基于Faster R-CNN 的未爆彈檢測

胡 聰， 何曉暉， 邵發明， 盧冠林， 王金康

（陸軍工程大學 野戰工程學院， 江蘇 南京 210007）

0 引言

未爆彈是軍事活動或演習活動的遺留物， 多數為未引爆的炮彈、地雷等危險品或武器裝備。未爆彈結構大小不一、分布復雜，同時又伴隨著易引發、高危害等性質，極大程度上阻礙了正常的土地資源的開發和利用， 所形成的雷場、雷區，嚴重的限制了人們正常的勞動活動區域，嚴重危害到民眾的生命財產安全。

目前，未爆彈主要依靠人工排除。 人工排除未爆彈的方式不僅效率低，而且危險性極大，因此，人們將目光投向排爆機器人[1-2]，希望其能代替人工完成這一危險性巨大的任務。目前，國內外都在積極開發排爆機器人，但目前排爆機器人多為半自主型，極其依賴人的操控。

本文的研究內容為通過計算機視覺相關算法實現對未爆彈的圖像檢測，旨在為排爆機器人奠定視覺基礎，使排爆機器人向自主排爆邁出關鍵一步。

1 深度學習與目標檢測

目標檢測是數字圖像中對特定類別（如人、動物或汽車）的一項重要計算機視覺任務。 近年來，深度學習技術的快速發展為目標檢測注入了新的血液， 取得了顯著的突破，將其推向了一個前所未有的研究熱點。 目標檢測現已廣泛應用于許多現實世界的應用中， 比如自動駕駛技術，它需要對交通環境中多類目標進行檢測，包括交通標志檢測[3]、車道檢測[4]、車輛檢測[5]、行人檢測[6]等。

近二十年來， 人們普遍認為目標檢測的發展大致經歷了兩個歷史時期：傳統的目標檢測時期（2014 年以前）和基于深度學習的檢測時期（2014 年以后）。 早期的目標檢測算法都是基于手工制作的特征。 由于當時缺乏有效的圖像表示，人們不得不設計復雜的特征表示，以及各種加速技能來耗盡有限的計算資源。 而今天的目標檢測則是深度學習力量下的技術美學。

文獻[7]提出了基于聚類生成anchor 方案的Faster RCNN 的零件表面缺陷檢測算法， 并且建立缺陷零件的圖像數據集進行實驗，將缺陷檢測的均值平均精度mAP 從原算法的54.7%提高到97.9%， 檢測速度最快達到4.9 fps。文獻[8]提出了一種基于Faster R-CNN 網絡模型的鐵路異物侵限檢測算法， 并對該模型做適應性改進以滿足鐵路異物檢測的現實需要， 并在鐵路異物侵限視頻數據集上進行測試，該算法對于人、車及部分動物的綜合檢測精確度達到了97.81%。文獻[9]提出基于Faster R-CNN 算法的鐵譜磨粒識別， 該算法采用ResNet-34 網絡完成鐵譜磨粒特征自動提取，并采用RPN 網絡實現對圖像中多個磨粒的識別，實驗結果表明：該方法克服了磨粒交叉引起的識別難點，能識別一副圖像中的多個磨粒，能統計各類磨粒數量，且準確率較高。 文獻[10]提出一種基于Faster R-CNN 的鐵路接觸網鳥巢檢測方法，通過改進卷積神經網絡VGG16 對目標進行特征提取，分別在不同分辨率的卷積特征圖上獲取目標初始建議區域， 該算法對實際高速鐵路行進中拍攝的含有鳥巢的圖像進行試驗， 結果表明： 該方法在檢測精度與速度上， 均優于目前主流的Faster R-CNN 算法。

當前，目標檢測技術愈加成熟，其應用也越來越多。

2 Faster R-CNN 的網絡結構

Faster R-CNN[11]是第一個端到端，第一個近實時深度學習檢測器。 它的主要貢獻是引入了區域推薦網絡（RPN）。 Faster R-CNN 應用廣泛，其檢測精度高，通用性與魯棒性強，在多個數據集及物體任務上效果都較好，對于特定的數據集， 往往調參后就能達到較好的效果。 并且，Faster R-CNN 的整個算法框架中可以進行優化的點很多，提供了廣闊的算法優化空間。如圖1 所示為Faster R-CNN 算法的基本流程，算法主要分為4 個部分：骨干網、區域推薦網、感興趣區域池化以及R-CNN 模塊。

圖1 Faster R-CNN 算法流程圖

2.1 骨干網

當前物體檢測算法雖然各不相同， 但第一步通常都是利用卷積神經網絡處理輸入圖像，生成深層的特征圖，這部分卷積神經網絡是整個算法的骨架，也就是骨干網。 目前比較常用的骨干網包括VGGNet[12]、Inception[13]、ResNet[14]等，本 文采 用ResNet101 作 為 我 們 檢測算法的骨干網。

近年來， 人們不斷加深卷積神經網絡尋求更好的檢測效果，但是隨著網絡深度的增加，網絡卻更難以訓練，也會產生梯度消失現象。 ResNet 引入了殘差映射來解決梯度消失問題。 如圖2所示，對于輸入x，經過卷積神經網絡后我們希望輸出為H（x），普通網絡直接擬合， 而ResNet引入一個捷徑分支，將需要擬合的這種映射變為殘差F（x）。

圖2 普通網絡與ResNet 的殘差映射

2.2 區域推薦網（RPN）

區域推薦網顧名思義就是用來提取候選框的網絡。原圖經過骨干網后，形成特征圖，區域推薦網在此特征圖上進行滑窗（如圖3），每個錨點產生K 個錨框，對所有的錨框打分，篩選出分數較高的部分錨框作為推薦區域。在此， 我們定義K 值為9， 錨框大小設置為128×128、256×256、512×512 三種，長寬比設置為2：1、1：1、1：2 三種。

圖3 RPN 原理圖

2.3 感興趣區域池化

感興趣區域池化（Region of interest pooling）（也 稱 為RoI pooling）是卷積神經網絡在目標檢測任務中廣泛使用的操作。例如，在單個圖像中檢測多個汽車和行人。 其目的是對非均勻尺寸的輸入執行最大池化以獲得固定尺寸的特征圖。

對于來自輸入列表的每個感興趣區域， 它采用與其對應的輸入特征圖的一部分并將其縮放到某個預定義的大小?？s放通過三種方式完成：①將區域提案劃分為相等大小的部分（其數量與輸出的維度相同）；②找到每個部分的最大值；③將這些最大值復制到輸出（max pooling）。

2.4 R-CNN 模塊

感興趣區域池化層輸出固定維度的特征， 接下來利用R-CNN 全連接網絡進行分類和回歸的計算。

3 實驗環境與數據集

3.1 實驗環境配置

本文實驗環境配置如表1 所示。PyTorch 是一個集簡潔與高性能于一身的框架， 相比于TensorFlow 等框架，很多模型在Py-Torch 上的實現也會更快， 因此Py-Torch 在計算機視覺領域的應用比較廣泛。

表1 實驗環境配置

3.2 未爆彈數據集

我們通過網絡搜集的方式來搜集未爆彈 （主要為迫擊炮彈、航彈以及形狀與其相似的炮彈）圖像，并且通過翻轉、旋轉、加入噪聲等方式進行數據擴充，得到2948 張未爆彈圖像（部分圖像如圖4 所示），對每張圖像進行標注，最終形成我們的未爆彈數據集。

圖4 未爆彈數據集圖像樣例

4 實驗結果與分析

在目標檢測領域，各種各樣的檢測算法都不盡相同，因此檢測的精度也有所差異。 本文選擇目標檢測領域兩個最常用的評價指標AP 和F1 作為我們衡量未爆彈檢測效果的評價指標。

為了計算AP 值，我們首先計算出檢測的召回率（Recall）和精準率（Precision），以其為坐標點形成P-R（精準率-召回率）曲線（如圖5所示），曲線與坐標軸圍成的面積即為AP值， 通常來說一個越好的分類器，AP 值越高。通過實驗，我們得出未爆彈檢測的AP 值為0.98。

圖5 P-R 曲線

F1 值可由式（1）計算得出， 它是精準率和召回率的調和平均數。通過實驗， 我們得出未爆彈檢測的F1 曲線見圖6。

圖6 F1 曲線

實驗結果表明，本文算法對未爆彈檢測的精度較高，AP 值達到了0.98。 圖7 為我們的一個檢測結果圖，從圖中我們可以看出，目標與周圍環境顏色接近，但算法還是成功檢測出了目標， 并且算法識別此目標是未爆彈的可能性為0.825，表明算法的魯棒性好，不受復雜背景環境的影響。

圖7 檢測結果示例

5 結論

未來， 排爆無人車必定會向智能化進一步發展。 在這一過程中， 排爆無人車的視覺技術就是智能化的先導，它好比是無人車的眼睛，能夠對外界環境進行感知并且自主尋找目標， 這是無人車智能化作業的基石。 未爆彈檢測就是排爆無人車視覺系統的關鍵任務之一， 它能夠使無人車從獲取的圖像中自主識別未爆彈等目標物體， 并且實時獲取目標的位置信息， 這種視覺反饋信息將為排爆無人車精準抓取打下基礎，這對提升排爆效率具有重大意義。