行進一步卷積操作，得到128個大小為 2 5×25的特征圖，增加了卷積神經網絡的深度。

7）全連接層和輸出層

經過6層卷積池化操作后，得到128個大小為12×12的特征圖，全連接層將上一層所得的特征圖像組合成列向量，最后通過softmax函數對圖像進行二分類[8]。

2 實驗與測試

本文所使用的圖像數據集是來自水下對矩形木框和三角形木框不同角度的拍攝圖片，數據集包含有1 340張圖片。實驗通過TensorFlow軟件完成，Linux操作系統，Intel i7-4 710 CPU，主頻3.00 GHz，8 G內存，顯卡GTX860。

通過上述設計的卷積神經網絡進行訓練和測試，可以得到訓練損失隨著訓練迭代次數的增多而降低，測試準確率也隨之提高。當訓練迭代的次數達到一定時，測試的準確率和損失相對處于一個平穩的狀態。

由圖2訓練損失值圖和準確率圖可得，經過100次迭代訓練后，卷積神經網絡的訓練損失值下降為10，訓練準確率達到90%，變化較緩慢，且測試集精確度不高，卷積神經網絡的泛化能力弱。為了將分布式特征圖映射到樣本標記空間，減少特征位置對分類帶來的影響，本文采用了3層全連接層，并增加一層卷積層和池化層，增加訓練深度，卷積神經網絡如圖3所示。

圖2 訓練結果圖Fig.2 Training results

采用三段式全連接方式，對卷積神經網絡進行訓練，如圖3所示。在FC1層中，輸入的神經元數量為6*6*128=4 608個，設置輸出的神經元數量為1 024個，對權重進行dropout函數操作和L2正則化，降低過擬合現象，采用ReLU激活函數進行激活，在FC2層中，同樣對權重進行dropout正則化，將神經元縮減為512個，在FC3層中，采用softmax函數對輸入進行二分類。

訓練準確率如圖4所示。比較兩圖可以得到，在本次試驗中，經過90次訓練迭代后，網絡基本收斂，網絡迭代了100次，卷積神經網絡結構參數優化后的測試損失值為5.8%,準確率達到99.18%。

同時對比2次測試集精確度，如圖5所示。加入3層全連接后，對權重參數進行dropout正則化后，測試集精度提高，卷積神經網絡的過擬合現象降低，泛化能力增強。

圖3 改進卷積神經網絡網格圖Fig.3 Improved convolution neural network grid

圖4 訓練結果圖Fig.4 Training results

圖5 測試結果圖Fig.5 Test results

3 結 語

本文將卷積神經網絡應用于AUV，利用卷積神經網絡進行水下目標識別，建立一個9層的卷積神經網絡對水下拍攝的木框和三角框進行訓練分類，使用卷積神經網絡提取水下目標特征，通過目標特征提取和池化，水下目標識別在經過100次迭代訓練后準確率達到90%。之后對上述神經網絡結構進行優化改進，將1層連接層化分為3層連接，采用三段式全連接方式，對卷積神經網絡權重分別進行dropout正則化，并增加一層卷積層和池化層，訓練經過90次迭代后基本收斂，訓練速度得到提高，在100次迭代訓練后，水下目標識別的準確率達到99.18%，同時降低了的過擬合，提高了卷積神經網絡的泛化能力。