基于YOLOv3的SAR艦船圖像目標(biāo)識(shí)別技術(shù)

張官榮， 趙 玉， 李 波， 陳 相, 張海珠

(1.空軍工程大學(xué)航空工程學(xué)院，西安 710000； 2.中國(guó)人民解放軍95949部隊(duì)，河北 滄州 061000)

0 引言

水上交通運(yùn)載是海域戰(zhàn)爭(zhēng)中雙方進(jìn)行激烈較量的重要方面，而艦船是世界各國(guó)海上運(yùn)輸?shù)闹髁鹘煌üぞ撸瑢?duì)于海域情況的精確探測(cè)具有重要作用。合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)技術(shù)通過(guò)脈沖壓縮，同時(shí)利用合成孔徑提高雷達(dá)距離向和方位向的分辨率，進(jìn)而獲取全天候、全天時(shí)的SAR圖像[1]?；赟AR圖像的自動(dòng)目標(biāo)識(shí)別(Automatic Target Recognition,ATR)技術(shù)，是通過(guò)傳統(tǒng)的SAR方法自動(dòng)估計(jì)目標(biāo)的狀態(tài)，并形成了固定的信息處理流程，即對(duì)目標(biāo)的檢測(cè)、鑒別和分類(lèi)[2]，其核心是提高算法的解譯效率和準(zhǔn)確率。目前，SAR ATR技術(shù)已廣泛應(yīng)用于無(wú)人機(jī)、衛(wèi)星等搭載平臺(tái)，通過(guò)對(duì)海港、海洋表面艦船的實(shí)時(shí)監(jiān)測(cè)和觀察來(lái)獲取重要的海域軍事情報(bào)。

近年來(lái)，深度學(xué)習(xí)技術(shù)，尤其是以卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)為基礎(chǔ)的算法突飛猛進(jìn)，避免了繁瑣的人工設(shè)計(jì)特征算法，同時(shí),在各類(lèi)下游任務(wù)中被證明具備優(yōu)秀的精度和較強(qiáng)的魯棒性，在SAR圖像檢測(cè)識(shí)別的領(lǐng)域，基于卷積神經(jīng)網(wǎng)絡(luò)的算法也具有強(qiáng)大的性能，因此被廣泛研究。研究人員基于深度學(xué)習(xí)技術(shù)設(shè)計(jì)了針對(duì)圖像任務(wù)的多樣化卷積神經(jīng)網(wǎng)絡(luò)模型，例如AlexNet[3]，VGG[4]，Googlenet[5]，ResNet[6]，DenseNet[7]等。而圖像目標(biāo)檢測(cè)任務(wù)則基于以上基礎(chǔ)模型進(jìn)行特征提取，之后根據(jù)是否需要提取目標(biāo)候選框分為兩種研究方式：第一種是需要目標(biāo)候選框的兩階段檢測(cè)算法，以R-CNN[8]檢測(cè)算法為代表；另外一種則不需要額外的區(qū)域候選網(wǎng)絡(luò)，因此被稱(chēng)為單階段檢測(cè)算法，以YOLO[9-10]系列檢測(cè)算法為代表。相比于傳統(tǒng)的SAR圖像目標(biāo)檢測(cè)的研究成果，基于深度學(xué)習(xí)的SAR圖像檢測(cè)技術(shù)既確保了時(shí)效性，又提升了模型精度。因此，本文以YOLOv3為基礎(chǔ)網(wǎng)絡(luò)，對(duì)SAR ATR技術(shù)開(kāi)展研究工作，同時(shí)采用了Faster R-CNN作為對(duì)比網(wǎng)絡(luò)，保證了實(shí)驗(yàn)的完整性。

1 YOLOv3網(wǎng)絡(luò)

1.1 Darknet-53主干網(wǎng)絡(luò)結(jié)構(gòu)

在基本圖像特征提取方面，YOLO3采用了Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)，包含53個(gè)卷積層，由一系列1×1和3×3的卷積層組成。其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Darknet-53 network structure

Darknet-53網(wǎng)絡(luò)在一些卷積層之間設(shè)計(jì)了殘差組件用于解決網(wǎng)絡(luò)變深帶來(lái)的性能退化問(wèn)題，如圖2所示。其中，x表示殘差的上層特征輸入，F(xiàn)(x)表示學(xué)習(xí)到的殘差，F(xiàn)(x)+x則表示殘差組件的輸出。

圖2 殘差組件結(jié)構(gòu)圖Fig.2 Structure diagram of residual component

1.2 YOLOv3網(wǎng)絡(luò)

YOLOv3使用Darknet-53作為網(wǎng)絡(luò)的分類(lèi)主干部分，通過(guò)調(diào)節(jié)卷積層的步長(zhǎng)控制輸出特征圖的尺寸。同時(shí)，YOLOv3借鑒特征金字塔網(wǎng)絡(luò)(Feature Pyramid Networks,FPN)的思想，采用上采樣和特征融合的方法輸出3個(gè)尺寸的特征圖，用于不同尺寸目標(biāo)的檢測(cè)。第1個(gè)特征圖下采樣32倍，適用于較大目標(biāo)的檢測(cè)；第2個(gè)特征圖下采樣16倍，適用于中型目標(biāo)的檢測(cè)；第3個(gè)特征圖下采樣8倍，適用于小型目標(biāo)的檢測(cè)。YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示，其中，5L表示共5層。

圖3 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 Structure diagram of YOLOv3 network

1.3 多尺度先驗(yàn)框

YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)通過(guò)K-means聚類(lèi)獲取不同尺寸的先驗(yàn)框，分別聚類(lèi)為373像素×326像素，156像素×198像素，116像素×90像素，59像素×119像素，62像素×45像素，30像素×61像素，33像素×23像素，16像素×30像素和10像素×13像素9種大小，分別為3種不同的下采樣尺度提供3種大小的先驗(yàn)框。先驗(yàn)框的尺寸根據(jù)目標(biāo)的大小分配，如圖4所示，圖4(a)表示較大的目標(biāo)分配前3個(gè)較大的先驗(yàn)框，特征圖大小為13像素×13像素；圖4(b)表示中等的目標(biāo)分配中間3個(gè)尺寸的先驗(yàn)框，特征圖大小為26像素×26像素；圖4(c)表示尺寸較小的目標(biāo)分配后3個(gè)較小的先驗(yàn)框，特征圖大小為52像素×52像素。

圖4 目標(biāo)不同尺度的像素級(jí)先驗(yàn)框和特征圖Fig.4 Pixel-wise prior boxes and feature map for different scales of object

若目標(biāo)的中心如圖5所示，當(dāng)被測(cè)目標(biāo)中心點(diǎn)落入某網(wǎng)格時(shí)，則由該網(wǎng)格進(jìn)行預(yù)測(cè)。YOLOv3通過(guò)目標(biāo)中心與對(duì)應(yīng)網(wǎng)格的偏移量進(jìn)行預(yù)測(cè)回歸。

圖5 邊框預(yù)測(cè)Fig.5 Bounding box prediction

其中：(cx，cy)表示進(jìn)行預(yù)測(cè)網(wǎng)格的左上角像素位置；tx，ty表示被檢測(cè)物體的中心像素位置與左上角像素位置的偏移距離；pw，ph分別表示特征值置信圖內(nèi)的寬和高；(bx，by)表示預(yù)測(cè)錨框中心點(diǎn)的位置；bw，bh分別表示預(yù)測(cè)錨框相對(duì)于特征圖的寬和高；通過(guò)Sigmoid函數(shù)σ(·)將偏移距離tx，ty壓縮至[0,1]內(nèi)，保證被測(cè)物體中心能落入進(jìn)行預(yù)測(cè)的網(wǎng)格中；tw，th分別表示特征圖寬和高的尺度縮放因子。

1.4 損失函數(shù)

對(duì)于給定圖像，將其分為S×S個(gè)網(wǎng)絡(luò)，每個(gè)網(wǎng)絡(luò)將產(chǎn)生B個(gè)box。YOLO系列模型使用均方誤差作為損失函數(shù)，其由置信誤差lobj、分類(lèi)誤差lcls，以及預(yù)測(cè)位置誤差lbox組成，即

l=lbox+lcls+lobj

(1)

式中，

(2)

(3)

(4)

2 實(shí)驗(yàn)過(guò)程及結(jié)果

2.1 數(shù)據(jù)集介紹

本實(shí)驗(yàn)采用公開(kāi)的SAR圖像船舶檢測(cè)數(shù)據(jù)集[11]，其主要源于Sentinel-1 SAR數(shù)據(jù)和國(guó)產(chǎn)高分三號(hào)SAR數(shù)據(jù)，涵蓋了不同模式下、非同源的43 819幅SAR艦船圖像切片和對(duì)應(yīng)標(biāo)簽，可用于目標(biāo)檢測(cè)任務(wù)，部分可視化表達(dá)如圖6所示。

圖6 部分可視化SAR艦船圖像數(shù)據(jù)Fig.6 Partial SAR ship image data

2.2 模型訓(xùn)練

本文訓(xùn)練和測(cè)試的環(huán)境基于Ubuntu16.04系統(tǒng)，Pytorch1.7.1框架，CUDA10.1，GPU使用GTX2080,優(yōu)化器選取經(jīng)典的隨機(jī)梯度下降算法，權(quán)重衰減為0.000 5，學(xué)習(xí)率為0.001，訓(xùn)練批次為50 000，損失函數(shù)變化曲線如圖7所示。整個(gè)模型通過(guò)有監(jiān)督的訓(xùn)練方式，設(shè)計(jì)損失函數(shù)回歸和優(yōu)化SAR艦船圖像目標(biāo)識(shí)別模型。

圖7 網(wǎng)絡(luò)訓(xùn)練損失曲線Fig.7 Network training loss curve

2.3 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)采用的評(píng)價(jià)指標(biāo)為主流的mAP指標(biāo)，該指標(biāo)是所有檢測(cè)目標(biāo)類(lèi)別準(zhǔn)確率AP的平均值，衡量模型在各類(lèi)別上識(shí)別效果的平均水平。同時(shí)，本實(shí)驗(yàn)采用在目標(biāo)檢測(cè)領(lǐng)域較為成熟的Faster R-CNN作為對(duì)比算法，測(cè)試結(jié)果如表1所示，表1中FPS (Frames Per Second)表示算法的每秒檢測(cè)幀數(shù)，反映其檢測(cè)速度。

表1 測(cè)試結(jié)果對(duì)比Table 1 Comparison of test results

由表1可見(jiàn),YOLOv3網(wǎng)絡(luò)的檢測(cè)性能在檢測(cè)精度與檢測(cè)速度上均優(yōu)于Faster R-CNN，尤其對(duì)于檢測(cè)速度的提升，且由于SAR艦船圖像相對(duì)于海域目標(biāo)較小，YOLOv3網(wǎng)絡(luò)中的特征金字塔網(wǎng)絡(luò)(FPN)提升了小目標(biāo)的檢測(cè)精度，因此，YOLOv3相比Faster R-CNN的性能在檢測(cè)精度和檢測(cè)速度方面均有所提升。YOLOv3檢測(cè)結(jié)果如圖8所示，其中，場(chǎng)景1～6僅為部分結(jié)果展示，無(wú)具體指代。

圖8 SAR艦船檢測(cè)結(jié)果Fig.8 SAR ship detection results

3 總結(jié)

本文針對(duì)SAR圖像自動(dòng)目標(biāo)識(shí)別面臨的關(guān)鍵問(wèn)題展開(kāi)了深入研究，設(shè)計(jì)了一種基于YOLOv3網(wǎng)絡(luò)的SAR艦船圖像小目標(biāo)檢測(cè)模型，該模型基于Darknet-53主干網(wǎng)絡(luò)提取圖像的淺層特征，以多尺度先驗(yàn)框?qū)δ繕?biāo)物體進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明，基于YOLOv3的網(wǎng)絡(luò)對(duì)小目標(biāo)的檢測(cè)算法在SAR艦船檢測(cè)的任務(wù)上取得了很好的效果。