基于區(qū)域感知的多尺度目標(biāo)檢測算法

黃 路，李澤平，楊文幫，趙 勇，張 嫡

（1.貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 公共大數(shù)據(jù)國家重點(diǎn)實(shí)驗(yàn)室，貴陽 550025；2.北京大學(xué)深圳研究生院 信息工程學(xué)院，廣東 深圳 518055）

0 概述

目標(biāo)檢測［1-2］是計(jì)算機(jī)視覺領(lǐng)域1 個(gè)重要的研究和應(yīng)用方向?；谏疃葘W(xué)習(xí)的目標(biāo)檢測一般分為兩級(jí)檢測器和一級(jí)檢測器。兩級(jí)檢測器首先生成候選區(qū)域，再基于分類和回歸對(duì)候選區(qū)域進(jìn)行細(xì)化，實(shí)現(xiàn)目標(biāo)的定位與識(shí)別。文獻(xiàn)［3］提出R-CNN，采用選擇搜索策略［4］生成候選區(qū)域，通過卷積網(wǎng)絡(luò)提取特征，最后進(jìn)行分類和回歸?？紤]到R-CNN 對(duì)候選區(qū)域提取特征會(huì)造成大量的冗余計(jì)算，一些研究人員不斷地優(yōu)化并提出一系列算法，如Fast R-CNN［5］、Faster R-CNN［6］。

相比兩級(jí)檢測器，一級(jí)檢測器不須提取候選區(qū)域，有效提高檢測效率，但存在檢測精度低的問題。文獻(xiàn)［7］提出SSD，嘗試從多個(gè)尺度自上而下地預(yù)測類別和邊框。文獻(xiàn)［8］提出YOLO，從整張?zhí)卣鲌D上預(yù)測目標(biāo)的類別和邊框信息。在YOLO 基礎(chǔ)上，研究人員不斷地優(yōu)化并提出一系列的YOLO 算法，例 如YOLOv2［9］、YOLOv3［10］、YOLOv4［11］和YOLOx［12］等。考慮到一階段檢測器普遍存在正負(fù)樣本不平衡、困難樣本問題，文獻(xiàn)［13］采用聚焦損失函數(shù)抑制正負(fù)樣本不平衡，同時(shí)挖掘困難樣本。此外，文獻(xiàn)［14］采用數(shù)據(jù)增強(qiáng)和增加淺層特征的方式提高模型的檢測能力，同時(shí)調(diào)整損失函數(shù)，避免出現(xiàn)梯度消失?？紤]到不同尺度間感受野的差異，文獻(xiàn)［15］在淺層特征上引入多分支并行空洞卷積，提出一種基于多分支并行空洞卷積的多尺度目標(biāo)檢測算法。

現(xiàn)有目標(biāo)檢測網(wǎng)絡(luò)通常利用骨干網(wǎng)絡(luò)的主分支層提取高維特征信息，然而經(jīng)過上采樣、卷積等操作后容易造成主分支層的特征信息丟失。為此，文獻(xiàn)［16］提出一種特征金字塔網(wǎng)絡(luò)，采用自頂向下的方式融合鄰接尺度間的特征。在文獻(xiàn)［16］的基礎(chǔ)上，文獻(xiàn)［17］提出PANet，增加1 個(gè)自底向上的路徑，融合各層特征間的語義信息和位置信息?？紤]到直接融合不同尺度的特征會(huì)產(chǎn)生不平衡問題，文獻(xiàn)［18］提出自適應(yīng)空間特征融合（Adaptively Spatial Feature Fusion，ASFF）方法，通過1×1 卷積計(jì)算各尺度特征的標(biāo)量映射，學(xué)習(xí)尺度間的空間重要性權(quán)重，平衡不同尺度特征的表達(dá)能力。文獻(xiàn)［19］通過設(shè)計(jì)特征門控模塊和動(dòng)態(tài)融合模塊，實(shí)現(xiàn)多尺度特征的動(dòng)態(tài)融合。文獻(xiàn)［20］通過融合骨干網(wǎng)絡(luò)的多個(gè)主分支層，然后上采樣最后1 個(gè)主分支層，提出一種雙分支特征融合的檢測算法。

綜上所述，現(xiàn)有算法雖然取得一定的成效，但是主分支層的關(guān)鍵特征并沒有得到充分利用。此外，通過設(shè)計(jì)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)融合不同尺度的特征，不僅增加模型復(fù)雜度，而且忽略不同尺度特征表達(dá)能力不平衡等問題。為此，本文提出一種基于區(qū)域感知的多尺度目標(biāo)檢測算法CW-YOLO。在YOLOv5［21］的基礎(chǔ)上，采用數(shù)據(jù)增強(qiáng)、改進(jìn)的邊框損失Beta-CIoU 和Alpha-DIoU-NMS，構(gòu) 建1 個(gè)增強(qiáng) 的基線 模型。在主分支層上分別引入通道信息增強(qiáng)模塊（Channel Information Enhancement Module，CIEM），充分利用主分支層的關(guān)鍵特征，避免了主分支特征信息容易丟失的問題，并強(qiáng)化模型對(duì)重點(diǎn)區(qū)域的感知能力。同時(shí)，提出加權(quán)特征融合方法（Weighted Feature Fusion Method，WFFM），平衡不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力，進(jìn)而提高算法對(duì)多尺度目標(biāo)的感知能力。最后，該算法在公開數(shù)據(jù)集Pascal VOC［22］、MS COCO［23］、Global Wheat［24］、Wider Face［25］和自制 數(shù)據(jù)集Motor Defect 上完成 了實(shí)驗(yàn)驗(yàn)證。

1 多尺度目標(biāo)檢測算法

1.1 網(wǎng)絡(luò)結(jié)構(gòu)

本文在YOLOv5 的基礎(chǔ)上，采用數(shù)據(jù)增強(qiáng)、Beta-CIoU 損失和Alpha-DIoU-NMS 方法構(gòu)建1 個(gè)增強(qiáng)的基線模型，并提出一種基于區(qū)域感知的多尺度目標(biāo)檢測算法CW-YOLO，網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。CW-YOLO 的整體網(wǎng)絡(luò)結(jié)構(gòu)主要由骨干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和YOLO 檢測頭組成，C1、C2、C3 表示3 種不同尺度的特征圖。首先，骨干網(wǎng)絡(luò)采用CSPDarkNet53［26］提取主分支層｛C1，C2，C3｝的特征信息，在此基礎(chǔ)上引入CIEM 作為額外的分支層，然后將CIEM 與經(jīng)過自頂向下和自底向上的路徑聚合網(wǎng)絡(luò)融合，分別得到3 種融合不同語義信息和位置信息的特征圖M11、M22 和M33。使用WFFM 對(duì)不同尺度的特征圖｛M11，M22，M33｝進(jìn)行2 次融合，得到3 種不同尺度的檢測頭｛P1，P2，P3｝。針對(duì)P1、P2 和P3，分別在特征圖M11、M22、M33 上引入平衡因子｛d，e，f｝，平衡不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力。最后將P1、P2 和P3 進(jìn)行多尺度預(yù)測，實(shí)現(xiàn)目標(biāo)的識(shí)別與定位。CIEM 通過提取每個(gè)主分支層的關(guān)鍵特征，有助于過濾背景信息的干擾特征，提高模型對(duì)重點(diǎn)區(qū)域的感知能力。WFFM 能夠平衡不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力，強(qiáng)化各個(gè)檢測頭對(duì)多尺度目標(biāo)的感知能力。

圖1 CW-YOLO 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of CW-YOLO network

1.2 增強(qiáng)基線模型

YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)主要由CSPDarkNet53、PANet 和YOLO 檢測頭組成。在數(shù)據(jù)預(yù)處理階段，主要采用平移、旋轉(zhuǎn)、Mosaic、Mixup［27］等數(shù)據(jù)增強(qiáng)策略。Mosaic 數(shù)據(jù)增強(qiáng)是把不同的樣本經(jīng)過隨機(jī)裁剪、隨機(jī)旋轉(zhuǎn)和隨機(jī)拼接組成；Mixup 數(shù)據(jù)增強(qiáng)是把2 張不同的樣本按照一定的比例融合，提高樣本的數(shù)據(jù)量，增強(qiáng)模型的魯棒性。

針對(duì)目標(biāo)框的困難回歸問題，在預(yù)測框和真實(shí)框的交并比（Intersection over Union，IoU）上引入調(diào)節(jié)因子來增大模型對(duì)困難回歸框的損失和梯度。假設(shè)IoU 的期望和方差分別為μ和σ2，引入調(diào)節(jié)因子β后，IoU 的期望 和方差 分別變 為βμ和β2σ2。當(dāng)β?(0,1)時(shí)，IoU 的方差變?yōu)樵瓉淼摩?，能有效緩解預(yù)測框和真實(shí)框之間IoU 的離散程度，進(jìn)而增大困難回歸框的信息量。此外，受Alpha-IoU［28］的啟發(fā)，以預(yù)測框與真實(shí)框中心點(diǎn)的歐氏距離和高寬比作為邊框損失的約束條件，在此基礎(chǔ)上引入調(diào)節(jié)因子并提出Beta-CIoU 邊框損失，其計(jì)算式如式（1）所示。通過改變調(diào)節(jié)因子，使得模型增大困難回歸框的損失和梯度，從而更關(guān)注困難回歸目標(biāo)。在不增加任何代價(jià)的情況下，提高目標(biāo)檢測的精確度。

其中：ρ(b,bgt)表示預(yù)測框b和真實(shí)框bgt中心點(diǎn)的歐氏距離；β表示調(diào)節(jié)因子；α默認(rèn)為3；c表示最小外接框的對(duì)角線長度。γ和ν的計(jì)算式如式（2）所示：

在目標(biāo)檢測的后處理階段，傳統(tǒng)的非極大值抑制（Non-Maximum Suppression，NMS）方法采用普通IoU 閾值作為候選框篩選的指標(biāo)。然而，當(dāng)同類別目標(biāo)存在遮擋時(shí)，不同候選框之間的IoU 可能會(huì)超過篩選的閾值，會(huì)被誤認(rèn)為是同1 個(gè)目標(biāo)，從而過濾掉遮擋目標(biāo)。因此，以不同候選框的中心點(diǎn)距離作為約束條件，在DIoU［29］的基礎(chǔ)上，將Alpha-IoU 推廣到NMS，提出Alpha-DIoU-NMS，減小與遮擋目標(biāo)的IoU，使得模型能夠提取到豐富的目標(biāo)框信息，計(jì)算式如式（3）所示：

1.3 通道信息增強(qiáng)模塊

在多尺度特征融合［30］中，淺層特征具有更多的位置信息，有利于小目標(biāo)檢測。深層特征經(jīng)過多次卷積、池化等操作后能夠提取豐富的語義信息，有利于大目標(biāo)檢測。然而，現(xiàn)有的目標(biāo)檢測算法采用自頂向下、自底向上等路徑聚合網(wǎng)絡(luò)融合多尺度信息，往往忽略了經(jīng)過卷積、上下采樣等操作后容易造成主分支層特征信息丟失的問題。研究人員指出，直接融合不同尺度的特征會(huì)引入大量的背景信息，使得目標(biāo)的邊界變得模糊，重點(diǎn)區(qū)域的特征不明顯，從而弱化模型對(duì)目標(biāo)區(qū)域的關(guān)注。

針對(duì)上述問題，受SENet 注意力機(jī)制［31］的啟發(fā)，本文提出CIEM模塊，數(shù)學(xué)表達(dá)式如式（4）所示：

CIEM 模塊沿著主分支層的通道方向使用全局最大池化（Global Maximum Pooling，GMP）和全局平均池化（Global Average Pooling，GAP）提取重要的通道信息，采用1×1 卷積融合跨通道間的信息，然后通過Sigmoid 激活函數(shù)獲取非線性的權(quán)重矩陣，最后融合主分支層的特征，使得模型盡可能保留主分支層的關(guān)鍵特征，提高模型對(duì)重要區(qū)域的感知能力。

CIEM 模塊的網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。在主分支層｛C1，C2，C3｝上分別引入CIEM 作為額外的分支層，與經(jīng)過自頂向下和自底向上的路徑聚合網(wǎng)絡(luò)融合，提取主分支層｛C1，C2，C3｝的關(guān)鍵特征和上下文信息，抑制背景信息的干擾，提高模型對(duì)重點(diǎn)區(qū)域的感知能力，使得模型更關(guān)注待測目標(biāo)。考慮到小目標(biāo)的像素信息少且對(duì)位置信息敏感的特性，移除中間層與最淺層特征的第1 次融合操作，使得淺層特征能獲取更豐富的位置信息，提高模型的檢測效果。

1.4 加權(quán)特征融合方法

在卷積神經(jīng)網(wǎng)絡(luò)中，隨著網(wǎng)絡(luò)層數(shù)加深，模型越有利于大目標(biāo)檢測，相反越淺層的特征對(duì)小目標(biāo)的信息更加敏感。由于目標(biāo)尺寸大小不一，因此容易造成不同尺度的特征表達(dá)能力不平衡?，F(xiàn)有方法主要通過直接相加、通道拼接操作和設(shè)計(jì)復(fù)雜的網(wǎng)絡(luò)模塊等方式融合不同尺度的特征，不僅增加網(wǎng)絡(luò)模型的復(fù)雜度，而且忽略了不同尺度特征表達(dá)能力不平衡的問題。

針對(duì)以上問題，在原有特征融合的基礎(chǔ)上進(jìn)行2 次融合，本文提出一種加權(quán)特征融合方法，平衡不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力。通過給不同尺度的輸入特征｛M11，M22，M33｝引入1 個(gè)平衡因子，調(diào)整不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力，提高不同尺度特征的有用信息，抑制背景信息的干擾，從而提高3 個(gè)檢測頭｛P1，P2，P3｝對(duì)不同大小目標(biāo)的表達(dá)能力，增強(qiáng)模型對(duì)多尺度目標(biāo)的感知能力。針對(duì)小、中、大3 種檢測頭，分別調(diào)整平衡因子dl、el和fl的大小來平衡不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力，從而達(dá)到尺度平衡的目的，計(jì)算式如式（5）所示：

其中：xn→l表示從第n層到第l層的輸入特征；yl表示融合后的輸出特征。在特征融合前需要對(duì)不同的特征圖進(jìn)行尺度變化，使其與融合后的特征在分辨率和通道上保持一致。此外，為了防止平衡因子的取值不穩(wěn)定給模型訓(xùn)練帶來的影響，規(guī)定如式（6）所示：

2 實(shí)驗(yàn)驗(yàn)證與分析

2.1 數(shù)據(jù)集

算法在公開數(shù)據(jù)集Pascal VOC、MS COCO、麥穗數(shù)據(jù)集Global Wheat、人臉檢測數(shù)據(jù)集Wider Face和自制數(shù)據(jù)集Motor Defect 上進(jìn)行實(shí)驗(yàn)驗(yàn)證。Pascal VOC 數(shù)據(jù)集包含20 個(gè)類別，共有16 551 張訓(xùn)練集圖片和4 952 張驗(yàn)證集圖片；MS COCO 數(shù)據(jù)集包含80 個(gè)類別，共有118×103張訓(xùn)練集圖片、5×103張驗(yàn)證集圖片和20×103張測試集圖片；Global Wheat 數(shù)據(jù)集包含1 個(gè)類別，共有2 675 張訓(xùn)練集圖片和747 張驗(yàn)證集圖片；Wider Face 數(shù)據(jù)集包含1 個(gè)類別，共有12 876 張訓(xùn)練集圖片和3 226 張驗(yàn)證集圖片；Motor Defect數(shù)據(jù)集包含5 個(gè)類別，共有3 451 張訓(xùn)練集圖片和645 張驗(yàn)證集圖片。

2.2 實(shí)驗(yàn)環(huán)境

本次實(shí)驗(yàn)所采用的操作系統(tǒng)是Ubuntu20.04 LTS，顯卡型號(hào)為RTX 2080Ti 和RTX 3090，CUDA 版本為11.3，并在PyTorch框架下完成代碼編寫。本文實(shí)驗(yàn)采用隨機(jī)梯度下降法優(yōu)化模型，超參數(shù)設(shè)置如表1所示。

表1 超參數(shù)設(shè)置Table 1 Hyperparameter setting

2.3 評(píng)價(jià)指標(biāo)

在目標(biāo)檢測中，平均精度（Average Precision，AP）是衡量模型性能的1 個(gè)重要指標(biāo)，通過模型的精確度（P）與召回率（R）所組成的線下曲線面積得到。AP50∶95表示步長為0.05，計(jì)算IoU 從0.50～0.95 的平均精度均值；AP50表示IoU 為0.5 的平均精度；AP75表示IoU 為0.75 的平均精度；APS表示小目標(biāo)的平均精度，其目標(biāo)區(qū)域小于322 個(gè)像素；APM表示中目標(biāo)的平均精度，其目標(biāo)區(qū)域在322～962 個(gè)像素之間；APL表示大目標(biāo)的平均精度，其目標(biāo)區(qū)域大于962 個(gè)像素。此外，根據(jù)參數(shù)量和計(jì)算量（FLOPs）衡量模型的復(fù)雜度。

2.4 消融實(shí)驗(yàn)

本文在Pascal VOC 數(shù)據(jù)集上對(duì)CW-YOLO 的各個(gè)模塊進(jìn)行論證和分析。采用默認(rèn)的訓(xùn)練協(xié)議和訓(xùn)練參數(shù) 復(fù)現(xiàn)了 基線模 型（YOLOv5s）。在2 張GeForce RTX 2080Ti 上進(jìn)行訓(xùn)練和測試，并使用Pascal VOC 驗(yàn)證集評(píng)估模型的性能指標(biāo)。實(shí)驗(yàn)主要圍 繞Beta-CIoU 損 失、Alpha-DIoU-NMS、CIEM 和WFFM 展開分析，實(shí)驗(yàn)結(jié)果如表2 所示。

表2 添加各個(gè)模塊的實(shí)驗(yàn)結(jié)果Table 2 Experimental results adding each module

從表2 可以看出，在YOLOv5s 基礎(chǔ)上，使用Beta-CIoU 損失、Alpha-DIoU-NMS、CIEM、WFFM 和Mixup 后，模型的評(píng)價(jià)指標(biāo)AP50∶95從52.11%提高到57.59%，提升5.48 個(gè)百分點(diǎn)，AP50從77.64%提高到81.70%，提升4.06 個(gè)百分點(diǎn)，此外，精確度從62.57%提高到67.14%，提升4.57 個(gè)百分點(diǎn)，召回率從78.99%提高到82.95%，提升3.96 個(gè)百分點(diǎn)。

在Beta-CIoU 中，選取不同的調(diào)節(jié)因子完成6 組消融實(shí)驗(yàn)，結(jié)果如表3 所示，參數(shù)量為7.1×106，F(xiàn)LOPs 為16.5×109。從表3 可以看出，與調(diào)節(jié)因子為1.0 相比，當(dāng)調(diào)節(jié)因子為0.9 時(shí)，本文模型的評(píng)價(jià)指標(biāo)AP50：95提高了0.06 個(gè)百分點(diǎn)，AP50提高0.3 個(gè)百分點(diǎn)，精確度提高了1.94 個(gè)百分點(diǎn)。此外，隨著調(diào)節(jié)因子減少，通過增大困難回歸框的損失和梯度，使得模型更關(guān)注困難回歸目標(biāo)，提高模型的精確度。相比基線模型，僅須修改模型的損失函數(shù)，評(píng)價(jià)指標(biāo)AP50：95提高2.41 個(gè)百分點(diǎn)，精確度提升4.81 個(gè)百分點(diǎn)。Beta-CIoU 邊框損失能有效提高算法的檢測性能。

表3 不同調(diào)節(jié)因子的實(shí)驗(yàn)結(jié)果Table 3 Experimental results among different regulators

為驗(yàn)證Alpha-DIoU-NMS 方法的有效性，在Beta-CIoU 損失的基礎(chǔ)上進(jìn)行消融實(shí)驗(yàn)。從表2 可以看出，與YOLOv5s+Beta-CIoU 相比，YOLOv5s+Beta-CIoU+Alpha-DloU-NMS 模型的 評(píng)價(jià)指 標(biāo)AP50：95提高0.05 個(gè)百分點(diǎn)。圖2 所示為Alpha-DIoU-NMS和普通NMS 的可視化檢測效果圖。從圖2 可以看出，當(dāng)2 個(gè)同類別目標(biāo)存在遮擋情況時(shí)，2 個(gè)目標(biāo)的重疊面積增大，普通NMS 方法直接過濾掉遮擋區(qū)域的目標(biāo)，而Alpha-DIoU-NMS 方法通過弱化候選框的IoU，防止模型對(duì)同類別遮擋目標(biāo)產(chǎn)生誤判，能夠有效地檢測出遮擋目標(biāo)。

圖2 普通NMS 和Alpha-DIoU-NMS 的可視化檢測效果Fig.2 The visual detection effect of ordinary NMS and Alpha-DIoU-NMS

為驗(yàn)證CIEM 的有效性，在增強(qiáng)基線模型的基礎(chǔ)上進(jìn)行消融實(shí)驗(yàn)。表2 顯示添加CIEM 模塊后，模型的評(píng)價(jià)指標(biāo)AP50∶95從54.57% 提高到54.99%，提 高0.42 個(gè)百分點(diǎn)。圖3 所示為可視化增強(qiáng)的基線模型、添加CIEM 和引入WFFM 后的熱力圖（彩色效果見《計(jì)算機(jī)工程》官網(wǎng)HTML 版），紅色表示模型對(duì)目標(biāo)區(qū)域的感知程度，藍(lán)色表示模型對(duì)背景信息的抑制程度。從圖3 可以看出，相比增強(qiáng)的基線模型，添加CIEM 后，模型能有效地抑制背景信息，使得目標(biāo)區(qū)域的特征更加顯著，而且背景區(qū)域與目標(biāo)的邊界更加清晰，從而減少背景信息給模型訓(xùn)練帶來的負(fù)面影響。因此，CIEM 通過提取主分支層的關(guān)鍵特征，抑制背景信息的干擾，使得模型更關(guān)注目標(biāo)區(qū)域，增強(qiáng)對(duì)重點(diǎn)區(qū)域的感知能力，有助于提高模型的檢測效果。

圖3 添加各個(gè)模塊后的熱力圖Fig.3 Heat map after adding each module

為驗(yàn)證WFFM 的有效性，本文分別在Pascal VOC 數(shù)據(jù)集上做了5 組消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表4所 示，參數(shù)量 為11.8×106，F(xiàn)LOPs 為22.8×109。其 中P1、P2 和P3 分別表示檢測頭的淺層、中間層和深層特征。從表4 可以看出，與直接相加融合方法相比，對(duì)淺層特征P1 使用WFFM 方法，使得模型對(duì)小目標(biāo)的評(píng)價(jià)指標(biāo)APS從25.8%提高到30.3%，提升了4.5 個(gè)百分點(diǎn)；對(duì)中間層特征P2 使用WFFM 后，模型對(duì)中目標(biāo)的評(píng)價(jià)指標(biāo)APM從43.9%提高到44.1%，提升了0.2 個(gè)百分點(diǎn)；對(duì)深層特征P3 使用WFFM 后，模型對(duì)大目標(biāo)的評(píng)價(jià)指標(biāo)APL從61.2%提高到61.4%，提高了0.2 個(gè)百分點(diǎn)。此外，單獨(dú)對(duì)P2 層和P3 層使用WFFM，模型對(duì)不同尺度目標(biāo)的檢測能力均有一定程度的提升。直接相加融合方法會(huì)限制各尺度特征的表達(dá)能力，從而表明不同尺度的輸入特征對(duì)輸出特征的表達(dá)能力是不平衡的。最后對(duì)P1、P2 和P3 同時(shí)使用WFFM，模型沒有增加任何的參數(shù)量和計(jì)算量，相比直接相加融合方法，評(píng)價(jià)指標(biāo)AP50∶95提高0.57 個(gè)百分點(diǎn)，AP50提高0.24 個(gè)百分點(diǎn)，同時(shí)提高模型對(duì)多尺度目標(biāo)的檢測效果，APS提高了1 個(gè)百分點(diǎn)，APM提高了1.2 個(gè)百分 點(diǎn)，APL提高了0.4 個(gè)百分點(diǎn)。此外，圖3 顯示添加WFFM 后，通過平衡不同尺度特征的表達(dá)能力，使得模型能夠抑制背景信息，增強(qiáng)對(duì)目標(biāo)區(qū)域的感知能力。

表4 不同尺度的特征層使用WFFM 方法對(duì)模型性能的影響Table 4 The impact of using WFFM method on model performance for feature layers at different scales %

為驗(yàn)證模型在實(shí)際應(yīng)用場景的檢測能力，在麥穗數(shù)據(jù)集Global Wheat、人臉檢測數(shù)據(jù)集Wider Face和電機(jī)缺陷數(shù)據(jù)集Motor Defect 上做了3 組消融實(shí)驗(yàn)，結(jié)果如表5 所示。

表5 不同模型在數(shù)據(jù)集上的檢測性能Table 5 Detection performance among different models on datasets %

在麥穗數(shù)據(jù)集Global Wheat 上，相比YOLOv5s，CW-YOLOS 模型的 精確度、AP50和AP50∶95分別提 高18.94、0.38、1.94 個(gè)百分點(diǎn)；在人臉檢測數(shù)據(jù)集Wider Face 上，CW-YOLOS 模型的 精確度、AP50、AP50∶95分別提高19.52、0.37 和0.70 個(gè)百分點(diǎn)；在自制數(shù)據(jù)集Motor Defect 上，CW-YOLOS 模型的 精確度、AP50、AP50∶95分別提 高15.00、1.29、1.95 個(gè)百分 點(diǎn)。因 此，CW-YOLO 算法通過增強(qiáng)目標(biāo)區(qū)域的感知能力，有效提升目標(biāo)檢測的精確度。

2.5 與先進(jìn)的目標(biāo)檢測算法比較

CW-YOLO 算法主要遵循YOLOv5 的模型縮放策略，得到了4 種不同規(guī)模的網(wǎng)絡(luò)結(jié)構(gòu)（CWYOLOS、CW-YOLOM、CW-YOLOL、CW-YOLOX）。本文實(shí)驗(yàn)主要是在2 張內(nèi)存為24 GB 的GeForce RTX 3090 上完成MS COCO 數(shù)據(jù)集的訓(xùn)練和測試任務(wù)。由于MS COCO 的測試集并未提供標(biāo)簽文件，因此在MS COCO 官方服務(wù)器上完成測試和評(píng)估任務(wù)。

表6 所示為CW-YOLO 在COCO test-dev 測試集上與先進(jìn)的目標(biāo)檢測算法的性能對(duì)比，加粗表示最優(yōu)值，“—”表示官方并未給出相應(yīng)結(jié)果，“*”表示幀率是通過RTX 3090 測試得到。CW-YOLOS 相比YOLOv5s 的評(píng)價(jià)指標(biāo)AP50∶95提 高3 個(gè)百分 點(diǎn)；CW-YOLOX 的評(píng)價(jià)指標(biāo)AP50∶95達(dá)到了50.7%，比PP-YOLOv2 的最大模型提高0.4 個(gè)百分點(diǎn)，比YOLOv4 的最大模型提高7.2 個(gè)百分點(diǎn)，比Dynamic Head 的最大模型提高3 個(gè)百分點(diǎn)，比DW 的最大模型提高1.4 個(gè)百分點(diǎn)。CW-YOLOX 通過強(qiáng)化多尺度特征和重點(diǎn)區(qū)域的感知能力，提高模型對(duì)多尺度目標(biāo)的檢測效果，使得評(píng)價(jià)指標(biāo)APS、APM、APL分別為31.5%、55.5%、64%。實(shí)驗(yàn)結(jié)果表明，與基線模型YOLOv5 的4 種網(wǎng)絡(luò)模型相比，CW-YOLOS、CW-YOLOM、CWYOLOL、CW-YOLOX 4 種網(wǎng)絡(luò)模型的AP50∶95分別提高了3.0、2.0、1.1 和0.3 個(gè)百分點(diǎn)。

表6 CW-YOLO 與其他目標(biāo)檢測算法的性能對(duì)比Table 6 Performance comparison between CW-YOLO and other object detection algorithms

3 結(jié)束語

針對(duì)主分支層的特征信息容易丟失、不同尺度的特征表達(dá)能力不平衡等問題，本文提出一種基于區(qū)域感知的多尺度目標(biāo)檢測算法CW-YOLO。該算法主要圍繞增強(qiáng)基線模型、通道信息增強(qiáng)模塊和加權(quán)特征融合方法展開和分析，進(jìn)一步提高了算法對(duì)重點(diǎn)區(qū)域、多尺度目標(biāo)的感知能力和檢測能力。在Pascal VOC、MS COCO 等5 個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該算法能有效提升目標(biāo)檢測的精確度。下一步將優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，減少模型的復(fù)雜度，提高算法的推理速度。