改進(jìn)RetinaNet的偽裝人員檢測(cè)方法研究

鄧小桐，曹鐵勇，方 正，鄭云飛，2

1.陸軍工程大學(xué) 指揮控制工程學(xué)院，南京210000

2.中國(guó)人民解放軍炮兵防空兵學(xué)院南京校區(qū)，南京210000

迷彩偽裝是軍事裝備、工事、作戰(zhàn)人員常用的隱藏手段，其通過(guò)迷彩紋理[1]降低目標(biāo)與背景的區(qū)分度，破壞目標(biāo)輪廓信息，以達(dá)到欺騙敵方軍事偵察手段的目的。

迷彩目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)中的難點(diǎn)問(wèn)題，目前成熟的研究較少。傳統(tǒng)的檢測(cè)方法主要將迷彩偽裝看成特殊的紋理結(jié)構(gòu)，設(shè)計(jì)特定的算法提取迷彩紋理，從而檢測(cè)目標(biāo)。Tankus等人[2]對(duì)旋轉(zhuǎn)多個(gè)角度得到的凸算子響應(yīng)進(jìn)行融合，以獲得迷彩目標(biāo)檢測(cè)結(jié)果。武國(guó)晶等人[3]提出利用目標(biāo)具有的三維凸面的灰度差異來(lái)檢測(cè)目標(biāo)。Bhajantri等人[4]提出用強(qiáng)化的紋理分析方法檢測(cè)迷彩目標(biāo)。Sengottuvelan等人[5]利用圖位置關(guān)系和特征構(gòu)建圖像塊的樹(shù)狀圖，聚類后選擇最大的圖像塊作為包含迷彩目標(biāo)的區(qū)域。以上的傳統(tǒng)方法只利用了圖像的淺層特征信息，檢測(cè)效果不太理想。

近年來(lái)的研究成果大多將該問(wèn)題視做基于深度學(xué)習(xí)的迷彩目標(biāo)分割任務(wù)?；诖?，文獻(xiàn)[6]構(gòu)建了密集反卷積網(wǎng)絡(luò)提取目標(biāo)的語(yǔ)義信息，與傳統(tǒng)的方法相比檢測(cè)效果得到了較大的提升；文獻(xiàn)[7]構(gòu)建了基于強(qiáng)語(yǔ)義膨脹網(wǎng)絡(luò)的卷積神經(jīng)檢測(cè)架構(gòu)，利用網(wǎng)絡(luò)深層輸出的特征圖強(qiáng)化淺層特征圖的語(yǔ)義信息，相比文獻(xiàn)[6]的檢測(cè)效果有進(jìn)一步提升。但許多實(shí)際應(yīng)用只需要得到迷彩目標(biāo)的區(qū)域級(jí)定位，因此本文將迷彩目標(biāo)檢測(cè)問(wèn)題看做一類較特殊的基于矩形框的目標(biāo)檢測(cè)問(wèn)題來(lái)進(jìn)行研究。

根據(jù)預(yù)測(cè)流程，可將目前基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法分為兩大類：一類是以Faster R-CNN[8]為代表的基于候選區(qū)域的目標(biāo)檢測(cè)算法，如SPP-Net[9]、Fast R-CNN[10]等。這類算法首先通過(guò)區(qū)域建議算法生成可能包含目標(biāo)的候選區(qū)域，然后通過(guò)卷積神經(jīng)網(wǎng)絡(luò)對(duì)候選區(qū)域進(jìn)行分類和位置回歸得到最終的檢測(cè)框。另一類是以YOLOv3[11]為代表的基于回歸的目標(biāo)檢測(cè)算法，如SSD[12]、RetinaNet[13]等。這類算法基于回歸直接從圖片中回歸出窗口的類別和位置偏移量，得到目標(biāo)的檢測(cè)框。

本文以回歸模型RetinaNet為基礎(chǔ)，針對(duì)迷彩目標(biāo)檢測(cè)特點(diǎn)，對(duì)原模型特征提取網(wǎng)絡(luò)和后處理方式進(jìn)行了改進(jìn)，構(gòu)建了一種基于回歸的迷彩偽裝人員檢測(cè)算法。其中在骨干網(wǎng)絡(luò)Resnet50[14]的各個(gè)殘差塊之間嵌入視覺(jué)注意力機(jī)制模塊，在通道和空間兩個(gè)維度對(duì)特征進(jìn)行加權(quán)；在篩選候選目標(biāo)框時(shí)，用定位的置信分?jǐn)?shù)作為非極大值抑制算法[15]（Non-Maximum Suppression，NMS）中的排序標(biāo)準(zhǔn)，有效提高了算法取舍預(yù)測(cè)框的準(zhǔn)確度。本文的工作是基于文獻(xiàn)[7]中的迷彩偽裝人員數(shù)據(jù)集進(jìn)行的。為了增加數(shù)據(jù)和迷彩圖案樣式的多樣性，還對(duì)其進(jìn)行了擴(kuò)展。

1 迷彩偽裝人員數(shù)據(jù)集擴(kuò)展

本文沿用了文獻(xiàn)[7]中用到的數(shù)據(jù)集，以完全包括目標(biāo)且最小化背景區(qū)域?yàn)槟繕?biāo)，對(duì)原數(shù)據(jù)集中的分割標(biāo)注結(jié)果用最小外接矩形框進(jìn)行了重新標(biāo)注，即根據(jù)圖片中目標(biāo)上下左右的坐標(biāo)最值，將目標(biāo)范圍連接成平行于圖片邊緣的矩形框，以用于本文的研究。

原數(shù)據(jù)集中一共包含26種迷彩樣式的2 600張圖片。本文通過(guò)新搜集到的迷彩測(cè)試視頻，新增加7種迷彩樣式，共計(jì)33種迷彩樣式（https://github.com/Dttong/camouflage-dataset），如表1所示。每種迷彩對(duì)應(yīng)視頻截取100張，共計(jì)700張圖像。在截取圖像時(shí)，為最大可能地反應(yīng)真實(shí)需求，遵循了如下規(guī)則：

表1 迷彩樣式名稱

（1）選取的圖像包含大、中、小的各種尺度目標(biāo)；

（2）圖像目標(biāo)包含站立、臥倒、跪下、背身、側(cè)身、正面等多種姿態(tài)；

（3）圖像背景包括不同氣候、不同地理環(huán)境、不同光照、以及遮擋情況等。

最終，本文將數(shù)據(jù)集擴(kuò)展到3 300張圖像，每張圖像大小為500×282，對(duì)圖像進(jìn)行矩形框標(biāo)注。部分?jǐn)U充的圖像及標(biāo)注結(jié)果如圖1所示，標(biāo)注圖中用黃色框標(biāo)注目標(biāo)，下方是對(duì)應(yīng)迷彩名稱。

圖1 數(shù)據(jù)集標(biāo)注示例

2 基于RetinaNet架構(gòu)的檢測(cè)模型

迷彩偽裝是通過(guò)各種迷彩圖案掩護(hù)目標(biāo)，以降低其顯著性的一種手段。經(jīng)過(guò)迷彩偽裝的目標(biāo)大都與背景對(duì)比度低、遮擋情況嚴(yán)重并且輪廓特征被破壞，因此檢測(cè)難度遠(yuǎn)大于常規(guī)目標(biāo)。

基于迷彩的以上特性，本文在設(shè)計(jì)模型時(shí)關(guān)注如何有效提取圖片中的迷彩特征。本文將注意力機(jī)制引入RetinaNet模型，把通道注意力和空間注意力串聯(lián)嵌入特征提取網(wǎng)絡(luò)Resnet50（https：//github.com/Dttong/camouflagedataset）的每?jī)蓚€(gè)殘差塊之間，模仿人類視覺(jué)注意力轉(zhuǎn)移機(jī)制，以期更好地抑制背景區(qū)域，提升模型對(duì)偽裝目標(biāo)的特征表示能力；模型通過(guò)特征金字塔網(wǎng)絡(luò)[16]中的上采樣和按元素相加操作將圖像深層語(yǔ)義信息融合到各特征層中，得到具有各種尺度的特征集合，最后，使用全卷積神經(jīng)網(wǎng)絡(luò)[17]并行分類和位置回歸，實(shí)現(xiàn)對(duì)目標(biāo)的預(yù)測(cè)。此外，模型還通過(guò)Focalloss損失函數(shù)來(lái)解決訓(xùn)練中正負(fù)樣本失衡的問(wèn)題。本文網(wǎng)絡(luò)結(jié)構(gòu)和主要網(wǎng)絡(luò)參數(shù)如圖2所示。

2.1 注意力機(jī)制

即使經(jīng)過(guò)偽裝，人眼仍能發(fā)現(xiàn)大部分迷彩偽裝目標(biāo)，而注意力機(jī)制可以模仿人類觀察事物的注意力轉(zhuǎn)移過(guò)程，有重點(diǎn)地關(guān)注特定區(qū)域。同時(shí)，大量論文[18-22]證明了在網(wǎng)絡(luò)結(jié)構(gòu)中引入注意力機(jī)制可以提升網(wǎng)絡(luò)模型的特征表達(dá)能力。因此，本文將CBAM（Convolutional Block Attention Module）[23]模塊嵌入殘差網(wǎng)絡(luò)的每個(gè)殘差塊結(jié)構(gòu)之間（如圖2所示），以此將注意機(jī)制引入網(wǎng)絡(luò)的通道和空間兩個(gè)維度，模仿人類視覺(jué)，提高對(duì)迷彩偽裝目標(biāo)的特征表達(dá)能力。CBAM模塊與殘差結(jié)構(gòu)的具體嵌入關(guān)系如圖3所示。

圖2 模型結(jié)構(gòu)圖

圖3 CBAM結(jié)構(gòu)圖

2.1.1 通道注意力模塊

對(duì)輸入特征圖在空間維度上進(jìn)行壓縮，分別使用平均池化和最大池化兩種運(yùn)算，最終得到兩個(gè)一維矢量；再經(jīng)由多層感知機(jī)運(yùn)算后按像素點(diǎn)相加得到輸出Mc；最后與輸入特征圖進(jìn)行像素級(jí)的點(diǎn)乘得到F′，作為其后空間注意力模塊的輸入。

通道注意力模塊能夠反映輸入特征圖中響應(yīng)最大、反饋?zhàn)顝?qiáng)的部分，突出該特征圖中可能存在目標(biāo)的區(qū)域。

2.1.2 空間注意力模塊

空間注意力模塊以通道模塊最后輸出F′作為輸入，同樣使用平均池化和最大池化，在通道維度壓縮特征圖，各生成一張二維的特征圖。然后按照通道維度將兩張?zhí)卣鲌D拼接，經(jīng)卷積操作輸出通道數(shù)為1的特征圖Ms，再通過(guò)卷積運(yùn)算使Ms與輸入有相同空間分辨率。最后同樣與輸入F′進(jìn)行像素級(jí)點(diǎn)乘，得到輸出F″。

空間注意力模塊對(duì)通道進(jìn)行壓縮，可以反映特征圖上響應(yīng)較高的像素點(diǎn)集合，引導(dǎo)神經(jīng)網(wǎng)絡(luò)更有針對(duì)性地提取特征。

圖4 用熱力圖展示了通道注意力和空間注意力模塊在網(wǎng)絡(luò)c2層提取的特征圖，熱力圖中顏色越紅表明該區(qū)域?qū)︻A(yù)測(cè)結(jié)果的貢獻(xiàn)越大。圖中（b）、（c）、（d）分別是c2層最后一個(gè)殘差塊中通道注意力和空間注意力模塊處理前后的特征圖，對(duì)應(yīng)于圖3中的F、F′和F″；（e）是c2層的最終特征圖?？梢钥闯?，（c）突出了右側(cè)區(qū)域，即反映了（b）中響應(yīng)最強(qiáng)即最深色的部分，同時(shí)抑制了響應(yīng)較弱即較淺的區(qū)域，一定程度上強(qiáng)調(diào)了可能存在目標(biāo)的區(qū)域；而（d）強(qiáng)調(diào)了（b）中所有響應(yīng)較大的像素點(diǎn)，即特征圖中偏紅色的區(qū)域，反映了相應(yīng)較高的像素點(diǎn)集合。

圖4 注意力機(jī)制

2.2 特征金字塔和定位、分類子網(wǎng)

特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN）是對(duì)卷積神經(jīng)網(wǎng)絡(luò)特征提取的一種增強(qiáng)，它使得高層的語(yǔ)義特征與底層細(xì)節(jié)特征在各種尺度的目標(biāo)上相結(jié)合，本質(zhì)上是對(duì)卷積神經(jīng)網(wǎng)絡(luò)特征表達(dá)能力的增強(qiáng)，能更有效運(yùn)用在后續(xù)檢測(cè)以及分割任務(wù)上。

圖5 為模型利用特征金字塔網(wǎng)絡(luò)的特征熱力圖對(duì)比，以c3和p3為例，經(jīng)融合了語(yǔ)義信息后的p3，對(duì)圖片的特征表達(dá)更為準(zhǔn)確。

圖5 特征層融合對(duì)比

本文使用兩個(gè)全卷積神經(jīng)網(wǎng)絡(luò)（Fully Convolutional Network，F(xiàn)CN）來(lái)預(yù)測(cè)目標(biāo)類別和位置信息。FCN網(wǎng)絡(luò)由卷積層構(gòu)成，不含全連接層，在預(yù)測(cè)時(shí)利用上采樣和反卷積將卷積運(yùn)算得到的特征圖放大到輸入圖大小，實(shí)現(xiàn)對(duì)原圖的逐像素分類預(yù)測(cè)，比傳統(tǒng)方法的全圖預(yù)測(cè)更高效；同時(shí)，網(wǎng)絡(luò)不限制輸入圖像的尺寸大小，因此可以將特征金字塔網(wǎng)絡(luò)輸出的不同尺度特征圖作為輸入來(lái)進(jìn)行預(yù)測(cè)。由于本文是檢測(cè)任務(wù)，不需要對(duì)目標(biāo)進(jìn)行像素級(jí)分割，因此沒(méi)有采用上采樣和反卷積操作，而是利用FCN網(wǎng)絡(luò)不限制輸入尺度的特性直接將所有尺度特征集輸入預(yù)測(cè)目標(biāo)的位置坐標(biāo)和類別。

2.3 Focal loss

目標(biāo)檢測(cè)模型普遍存在正負(fù)樣本比例失衡的問(wèn)題，導(dǎo)致在計(jì)算訓(xùn)練損失時(shí)，負(fù)樣本所占比例過(guò)大，大量負(fù)樣本的小損失相加，主導(dǎo)了損失函數(shù)的走向，而正樣本提供的關(guān)鍵信息無(wú)法發(fā)揮正常作用。

Focal loss是一種改進(jìn)的交叉熵?fù)p失，通過(guò)在原有的損失函數(shù)上乘上一個(gè)因子，削弱容易檢測(cè)的目標(biāo)對(duì)訓(xùn)練模型的貢獻(xiàn)，從而解決上述類別不平衡的問(wèn)題。

則典型的交叉熵?fù)p失函數(shù)如式（2）所示：

Focal loss提出，在典型交叉熵?fù)p失上乘上一個(gè)調(diào)節(jié)因子，其公式如式（3）所示：其中參數(shù)α能夠讓損失函數(shù)對(duì)不同類別更加平衡。實(shí)驗(yàn)證明，較容易檢測(cè)的目標(biāo)對(duì)整體的損失貢獻(xiàn)較小，而不易區(qū)分的樣本對(duì)損失貢獻(xiàn)相對(duì)較大，這樣的損失函數(shù)會(huì)引導(dǎo)模型努力去辨別不易區(qū)分的目標(biāo)，從而有效提升網(wǎng)絡(luò)的整體檢測(cè)精度。

2.4 預(yù)測(cè)框過(guò)濾算法

在標(biāo)準(zhǔn)RetinaNet的NMS算法中，通過(guò)分類置信度過(guò)濾初始預(yù)測(cè)框得到可信的候選目標(biāo)位置。但在偽裝條件下，目標(biāo)大都隱藏在環(huán)境中，與樹(shù)木、草叢等相互遮擋，輪廓信息被破壞，且與背景的對(duì)比度極低，分類置信度整體上誤差較大，難以以此抑制誤差大的矩形框。

為解決分類置信度在偽裝條件下誤差大，對(duì)預(yù)測(cè)矩形框抑制效果較差的問(wèn)題，本文在處理矩形框時(shí)引入定位置信信息交并比（Intersection-over-Union，IOU）[24]，代替分類置信度對(duì)矩形框進(jìn)行排序并過(guò)濾，抑制交并比達(dá)到閾值、相似度高的框，并比較兩者置信分?jǐn)?shù)，將更高的分?jǐn)?shù)更新給定位置信度最高的框，循環(huán)直到處理完所有的矩形框，具體排序過(guò)濾過(guò)程如算法1所示。最終，具有最高定位置信度的框同時(shí)也有了最高的分類置信度。通過(guò)這種方式，降低目標(biāo)與背景對(duì)比度低對(duì)訓(xùn)練造成的負(fù)面影響，得到更準(zhǔn)確的預(yù)測(cè)。

算法1使用定位置信度來(lái)排序所有預(yù)測(cè)框，并使用規(guī)則更新其分類置信得分。

輸出：D，包含分類置信得分的預(yù)測(cè)框集合。

3 實(shí)驗(yàn)及結(jié)果

實(shí)驗(yàn)時(shí)，按照5∶2∶3的比例，將偽裝人員數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，類別包括人和背景兩類。模型基于pytorch架構(gòu)，在128 GB內(nèi)存，12 GB顯存NVIDIA GeForce GTXTitan X GPU的工作站上進(jìn)行訓(xùn)練。本文將模型與目標(biāo)檢測(cè)8個(gè)經(jīng)典模型進(jìn)行了對(duì)比。并且設(shè)計(jì)了模塊實(shí)驗(yàn)，驗(yàn)證IOU-Guided NMS和注意力機(jī)制的有效性。

3.1 模型評(píng)價(jià)指標(biāo)

本文使用平均精度均值（mean Average Precision，mAP）作為模型的綜合性能評(píng)價(jià)指標(biāo)，反映了模型中各個(gè)類別檢測(cè)精度的平均情況。其計(jì)算公式如式（4）所示：

其中Q是數(shù)據(jù)集中包含的類別數(shù)，AP是指某一類的平均精度，由精度p和召回率r共同決定，其計(jì)算如公式（5）所示：

其中：

即給定11個(gè)召回率值r，找出大于r的所有r?中，對(duì)應(yīng)的最大精度值p，然后計(jì)算這些p值的平均值，即為AP。

目標(biāo)檢測(cè)的預(yù)測(cè)結(jié)果分為四種情況，如表2所示。其中誤檢率是指誤檢樣本數(shù)量FP在所有負(fù)樣本數(shù)量FP+TN中所占的比率；漏檢率是指漏檢樣本數(shù)量FN在所有正樣本FN+TP中所占的比率，兩者計(jì)算公式分別為式（7）和式（8），其中count(?)是計(jì)數(shù)函數(shù)。通常在目標(biāo)檢測(cè)中，會(huì)根據(jù)任務(wù)需求來(lái)平衡誤檢率和漏檢率。

表2 預(yù)測(cè)情況分類說(shuō)明

此外，為了評(píng)價(jià)模型的目標(biāo)定位準(zhǔn)確性，引用IOU指標(biāo)，如公式（9）所示，其中Boxp和Boxt分別表示最終預(yù)測(cè)框和真值框，area(?)表示區(qū)域面積函數(shù)。若IOU值越大，則說(shuō)明預(yù)測(cè)框與真值框重合度越高，定位更準(zhǔn)確。

3.2 各種檢測(cè)模型對(duì)比

實(shí)驗(yàn)對(duì)比了8種經(jīng)典的深度目標(biāo)檢測(cè)算法在迷彩偽裝人員數(shù)據(jù)集上的檢測(cè)效果，包括M2Det[25]、SSD、Yolov3等表現(xiàn)較好的基于回歸的模型和R-FCN[26]、Cascade R-CNN[27]、Faster R-CNN等基于候選區(qū)域的檢測(cè)模型。

由實(shí)驗(yàn)結(jié)果圖6、表3可看出，用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法檢測(cè)偽裝人員是可行的，其中Ours指本文模型。本文使用對(duì)偽裝人員的檢測(cè)效果介于模型RefineDet[28]和M2Det之間的RetinaNet作為基礎(chǔ)架構(gòu)，改進(jìn)后的模型效果比RefineDet提高9.3個(gè)百分點(diǎn)，比M2Det提高了4.6個(gè)百分點(diǎn)。這表明本文提出的改進(jìn)能有效提升深度學(xué)習(xí)目標(biāo)檢測(cè)模型對(duì)偽裝人員的檢測(cè)性能。

圖6 不同模型mAP曲線

表3 不同模型結(jié)果對(duì)比

圖7 展示了本文模型與基礎(chǔ)模型RetinaNet的檢測(cè)結(jié)果對(duì)比。其中的綠色框表示真值框，紅色框是預(yù)測(cè)框，左上角黃色部分是預(yù)測(cè)類別及類別置信分?jǐn)?shù)?？梢钥闯?，在圖7（a）、（c）、（e）中，本文模型對(duì)目標(biāo)的預(yù)測(cè)更準(zhǔn)確，與真值框更接近。表4更加直觀地說(shuō)明了本文模型在目標(biāo)定位上的優(yōu)越性。

圖7 檢測(cè)示例對(duì)比

表4 IOU值對(duì)比

圖7 （b）和（d）展示出了模型能夠解決基礎(chǔ)RetinaNet因?yàn)槟繕?biāo)與背景對(duì)比度低而產(chǎn)生的誤檢或漏檢問(wèn)題。據(jù)統(tǒng)計(jì)，模型的漏檢率相較于15%下降到10%，而誤檢率從13%上升到17%。這表明了針對(duì)迷彩偽裝人員通常小而隱蔽的特點(diǎn)，本文模型能夠有效提升對(duì)目標(biāo)的發(fā)現(xiàn)率和定位準(zhǔn)確度。

圖8 列出了不同模型的檢測(cè)結(jié)果對(duì)比，左上角黃色部分是預(yù)測(cè)框中距真值框最近的框的預(yù)測(cè)類別和置信得分。5組圖片與圖7中示例圖片相同，第五張圖的目標(biāo)較大，各種模型均能成功檢測(cè)，但本文模型在定位準(zhǔn)確度上效果更好，與真值框最為接近；其余圖片中目標(biāo)尺度較小，且與背景對(duì)比度較低，是常見(jiàn)的偽裝人員圖片類型，大部分模型如SSD、R-FCN等對(duì)此檢測(cè)效果不佳，而本文模型在檢測(cè)精度和定位準(zhǔn)確度上較其他方法均有較大優(yōu)勢(shì)。

3.3 算法改進(jìn)模塊的效能對(duì)比

為了驗(yàn)證注意力機(jī)制和預(yù)測(cè)框過(guò)濾算法的有效性，本文設(shè)計(jì)了4個(gè)對(duì)比實(shí)驗(yàn)，其結(jié)果如表5所示，常規(guī)NMS即傳統(tǒng)的以分類置信度作為排序依據(jù)的算法。從表5可以看出，單獨(dú)使用IOU-Guided NMS函數(shù)和注意力機(jī)制，檢測(cè)平均精度分別提升了8.2個(gè)百分點(diǎn)和1.1個(gè)百分點(diǎn)。

圖8 不同模型檢測(cè)結(jié)果圖對(duì)比

表5 模塊驗(yàn)證精度對(duì)比

如圖9所示，c2～c5是Resnet50的不同尺度特征層，圖片包含綠林地場(chǎng)景下的較小目標(biāo)，該圖片目標(biāo)與背景區(qū)分度很小。在加入注意力機(jī)制CBAM后的熱力圖中，目標(biāo)區(qū)域更加聚焦，顏色更深，即響應(yīng)更大，這表明了更強(qiáng)的特征表示，由此能夠證明注意力模塊對(duì)迷彩偽裝目標(biāo)特征的高效提取確實(shí)有效。

圖9 熱力圖對(duì)比

此外，根據(jù)熱力值聚焦的區(qū)域，可看出在特征提取時(shí)，目標(biāo)的身體結(jié)構(gòu)特征更突出。在較淺層時(shí)，提取的細(xì)節(jié)特征主要是身體部位，隨著特征逐步融合，軀干特征更加明顯。

圖10 模塊驗(yàn)證mAP曲線

圖10 是4個(gè)對(duì)比實(shí)驗(yàn)的檢測(cè)mAP曲線，觀察可知，嵌入注意力機(jī)制后，網(wǎng)絡(luò)訓(xùn)練速度更快，大約2 000次迭代后模型精度開(kāi)始趨于飽和，損失下降逐漸收斂，而基礎(chǔ)模型大約在5 000次左右趨于收斂。這表明注意力機(jī)制雖然對(duì)檢測(cè)精度的幅度增長(zhǎng)貢獻(xiàn)較小，但其可以有效加快模型的訓(xùn)練進(jìn)程，這是因?yàn)樽⒁饬C(jī)制可以很快聚焦圖像目標(biāo)，減少訓(xùn)練過(guò)程。

觀察增加NMS算法的mAP曲線，可看出更新NMS算法在精度值上有大幅提升，這也是本文模型檢測(cè)精度提升的主要因素。此外，更新的NMS算法還能加快模型收斂，這是因?yàn)镮OU-Guided NMS注重位置的準(zhǔn)確性，在回歸階段加快了迭代進(jìn)程。

觀察圖中紅色曲線，可以發(fā)現(xiàn)在IOU-Guided NMS算法后疊加使用注意力機(jī)制，模型精度增加了0.5個(gè)百分點(diǎn)，但模型的收斂速度下降到與基礎(chǔ)RetinaNet相似，在以后的工作中將對(duì)注意力模塊結(jié)構(gòu)進(jìn)行優(yōu)化，進(jìn)一步提升模型訓(xùn)練效率。

3.4 模型訓(xùn)練參數(shù)

圖11 比較了本文模型與基礎(chǔ)模型的訓(xùn)練損失曲線。訓(xùn)練時(shí)兩個(gè)模型使用相同的參數(shù)，其中輸入圖像大小調(diào)整為300×300，最大迭代次數(shù)為10 000，批處理大小為8，學(xué)習(xí)率為0.000 5，IOU閾值為0.5，F(xiàn)ocal loss中α值為0.25。如圖11所示，本文模型比基礎(chǔ)模型RetinaNet有更好的收斂性。

圖11 Loss曲線對(duì)比

4 結(jié)束語(yǔ)

本文研究了基于矩形框的迷彩偽裝目標(biāo)檢測(cè)問(wèn)題，在RetinaNet檢測(cè)框架基礎(chǔ)上，將注意力機(jī)制嵌入基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)并設(shè)計(jì)了基于定位置信信息的檢測(cè)框過(guò)濾算法。與經(jīng)典目標(biāo)檢測(cè)模型的對(duì)比實(shí)驗(yàn)驗(yàn)證了本文構(gòu)建模型的有效性，改進(jìn)模塊實(shí)驗(yàn)說(shuō)明了注意力模塊的嵌入與過(guò)濾算法的改進(jìn)在基礎(chǔ)模型上明顯提升了性能和收斂性。在后續(xù)的研究，將進(jìn)一步優(yōu)化模型結(jié)構(gòu)并進(jìn)行輕量化改造，重點(diǎn)提升模型的運(yùn)行速度。