基于改進(jìn)YOLOv3的高分辨率遙感圖像復(fù)合目標(biāo)檢測(cè)

張 飆，王慧賢，韓 冰

(1.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100190; 2.中國(guó)科學(xué)院大學(xué)電子電氣與通信工程學(xué)院，北京 100049；3.中國(guó)科學(xué)院空間信息處理與應(yīng)用系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100190)

0 引 言

隨著時(shí)代的發(fā)展，遙感圖像的分辨率越來(lái)越高，人們也可以更加了解自己居住的地球。高分辨率遙感影像通常被用于地物解譯，如目標(biāo)檢測(cè)。較高的分辨率對(duì)目標(biāo)的檢測(cè)精度會(huì)有所改善，但大幅寬遙感影像具有極其復(fù)雜的背景，同物異譜、同譜異物現(xiàn)象更加明顯，導(dǎo)致利用大幅寬遙感影像做檢測(cè)時(shí)虛警較多、準(zhǔn)確率較低。

復(fù)合目標(biāo)相對(duì)單一目標(biāo)(如：飛機(jī)、艦船等)而言，是一類(lèi)由多個(gè)結(jié)構(gòu)共同組成的目標(biāo)，結(jié)構(gòu)之間往往存在一定差異或者拓?fù)潢P(guān)系，單個(gè)結(jié)構(gòu)還存在不同變體。如導(dǎo)彈陣地、籃球場(chǎng)等。復(fù)合目標(biāo)由于其自身存在一定差異性，導(dǎo)致類(lèi)目標(biāo)的背景區(qū)域增加，檢測(cè)效果更加不好。本文針對(duì)該類(lèi)目標(biāo)開(kāi)展研究，選取和運(yùn)動(dòng)健身相關(guān)的籃球場(chǎng)作為檢測(cè)對(duì)象，籃球場(chǎng)只是復(fù)合目標(biāo)中的一個(gè)代表，所提方法同樣可以應(yīng)用于其他的復(fù)合目標(biāo)，如復(fù)合軍事目標(biāo)：愛(ài)國(guó)者導(dǎo)彈陣地、薩姆導(dǎo)彈陣地、核設(shè)施等。

傳統(tǒng)的目標(biāo)檢測(cè)算法提取的大都為SIFT(Scale-Invariant Feature Transform)[1]、HOG(Histogram of Oriented Gradient)[2]、Haar[3]等目標(biāo)特征，這些特征魯棒性低，用于檢測(cè)的效果往往不理想。

基于深度學(xué)習(xí)的檢測(cè)算法，利用卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取特征，該類(lèi)算法將檢測(cè)效果提升到了一個(gè)很高的層次。在2014年，Ross Girshick基于AlexNet[4]提出了R-CNN(Region with CNN feature)[5]方法，開(kāi)創(chuàng)了深度學(xué)習(xí)目標(biāo)檢測(cè)算法的先河。R-CNN在目標(biāo)檢測(cè)上取得了巨大成就，但仍然存在諸多缺點(diǎn)。R-CNN產(chǎn)生的大量候選框會(huì)占用較多的磁盤(pán)空間，而且對(duì)每個(gè)候選框的卷積計(jì)算會(huì)產(chǎn)生過(guò)多重復(fù)的特征提取。為了彌補(bǔ)R-CNN的上述缺陷，Ross Grishick借鑒SPP(Spatial Pyramid Pooling)[6]的思想提出了Fast R-CNN[7]算法模型，并且將分類(lèi)和回歸均放入網(wǎng)絡(luò)一起訓(xùn)練，但由于候選框仍然需要通過(guò)selective search[8]得到，所以仍具有較大的不足。為了解決生成候選框耗時(shí)長(zhǎng)的問(wèn)題，作者又提出了Faster R-CNN[9]算法模型，該模型引入了RPN(Region Proposal NetWork)網(wǎng)絡(luò)，將候選框的生成也放入了網(wǎng)絡(luò)中。

R-CNN系列是將生成候選框和檢測(cè)分為2步的檢測(cè)算法，這種算法耗時(shí)長(zhǎng)，時(shí)效性不高。SSD(Single Shot MultiBox Detector)[10]是一類(lèi)單步檢測(cè)算法，采用一組默認(rèn)的候選框替代區(qū)域生成算法得到的候選框，分類(lèi)和回歸的結(jié)果也是基于這組候選框產(chǎn)生，單步檢測(cè)算法極大地提高了目標(biāo)檢測(cè)的速度。另一個(gè)具有代表性的單步檢測(cè)算法是YOLO(You Only Look Once)，YOLO算法也是將生成候選框和檢測(cè)合二為一，檢測(cè)速度較快。R-CNN系列、YOLO系列以及SSD算法對(duì)目標(biāo)的檢測(cè)都是基于anchor的，還有一些anchor free算法，像CornerNet[11]、CenterNet[12]、ExtremeNet[13]等。這類(lèi)算法解空間更大更靈活，但檢測(cè)結(jié)果不穩(wěn)定，通常需要設(shè)計(jì)更多的方法來(lái)進(jìn)行re-weight。

迄今為止，有許多學(xué)者利用深度學(xué)習(xí)方法對(duì)目標(biāo)檢測(cè)進(jìn)行研究。文獻(xiàn)[14]中作者改進(jìn)SSD模型，增加額外卷積層，對(duì)尾礦庫(kù)進(jìn)行了檢測(cè)，文獻(xiàn)[15]在SSD模型中引入注意力機(jī)制提高了算法的檢測(cè)精度；文獻(xiàn)[16]利用Fast R-CNN和DeepPose[17]相結(jié)合的方法對(duì)多目標(biāo)人體骨骼節(jié)點(diǎn)進(jìn)行了檢測(cè)，文獻(xiàn)[18]利用Fast R-CNN對(duì)辦公用品進(jìn)行了檢測(cè)；文獻(xiàn)[19]改進(jìn)YOLOv3算法，加入擁有更小感受野的特征圖對(duì)車(chē)輛尾燈進(jìn)行檢測(cè)，改善了小目標(biāo)的檢測(cè)效果。

本文基于YOLOv3[20]對(duì)復(fù)合目標(biāo)籃球場(chǎng)進(jìn)行檢測(cè)，并在原有算法上進(jìn)行改進(jìn)，降低了檢測(cè)虛警率，極大地提高了檢測(cè)精度。

1 復(fù)合目標(biāo)特性分析

因?yàn)閺?fù)合目標(biāo)相對(duì)單一目標(biāo)來(lái)說(shuō)，結(jié)構(gòu)更加復(fù)雜，干擾因素更多，為了提高檢測(cè)率，首先需要對(duì)復(fù)合目標(biāo)進(jìn)行特性分析。本文以籃球場(chǎng)為例開(kāi)展復(fù)合目標(biāo)的檢測(cè)，從遙感影像上看，籃球場(chǎng)除了線(xiàn)條以及籃球架以外，剩余部分由多個(gè)純色區(qū)域組成，這些區(qū)域可分為中圈、限制區(qū)以及其他區(qū)域，本文將該3個(gè)區(qū)域分別稱(chēng)之為1區(qū)、2區(qū)和3區(qū)，見(jiàn)圖1(a)。檢測(cè)復(fù)合目標(biāo)籃球場(chǎng)的難點(diǎn)主要可分為以下2點(diǎn)：

1)籃球場(chǎng)3個(gè)區(qū)域不常規(guī)著色導(dǎo)致與目標(biāo)特征相似的背景區(qū)域增加，致使虛警率升高。

籃球競(jìng)賽規(guī)定，中圈和限制區(qū)的涂漆顏色必須相同，即1、2區(qū)的著色必須相同。與此同時(shí)，為了使各個(gè)區(qū)域之間較易區(qū)分，3區(qū)和另外2個(gè)區(qū)著色一般不同。但在實(shí)際生活中，不是所有籃球場(chǎng)的著色都會(huì)嚴(yán)格遵循上述規(guī)定。觀察圖1(a)發(fā)現(xiàn)，該籃球場(chǎng)2區(qū)和3區(qū)著色存在明顯差異，在兩者的交界處會(huì)形成明顯邊緣，這是籃球場(chǎng)一個(gè)較為重要的特征。但是，圖1(b)和圖1(g)籃球場(chǎng)2區(qū)、3區(qū)著色相同，不考慮線(xiàn)條，2個(gè)區(qū)域在遙感圖像上顯示為連通狀態(tài)，這種情況會(huì)導(dǎo)致邊緣特征被弱化；而圖1(e)更是3個(gè)區(qū)域著色均相同，在遙感圖像上顯示為一純色矩形塊，以上2種不常規(guī)情況均會(huì)導(dǎo)致一些純色方正建筑物被誤檢，從而提高了虛警率，如圖2(a)中實(shí)線(xiàn)框所示。

圖1 不同類(lèi)型的籃球場(chǎng)

圖2 虛警和漏檢情況

2)建筑、樹(shù)木等非目標(biāo)物體遮擋籃球場(chǎng)導(dǎo)致目標(biāo)特征被弱化，背景特征摻入目標(biāo)特征，致使召回率降低，虛警率升高。

遙感圖像背景復(fù)雜，復(fù)合目標(biāo)容易出現(xiàn)被遮擋的情況，遮擋使得復(fù)合目標(biāo)部分結(jié)構(gòu)發(fā)生改變。觀察圖1(c)和圖1(d)發(fā)現(xiàn)，某些籃球場(chǎng)被一些建筑物、樹(shù)木遮擋，其中圖1(d)中的籃球場(chǎng)更是被完全遮擋了一個(gè)限制區(qū)，這極大弱化了目標(biāo)的可用特征。為了提高檢測(cè)的召回率，在訓(xùn)練集中加入了一些被遮擋的籃球場(chǎng)以此提高模型的泛化能力，但是非目標(biāo)物體的摻入會(huì)導(dǎo)致檢測(cè)時(shí)這些非目標(biāo)物體(如建筑、樹(shù)木等)置信度升高，致使虛警增加，如圖2(b)中實(shí)線(xiàn)框所示。在測(cè)試集中，籃球場(chǎng)被遮擋的情況也會(huì)有所不同，一些遮擋嚴(yán)重的籃球場(chǎng)容易出現(xiàn)漏檢，這會(huì)降低檢測(cè)的召回率，漏檢情況如圖2(c)虛線(xiàn)框所示。

2 YOLOv3檢測(cè)算法原理

2.1 YOLOv3整體結(jié)構(gòu)

考慮到目標(biāo)檢測(cè)的時(shí)效性，本文基于速度較快的YOLOv3算法對(duì)籃球場(chǎng)的檢測(cè)開(kāi)展研究，YOLOv3的整體算法流程如圖3所示。其中，Conv表示卷積層，這里為簡(jiǎn)寫(xiě)模式；res表示殘差網(wǎng)絡(luò)。

YOLOv3的backbone采用的是網(wǎng)絡(luò)結(jié)構(gòu)Darknet-53，見(jiàn)圖3虛線(xiàn)框①。Darknet-53含有52個(gè)卷積層，它借鑒了殘差網(wǎng)絡(luò)ResNet(Residual Network)[21]的思想，在一些層之間設(shè)置了捷徑連接。隨著網(wǎng)絡(luò)的加深，在loss回傳時(shí)出現(xiàn)梯度爆炸的可能性就越大，而ResNet這種設(shè)計(jì)本質(zhì)上是一種恒等變換，即在網(wǎng)絡(luò)加深的同時(shí)，使網(wǎng)絡(luò)能夠?qū)W習(xí)待檢目標(biāo)更豐富的特征，且能有效地緩解梯度爆炸的發(fā)生。

YOLOv3采用了3個(gè)尺度對(duì)目標(biāo)進(jìn)行檢測(cè)，這樣做能對(duì)不同尺寸的目標(biāo)進(jìn)行較全面的檢測(cè)，見(jiàn)圖3虛線(xiàn)框②。

圖3 YOLOv3算法流程圖

2.2 YOLOv3的損失函數(shù)

YOLOv3的損失函數(shù)如式(1)所示。

YOLOv3的損失函數(shù)由坐標(biāo)損失、置信度損失、分類(lèi)損失3個(gè)部分組成，具體的損失函數(shù)公式見(jiàn)式(1)：

loss=lbox+lobj+lcls

(1)

每部分損失函數(shù)的具體公式見(jiàn)式(2)～式(4)：

(2)

(3)

(4)

3 改進(jìn)的YOLOv3算法

3.1 分塊檢測(cè)預(yù)處理

由于測(cè)試集里是大影像，所以要對(duì)影像進(jìn)行切割，切片的尺寸和訓(xùn)練集一樣取416×416。由于待檢目標(biāo)存在一定面積，所以不能保證所有的目標(biāo)均是完整地存在于單個(gè)切片中，故相鄰切片需要存在重疊距離。同時(shí)，該重疊距離不能設(shè)置得太大，否則會(huì)導(dǎo)致檢測(cè)速度變慢并且重復(fù)檢測(cè)區(qū)域的增多會(huì)造成虛警率的上升。對(duì)訓(xùn)練集待檢目標(biāo)的尺寸進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)最長(zhǎng)的邊大約占110個(gè)像元，所以本文的重疊距離取116個(gè)像元。切片示意圖如圖4所示。

圖4 分塊檢測(cè)示意圖

3.2 YOLOv3結(jié)構(gòu)上的改進(jìn)

從樣本中可以看到，部分待檢復(fù)合目標(biāo)被建筑、樹(shù)木遮擋，這種情況會(huì)使得待檢目標(biāo)的特征被弱化，網(wǎng)絡(luò)能夠提取目標(biāo)的特征會(huì)變少；另外，對(duì)于大幅寬遙感圖像來(lái)說(shuō)，其背景復(fù)雜，會(huì)存在很多與正確目標(biāo)高度相似的非目標(biāo)區(qū)域，而待檢目標(biāo)特征的弱化更是使得目標(biāo)與非目標(biāo)更加相似，因此需要一種方法能拉開(kāi)兩者之間的差距，而注意力機(jī)制在一定程度上能達(dá)到這種效果。

SENet(Squeeze and Excitation Networks)[22]是一種常見(jiàn)的通道注意力機(jī)制，但該機(jī)制只關(guān)注了通道之間的差異，對(duì)通道進(jìn)行了加權(quán)操作，在位置信息上卻未做區(qū)別對(duì)待。CBAM[23](Convolutional Block Attention Module)雖說(shuō)在通道注意力后增加了空間注意力，但其空間注意力機(jī)制是通過(guò)將通道進(jìn)行壓縮，在位置信息層面進(jìn)行大尺寸2維卷積操作來(lái)實(shí)現(xiàn)，卷積操作只能獲取局部相關(guān)性，未能獲取長(zhǎng)程依賴(lài)關(guān)系。Coordinate Attention[24]是一種較新型的注意力機(jī)制，以下簡(jiǎn)稱(chēng)CoorAtt。CoorAtt在通道注意力的基礎(chǔ)上，分別融合了垂直和水平2個(gè)方向上的感知，這樣做使得CoorAtt不僅有了類(lèi)似空間注意力機(jī)制的作用，還能夠獲取垂直和水平2個(gè)方向上的長(zhǎng)程依賴(lài)。CoorAtt的結(jié)構(gòu)如圖5所示。

圖5 Coordinate Attention結(jié)構(gòu)圖

CoorAtt首先將輸入通過(guò)2個(gè)一維全局池化得到2張具有方向感知的特征圖，然后再將這2張圖Concat并編碼，將編碼后的結(jié)果分離得到2張具有垂直和水平2個(gè)方向信息的注意力圖，后經(jīng)Sigmoid變換，將得到的結(jié)果與輸入的特征圖相乘，以此來(lái)提高特征圖的表征能力。

將CoorAtt模塊加入YOLOv3的res模塊中，利用驗(yàn)證集數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。表1列出了不同的添加方式以及對(duì)應(yīng)添加方式得到的平均準(zhǔn)確率(AP)，其中res8(1)和res8(2)分別代表YOLOv3中前后2個(gè)res8模塊。從表1可以看出，驗(yàn)證集數(shù)據(jù)實(shí)驗(yàn)下，以方式2添加CoorAtt模塊得到的AP值和召回率均最高，并且以該種方式增加模塊模型的復(fù)雜度也最小，故本文采用方式2來(lái)改進(jìn)YOLOv3結(jié)構(gòu)；另外，方式3、5和7相比原YOLOv3得到的AP值還有所降低，從此可以看出，在某些情況下，增加注意力機(jī)制并不是都能改善檢測(cè)效果。改進(jìn)的YOLOv3算法流程如圖6所示。

表1 注意力機(jī)制模塊不同添加方法及其對(duì)應(yīng)AP值

圖6 改進(jìn)的YOLOv3算法流程圖

3.3 YOLOv3損失函數(shù)的改進(jìn)

在YOLOv3的損失函數(shù)中，有懲罰因子可以調(diào)節(jié)正負(fù)樣本之間的不均衡，但卻無(wú)法權(quán)衡易分、難分以及錯(cuò)分的樣本。易分樣本關(guān)注度的提高，對(duì)模型的提升效果非常小，一定程度上模型更應(yīng)該關(guān)注那些難分及錯(cuò)分的樣本，而Focal Loss可以做到這點(diǎn)。二分類(lèi)的Focal Loss公式見(jiàn)式(5)。

(5)

其中，y′表示經(jīng)過(guò)激活函數(shù)的輸出，y表示真實(shí)值。Focal Loss添加了一個(gè)含輸出值且?guī)е笖?shù)γ的調(diào)節(jié)因子，這樣做可以使得難分、錯(cuò)分樣本貢獻(xiàn)的loss在全部loss中的占比變得更大，使模型更偏向于關(guān)注難分、錯(cuò)分的樣本，從而提高檢測(cè)的召回率，降低檢測(cè)的虛警率。

(6)

3.4 改進(jìn)的后處理算法

3.4.1 重復(fù)檢測(cè)區(qū)域預(yù)測(cè)框剔除

由于測(cè)試時(shí)使用的是切片，相鄰切片之間存在重疊距離，所以會(huì)存在一定的重復(fù)檢測(cè)區(qū)域。當(dāng)該區(qū)域存在待檢目標(biāo)時(shí)，可能會(huì)導(dǎo)致一個(gè)目標(biāo)得到多個(gè)預(yù)測(cè)框，這會(huì)使得虛警率上升，故本文在得到檢測(cè)結(jié)果后做了進(jìn)一步的后處理工作。

后處理示意圖見(jiàn)圖7。切片的遍歷順序是從左上到右下，所以對(duì)于任意一個(gè)切片A來(lái)說(shuō)，其左上、上、右上、左4個(gè)方向的切片已經(jīng)遍歷了，不用再考慮，因此切片A的相鄰切片只剩下右、左下、下、右下4個(gè)方向的切片，方向見(jiàn)圖7標(biāo)注的4個(gè)方向箭頭。若切片A中與其相鄰切片中存在IOU大于閾值T_ol的預(yù)測(cè)框，則需從這些預(yù)測(cè)框里得出一個(gè)唯一的預(yù)測(cè)框，本文T_ol取0.6。為了計(jì)算方便，簡(jiǎn)單地將切片A的預(yù)測(cè)框作為唯一的預(yù)測(cè)框輸出，將其相鄰切片中的重疊預(yù)測(cè)框剔除。

圖7 重復(fù)檢測(cè)區(qū)域預(yù)測(cè)框剔除示意圖

重復(fù)檢測(cè)區(qū)域預(yù)測(cè)框剔除前后結(jié)果對(duì)比見(jiàn)圖8。從圖中可以看出，一個(gè)目標(biāo)僅留下一個(gè)預(yù)測(cè)框。

圖8 重復(fù)檢測(cè)區(qū)域預(yù)測(cè)框被剔除

3.4.2 基于復(fù)合目標(biāo)先驗(yàn)信息降低置信度

觀察驗(yàn)證集的檢測(cè)結(jié)果(見(jiàn)圖9(a))發(fā)現(xiàn)，一些中間為白色小塊的區(qū)域會(huì)存在誤檢情況，但是依據(jù)籃球場(chǎng)先驗(yàn)信息而言，其中圈為白色的極少，所以可以利用這一點(diǎn)降低虛警。以預(yù)測(cè)框中心點(diǎn)為中心，截取9×9像素的方形區(qū)域，見(jiàn)圖9(b)。求出該區(qū)域RGB和的平均值，若該值大于某閾值rgb_thres，則將該預(yù)測(cè)框的目標(biāo)置信度乘上一個(gè)值小于1的因子，將乘得的結(jié)果與NMS(Non-Maximum Suppression)算法的置信度閾值比較，若結(jié)果小于該閾值，則剔除該預(yù)測(cè)框。本文rgb_thres取540，β取0.8。

圖9 確定中圈RGB值示意圖

降低置信度檢測(cè)結(jié)果對(duì)比見(jiàn)圖10，圖中實(shí)線(xiàn)框?yàn)闄z測(cè)得到的虛警，從圖中可知，中圈RGB值較高的預(yù)測(cè)框降低置信度后可以有效地消除部分虛警。

圖10 降低置信度檢測(cè)結(jié)果對(duì)比

4 實(shí)驗(yàn)驗(yàn)證

4.1 數(shù)據(jù)樣本的收集及其標(biāo)注

在Google Earth上下載分辨率為0.3 m的影像，并用LabelImg進(jìn)行標(biāo)注，得到的影像及標(biāo)注文件如圖11所示。最終，528張416×416的切片作為訓(xùn)練集，8張10000×10000的大影像以1∶1的比例分作驗(yàn)證集和測(cè)試集。

圖11 影像以及標(biāo)注文件

4.2 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)參數(shù)

本文實(shí)驗(yàn)環(huán)境：操作系統(tǒng)為Ubuntu16.04，CPU為Intel(R) Core(TM) i9-10920X CPU @ 3.5 GHz，內(nèi)存為128 GB，GPU為GeForce RTX 2080Ti，深度學(xué)習(xí)框架為Pytorch1.6，編程語(yǔ)言為Python3.7。

實(shí)驗(yàn)參數(shù)：學(xué)習(xí)率lr為0.001，動(dòng)量參數(shù)為0.9，batch size為16，整個(gè)訓(xùn)練過(guò)程為200個(gè)epoch，IOU閾值為0.4，NMS算法置信度閾值為0.6。

4.3 評(píng)價(jià)指標(biāo)

1)召回率。

召回率(Recall， R)計(jì)算公式如式(7)：

R=TP/(TP+FN)

(7)

其中，TP和FN分別表示正確檢測(cè)出的目標(biāo)數(shù)以及未被檢測(cè)出的目標(biāo)數(shù)。

2)準(zhǔn)確率。

準(zhǔn)確率(Precision， P)計(jì)算公式如式(8)：

P=TP/(TP+FP)

(8)

其中，F(xiàn)P表示錯(cuò)誤被檢測(cè)為目標(biāo)的虛警數(shù)。

3)平均準(zhǔn)確率。

平均準(zhǔn)確率(Average Precision， AP)是目標(biāo)檢測(cè)常用的評(píng)價(jià)指標(biāo)，其計(jì)算公式如式(9)：

(9)

AP綜合考慮了準(zhǔn)確率和召回率的影響，能夠很好地表征網(wǎng)絡(luò)模型的性能。

4.4 實(shí)驗(yàn)結(jié)果及對(duì)比

部分樣例的檢測(cè)結(jié)果對(duì)比情況見(jiàn)圖12。圖12中的圓圈以及圖片右上角小箭頭指向的框表示檢測(cè)正確的目標(biāo)，其余框表示虛警。CA表示Coordinate Attention，F(xiàn)L表示Focal Loss，P1表示中圈RGB值較高降低置信度，P2表示重復(fù)檢測(cè)區(qū)域預(yù)測(cè)框剔除，CF表示Coordinate Attention加Focal Loss，本文算法表示YOLOv3增加Cooratt模塊、Focal Loss以及改進(jìn)的后處理算法得到的最終算法。由于遙感圖像背景復(fù)雜，容易存在和真實(shí)目標(biāo)特征類(lèi)似的區(qū)域。從圖12(a)可以看出，直接用YOLOv3算法對(duì)待檢目標(biāo)進(jìn)行檢測(cè)，最終的結(jié)果會(huì)出現(xiàn)較多的虛警，而增加Cooratt模塊或采用Focal Loss均會(huì)對(duì)檢測(cè)效果有所改善，見(jiàn)圖12(b)和圖12(c)所示。在上述基礎(chǔ)上再使用改進(jìn)的后處理算法，能進(jìn)一步地降低虛警。

(a) YOLOv3檢測(cè)結(jié)果

(b) YOLOv3+CA檢測(cè)結(jié)果

(c) YOLOv3+FL檢測(cè)結(jié)果

(d) 本文算法檢測(cè)結(jié)果圖12 檢測(cè)結(jié)果對(duì)比

將所有的檢測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)，得到表2。從表2可以看出，本文算法召回率提高了10.3個(gè)百分點(diǎn)，平均準(zhǔn)確率提高了28.8個(gè)百分點(diǎn)，證明了本文算法的有效性。

表2 最終的檢測(cè)結(jié)果統(tǒng)計(jì)對(duì)比

5 結(jié)束語(yǔ)

本文首先對(duì)復(fù)合目標(biāo)進(jìn)行特性分析，然后標(biāo)注樣本制作數(shù)據(jù)集。為改善YOLOv3檢測(cè)結(jié)果，進(jìn)行了結(jié)構(gòu)和Loss函數(shù)的改進(jìn)。增加Coordinate Attention注意力機(jī)制模塊讓網(wǎng)絡(luò)學(xué)習(xí)更關(guān)注的特征，引入Focal Loss平衡易分、難分以及錯(cuò)分的樣本；與此同時(shí)，本文還增加后處理算法進(jìn)一步降低檢測(cè)虛警。最終實(shí)驗(yàn)表明，改進(jìn)后的算法在平均檢測(cè)準(zhǔn)確率AP指標(biāo)上有28.8個(gè)百分點(diǎn)的提升，證明了該算法的有效性、合理性。該算法對(duì)高分辨率遙感影像中其他復(fù)合目標(biāo)如網(wǎng)球場(chǎng)、導(dǎo)彈陣地等的檢測(cè)研究有著積極的促進(jìn)作用。