基于改進YOLO_v3-SPP的無人機圖像目標檢測系統與實現

劉永峰，沈延安，韋 哲，李從利

(1 陸軍炮兵防空兵學院兵器工程系，合肥 230031；2 陸軍炮兵防空兵學院無人機應用系，合肥 230031)

0 引言

當前，軍用無人機已成為現代戰爭中不可忽視的空中力量，世界各國都將其置于優先發展的地位。利用其攜帶的可見光/紅外成像設備對戰場目標進行檢測與識別，是無人機的主要功能之一。但由于軍用無人機飛行的特殊性和戰場環境的復雜性，使得無人機圖像具有以下特點：無人機飛行高度一般在3～5 km，導致在對地面特定目標(如裝甲目標、民用車輛、人員等)進行搜索時，目標在視場中所占的像素比例較小、特征信息少；成像設備在拍攝時會受到低空的云層、煙霧的遮擋，同時成像平臺處于抖動狀態，造成成像質量較差；無人機飛行高度、角度實時變化，加之成像設備采用變焦技術，使得目標在圖像中的尺度變化大；飛行次數有限，造成軍事目標樣本數據量少。以上特點給無人機圖像目標檢測帶來了一定的挑戰。

現階段，基于深度學習的目標檢測技術正蓬勃發展[1-2]，可分為兩類，一類是兩階段(two-stage)檢測算法，此類算法在檢測時首先進行區域生成(region proposal，RP)，即首先確定一系列可能包含待檢物體的候選建議框，再通過卷積神經網絡分別對候選框進行分類和定位的回歸操作，這類方法檢測精度高但處理速度較慢，常見算法有R-CNN，SPP-Net，Fast R-CNN，Faster R-CNN[3-6]等；另一類是單階段(one-stage)檢測算法，這類算法不再使用區域生成，而是直接在網絡中同時實現對目標的分類和定位任務，達到端對端的檢測，因此檢測速度快，但檢測精度較低，常見算法有OverFeat，YOLO_v1，YOLO_v2，YOLO_v3，SSD[7-9]等。無人機實施空中偵察時，需快速檢測在視場中是否存在軍事目標，要求檢測算法必須具備實時性，因此后者更適用于實時性較高的無人機圖像目標檢測問題[10-12]。

黃梓桐等[13]提出了改進SDD的無人機圖像行人與車輛目標檢測方法，通過減小網絡通道與卷積量、提出感受野和上下文模塊以提高目標檢測的實時性和準確性。郭智超等[14]改進了SDD網絡，增加了特征層數量并增強了各層間的關聯，從而提高了目標檢測精度。于博文等[15]提出了改進YOLO_v3的算法，引入可形變ResNet50-D網絡、雙注意力機制和特征重構模塊以提升目標表征能力，同時改進了損失函數，以提高檢測精度和速度，并在自建軍事目標數據集上進行了驗證。黃文斌等[16]提出類別均衡化和隨機場景組合的數據增強訓練方法，提升了訓練效率和模型精度，并提出了模型壓縮方案，在通道剪枝基礎上對殘差層修剪，提升了目標檢測速度。但是，以上方法存在一定的誤檢率，這對軍事目標檢測而言影響較大，同時缺乏在嵌入式計算平臺上的探索研究。

文中提出了一種基于改進的YOLO_v3-SPP目標檢測算法，并在此基礎上引入異常檢測的思想，剔除誤檢目標，提高目標檢測精度，并將算法移植到嵌入式計算平臺。

1 YOLO_v3-SPP目標檢測算法

YOLO_v3-SPP網絡的具體結構如圖1所示。網絡使用DarkNet-53對輸入圖像的特征進行提取，整個結構里沒有全連接層。圖像在前向傳播時，輸出特征的尺寸壓縮是通過改變卷積操作的步長(stride)來實現的。另外在DarkNet-53中由于引入了residual結構，訓練深層網絡難度大大減小，同時檢測精度也有了明顯的提升。DBL模塊為檢測模型的基本組件，其組成結構為Conv2d+BN+Leaky relu。

圖1 YOLO_v3-SPP網絡

圖2 SPP模塊

特征圖經過局部特征與全局特征相融合后，豐富了特征圖的表達能力，有利于待檢測圖像中目標大小差異較大的情況，尤其是對于復雜的多目標檢測，對檢測精度有很大的提升。

該網絡結構中，損失函數定義為：

(1)

由于無人機圖像的特點和戰場環境的特殊性，運用該網絡進行目標檢測時，會存在一定的漏檢和誤判概率，對作戰指揮、偵察等產生不良影響。

2 算法改進

為解決漏檢及誤判問題，在原網絡結構上針對偵察無人機圖像的特點進行了相應的改進。

2.1 基于多尺度特征融合的YOLO_v3-SPP網絡

為提高目標多尺度檢測的準確度，在網絡結構上選擇了更多特征尺度上的信息融合，使得網絡在檢測時可以提取到更多尺度信息。將DarkNet-53中的第3、第4卷積層的信息經下采樣后，送入網絡中進行融合，可更多提取到局部和全局特征，有利于對目標差異較大時的檢測，如圖3所示。

大數據最典型的特征是多源異構。原始數據中會包含一些“臟數據”，比如離群點，值缺失等狀況。因此首先需要進行數據的預處理和集成，為將來的數據分析和挖掘提供方便處理的數據集。目前市面上常見的方法大體可分為4類：基于物化或ETL引擎方法、基于聯邦數據庫或中間件方法、基于數據流引擎方法以及基于搜索引擎方法。

圖3 基于YOLO_v3-SPP改進的網絡結構

另外，在損失函數部分修改了YOLO_v3-SPP中采用IoU計算邊界框損失的方法，將其替換為CIoU的損失計算方法。CIoU的表達式為：

(2)

式中：b,bgt分別代表預測邊界框和目標框的中心點；ρ代表計算預測框與真實框的中心點間的歐式距離；c代表能夠同時覆蓋兩個框的最小矩形的對角線距離；參數α和v的表達式為：

(3)

(4)

式中：α用于平衡比例的參數；v用來衡量anchor框和目標框之間的比例一致性。

2.2 增加深度異常檢測的目標檢測網絡

為解決檢測過程中的誤判問題，在檢測網絡輸出前增加了異常檢測網絡模塊，通過預先訓練網絡的模型，對檢測網絡輸出的結果進行二次判定，判斷其是否屬于檢測目標或背景，經過閾值篩選，降低網絡的誤判率。

深度單類分類通過學習神經網絡映射輸出空間中心c附近的標稱樣本來進行異常檢測，從而導致異常被映射出去。這里使用超球面分類器(HSC)為損失函數[17]：

(5)

式中：yi為對應的標簽，yi=0表示正常樣本，yi=1為異常樣本；Xi為第i個樣本；c∈Rd為預先設定的中心，這里簡單地置0；φ(·)：Rc×h×w→Rd為單類分類網絡，權值為ω；c，h，w分別為輸入圖像的通道數、高、寬；d為輸出特征向量的維度。

(6)

當輸入正常樣本時，損失函數第二項為0，φ(·)傾向于將其映射到c附近，從而使第一項趨于0；當輸入異常樣本時，損失函數第一項為0，φ(·)傾向于將其映射到遠離c，h(a)→∞，從而使第二項趨于0。

設計的異常檢測網絡φ(·)結構如圖4(a)所示，輸入圖像經過一層7×7的卷積層，進入以ResNet-50為主干網的卷積層，得到特征。其中，ResBlock模塊結構如圖4(b)所示，C表示通道數。訓練時，通過標簽計算損失，并以梯度下降更新網絡參數。

圖4 異常檢測網絡結構

訓練的正樣本為數據集標注的軍事目標子圖，負樣本包含兩部分：數據集中人工選取的背景子圖，以及在外部航拍數據集中隨機采樣的子圖，保證正負樣本數量均衡。使用SGD作為優化算法，批量為512，進行40輪訓練。結束后，由于h(·)預測越大，表示負例的可能性越大，但判斷的閾值并未確定，因此需對預測的正負樣本閾值進行遍歷，選取使判斷正確率最大的閾值thresh。測試時，當對樣本的預測大于thresh時則認為是誤檢，并在最終結果中去除。

圖5即為改進后的目標檢測網絡結構。輸入圖像經過改進的YOLO_v3-SPP網絡后，輸出檢測到的輸入圖片的目標信息及邊界框信息，即中間結果，該信息送入異常檢測網絡后，網絡根據標注的邊界框信息，提取出目標區域，對該區域進行特征提取，并計算出異常得分，算出得分后與選定的閾值進行對比，如果得分大于閾值，就證明該邊界框中包圍的是背景而非目標，如果得分小于閾值，就證明該邊界框內確為檢測目標，經過全部判定以后，最終輸出檢測結果。

圖5 文中方法框圖

3 實驗結果與分析

3.1 數據集與實驗條件

由于軍事偵察圖像樣本的特殊性，基本沒有公開的含有大量軍事目標的偵察圖像數據集。因此，首先在公開的航拍圖像數據集DOTA[18]上對網絡進行預訓練。在訓練前首先對圖像進行裁剪，從而提升讀取和寫入速度，便于模型快速迭代。為提升算法的魯棒性和推廣泛化能力，采用了鏡像、縮放、旋轉等數據增廣策略。模型收斂后，在自建的小樣本軍事目標數據集上進行遷移學習，共搜集了約2 000張含裝甲目標的航拍圖像，主要取自偵察無人機、民用無人機及軍事仿真軟件平臺上所獲取的圖像，并將標注好的圖像按8∶2的比例劃分為訓練集和驗證集。

對于異常檢測網絡訓練集，應區分正負樣本，正樣本根據DOTA數據集中的標注信息，截取了約2萬張目標實例樣本做正樣本，同時截取2萬張背景做負樣本。

實驗用設備為超微工作站，GeForce RTX 2080Ti GPU，20核intel Xeon E5-2630v4 CPU。

3.2 模型訓練

訓練改進的YOLO_v3-SPP網絡時，在預訓練后，利用自建小樣本數據集進行微調，設置學習率為0.000 1，最大迭代輪次(epoch)為100，學習率分別在25個epoch、50個epoch、75個epoch時衰減10倍。

訓練異常檢測網絡時，經過40輪訓練，獲得了收斂網絡模型。在驗證集上對閾值thresh進行遍歷，發現當thresh取0.81時，異常檢測網絡的判定準確度最高(90.833%)，故選擇該值為最終測試的閾值。當應用于其他場合時，需根據訓練數據調整。

3.3 實驗結果分析

由于文獻[13-16]沒有公開源碼，這里僅與YOLO_v3-SPP網絡進行對比實驗。

在DOTA數據集上的檢測結果對比如表1所示。可以看出，改進后的網絡的平均精度(mean average precision, mAP)相對于原網絡有了一定的提升。

表1 DOTA數據集上的檢測結果對比 單位：%

在真實數據上的檢測效果如圖6所示。測試發現，當無人機上成像設備的焦距發生較大變化時，原網絡存在漏檢和誤判行為，而文中方法改進了YOLO_v3-SPP網絡，增加了更多尺度特征融合，降低了目標漏檢率，同時增加了異常檢測網絡，一定程度剔除了誤檢樣本，從而有效提高了目標檢測率。

圖6 真實數據實驗結果

4 系統實現與測試

4.1 系統實現

選用華為Hi3559AV100作為硬件計算平臺，該平臺集成了兩個神經網絡推理機(neural network inference engine，NNIE)，可實現并行計算。系統外形尺寸為185 mm×150 mm×30 mm，平均功耗6 W。將文中算法以caffe工具為模型框架，轉為wk模型并運行在該平臺上，實現目標檢測功能。

為提高平臺計算速度，當輸入圖像大小為1 920像素×1 080像素時，首先在Image Subsystem中被壓縮為740像素×416像素，隨后被分切為兩幅416像素×416像素尺寸圖像并交給兩個NNIE開始并行計算，由此將每一幀數據處理耗時降低到40 ms以下，滿足視頻檢測需求。

4.2 系統測試

為檢驗系統效果，自建了目標檢測測試集。測試集由1 000幅圖像組成，圖像成像高度2 500～4 500 m，距離目標3～6 km，包含民用車輛、裝甲車、人員3類目標，標注約4 500個目標樣本，如圖7所示。

圖7 測試集示例

利用自建測試集對系統進行測試，對民用車輛、人和裝甲車的檢測準確率分別為92.7%、83.2%和96.3%，平均交并比為84.4%。對3類目標的平均漏檢率和誤檢率分別為0.2%和1.3%，與YOLO_v3-SPP網絡(硬件條件相同)相比，分別降低了1.1%和4.5%。

同時，系統對視頻中的目標檢測效果良好，移動目標檢測框與實際位置像素偏移平均值為9.6行(列)。系統測試效果如圖8所示。

圖8 系統測試效果

5 結論

針對無人機圖像的特點，在YOLO_v3-SPP網絡的基礎上進行了改進，主要包括多級特征融合、損失函數，在檢測網絡后增加異常檢測網絡進行二次篩查等。經過改進后，在公開DOTA數據集上進行驗證，對比結果發現，檢測算法的mAP較原有算法有了一定提高。最后，對所設計的算法進行了移植，取得了較好的效果。

大量的圖像數據是基于深度學習的目標檢測的基礎，目前的數據樣本較少，同時還應該考慮背景、光線、氣候、遮擋、偽裝、目標大小、姿態等因素。因此，需要有針對性的實驗測試數據集，進行模型的訓練和完善，以進一步提高檢測效果。