基于Rsnet框架和Mobilenet遷移網絡的遙感機場目標識別

李 昂，王晟全，張 晨

（1.南京郵電大學 通信學院，南京 210003；2.南京理工大學紫金學院，南京 210003）

機場目標的識別是一種常見的遙感圖像目標提取，具有重要的戰略意義，并且因為識別難度較大，一直是研究人員關注的重點［1－4］。常用的機場目標檢測算法，如Darknet，是整體求解特殊場景的目標檢測［5－6］，它對遙感衛星圖片的小特征目標不是很有效。其次，衛星圖像中的目標大小和方向各不相同，因為衛星地圖是從空中角度拍攝，所以角度不固定，變化較大，目標方向可能并不相同［7－8］，因此，傳統的目標檢測算法很難準確檢測到目標。肖志堅等［9］提出了一種遙感圖像中機場跑道的自動識別方法。在分析機場結構特征的基礎上，首先采用形態學方法提取圖像的線結構；然后通過非監督聚類方法將直線段動態分組；最后進行直線段修復和跑道配對，實現對機場的識別定位。王鑫等［10］提出了基于圖像顯著性區域的遙感圖像機場檢測。朱丹等［11］提出了基于直線鄰近平行性和GBVS顯著性的遙感圖像機場目標檢測。國外的研究人員也對此進行了相關的研究［12］。工程上常用的解決方法是對數據進行規模轉換、旋轉等數據增強操作，這就造成了很多有效時間的浪費，效率不高［13］。本文提出應用Rsnet目標檢測框架來實現對遙感機場目標的識別。該框架最重要的改進是使用了Global Maxpooling，并且將遷移網絡Mobilenet的思想用于主干網絡上，主要用于解決全連接問題只對最后一層的特征圖進行池化，形成特征點。所以使用Rsnet可以較好地規避特征不明確的問題，使得小型目標識別更加準確。

1 相關工作

表1列舉了近年來常見的目標檢測算法框架和測試結果，可以發現使用了Darknet為框架的Yolo系列框架取得了較好的成績，但是這些只是對于相同的公開數據集VOCdevikt的測試，研究發現，現有的網絡對于細小目標檢測的魯棒性和準確率不是很好。

表1 近年來的各種目標檢測框架的對比（均使用相同數據集和批次）

在Rsnet網絡框架中，Global Maxpooling對有可能的特征進行特征選擇，選出具有更好分類識別效果的特征，并減小非線性的誤差。根據相關理論，特征提取的誤差主要來自于2個方面：

1）受限鄰域大小增加引起的估計方差。

2）卷積層的參數誤差導致估計平均值的偏移。

局部池化主要還是為了增大卷積核的感受野，需要把一塊區域內的信息集中起來，相當于對圖像做了一個下采樣。這個時候有2種保留原來圖像信息的方式，一種是取均值、一種是取最大值。對于這種小范圍的局部池化有最大池化保留紋理信息，平均池化保留總體信息這種概念。使用全局池化之后，特征圖每個channel都被壓縮到了一個點，這實際上是對每個channel做了一個信息壓縮。這樣就對特征不明顯的目標的特征提取提供了方便，可以對每個channal進行一次篩選，避免了Darknet對全圖整體進行計算的誤差。

Moblienet作為遷移網絡，具有體積小、易訓練、算法空間復雜度小的特點，因此Rsnet和Mobilenet結合的網絡框架具有高采樣率和對設備性能的低依賴性。

2 目標算法的實現

Rsnet框架主要目的是提高對細微目標的整體感知質量，而遷移網絡Mobilenet的作用是為了提高模型的可移植性和可訓練性。這部分首先描述了研究提出的網絡體系結構，然后講解為何這樣做，最后對該算法進行整體的客觀評價指標的測試，使用的數據集是武漢大學開源的Dota數據集里的機場目標。

2.1 框架結構

Rsnet的框架結構如圖1所示，該網絡將原先的Maxpooling改成了GlobalMaxpooling層，因為這個是基于Darknet-19框架的，所以仍然使用了3×3和1×1的卷積層，其網絡框架的連接圖如圖2所示，較好地表示出該網絡的運作機制。

圖1 Rsnet的框架

圖2 網絡框架的連接層

Mobilenet的網絡結構如圖3所示，MobileNet的結構過于簡單，是類似于VGG的直筒結構，導致此網絡的性能并不高。但是如果和Darknet、Rsnet等結構結合（復用圖像特征，添加Shortcuts）可以大幅提升網絡的性能。

圖3 Mobilenet的網絡結構

統一取80%的數據作為訓練集，20%的數據作為測試集。

2.2 算法細節

Rsnet與Mobilenet的結合方案如圖4所示，將Rsnet的最后一層卷積層與Mobilenet的BN和Re-LU連接，這就是與遷移網絡的結合方案，與BN層連接的目的有以下4點：

圖4 Rsnet與遷移網絡Mobilenet結合的網絡結構

1）加快訓練速度，這樣就可以使用較大的學習率來訓練網絡。

2）提高網絡的泛化能力。

3）BN層本質上是一個歸一化網絡層，可以替代局部響應歸一化層（LRN層）。

4）可以打亂樣本訓練順序從而提高精度。

而ReLU的作用是增加了神經網絡各層之間的非線性關系，如果沒有激活函數，層與層之間是簡單的線性關系，每層都相當于矩陣相乘，神經網絡完成的復雜任務是非常困難的。

傳統的卷積操作下，計算量為DF*DF*DK*DK*M*N，而Mobilenet使用了深度卷積，其計算量為DK*DK*M*DF*DF＋1*1*M*N*DF*DF通過深度可分離卷積，計算量下降了1／N＋。將Rsnet的最后一個4組層用遷移網絡Mobilenet連接，可以同時兼顧精度和速度，也降低了對硬件性能的需求。同時Rsnet使用的Focal loss如圖5所示，在表2中展示了Focal loss和常用的Center loss在相同測試環境下的Map。

圖5 Focal loss

表2 Focal loss和常用的Center loss在相同測試環境下的Map

遵循YOLO預測邊界框，使用維度簇作為錨盒。該網絡預測每個邊界框的4個坐標，tx，ty，tw，th。如果單元格從左上角偏移，則圖像的NER由（Cx，Cy）和先驗框的寬度和高度由（pw，ph）表示，然后進行分類預測。式（1）為目標檢測框的工作原理方程，和YOLO一致。

3 實驗驗證

3.1 主觀結果驗證

本文采取的主觀驗證方法是只改變單一變量的對比試驗，使用的實驗設備是GPU：RTX2060s（8G）、CPU：i5－9400F、RAM：16G的個人計算機平臺，在實驗中采用使用了Averagepool、Maxpool、GlobalMaxpool以及結合遷移網絡的樣本進行訓練，數據集是武漢大學的航拍數據集Dota，最后測試得到了相應的結果，如圖6所示。

從圖6可以看出，GlobalMaxpool＋Mobilenet在識別的實際效果上要好于其余的方法，錯檢的結果較少，并且Ground truth和Anthor Box的吻合程度較高，也就是圖中的藍色框和綠色框的重合率，這表明使用GlobalMaxpool的Rsnet和Mobilenet的結合在實際效果上是良好的，為此，做出了圖7展示Map，本文所提方法的Map較高。

圖6 使用了Averagepool、Maxpool、GlobalMaxpool以及結合遷移網絡對遙感機場目標檢測的結果示意圖

圖7 使用了Averagepool、Maxpool、GlobalMaxpool以及結合遷移網絡對遙感機場目標檢測的結果示意圖

3.2 評價指標驗證

由表3可以看出，當實驗中統一取80%的數據作為訓練集，20%的數據作為測試集時，Rsnet＋Mobilenet在VOC數據集上具有較好的Map，并且由于是基于Darknet改造的，所以識別速度和YOLO相近。

表3 本方法與各種目標檢測框架的檢測結果（使用相同的通用數據集和批次）

統一取80%的數據作為訓練集，20%的數據作為測試集，選用較為典型的框架在Batchsize＝5的情況下測試GPU和CPU的內存占用率，得出的結果如表4所示。

表4 不同算法內存占用率測試結果

4 結論

在同樣的測試條件下，傳統Darknet-19的Map是76.9／AP50，而通過將Mobilenet和Rsnet結合的方法，得到了Map值，并且提高了10%的下采樣效率，在提高目標識別性能的同時，有效減少了時間開銷；同時，每批訓練數量Batch Size也可以提高到原來的5～6倍，有效降低了對于高配置、高性能運算設備的依賴，有助于擴大受眾面。