基于改進(jìn)SSD 的航拍飛機(jī)目標(biāo)檢測方法

李 靜，喻佳成，張靈靈

（1.西安工業(yè)大學(xué) 電子信息工程學(xué)院，陜西 西安 710021；2.西安工業(yè)大學(xué) 兵器科學(xué)與技術(shù)學(xué)院，陜西 西安 710021）

1 引言

近年來，隨著無人機(jī)技術(shù)與目標(biāo)檢測技術(shù)的快速發(fā)展，通過結(jié)合兩者來獲取空間數(shù)據(jù)已經(jīng)成為當(dāng)下的主流趨勢。尤其是在軍用領(lǐng)域，因無人機(jī)具有機(jī)動(dòng)性強(qiáng)、隱蔽性好、成本低的優(yōu)點(diǎn)，使用無人機(jī)來獲取軍事場所的目標(biāo)信息已經(jīng)成為重點(diǎn)研究對象［1-3］。隨著計(jì)算機(jī)算力的提高和卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力被發(fā)掘，很多研究人員將其應(yīng)用于目標(biāo)檢測［4-6］、目標(biāo)跟蹤［7-8］等領(lǐng)域，以深度學(xué)習(xí)為基礎(chǔ)的目標(biāo)檢測技術(shù)已逐步應(yīng)用在航拍圖像的目標(biāo)檢測任務(wù)當(dāng)中［9-11］。

目前，通過深度學(xué)習(xí)來提取特征并完成檢測任務(wù)的方法主要有兩類：兩階段和單階段目標(biāo)檢測算法。兩階段目標(biāo)檢測算法采用先確定待檢區(qū)然后確定目標(biāo)位置信息與類別的思想，典型代表有R-CNN［12］、Faster R-CNN［13］等。以YOLO［14-16］、SSD［17］算法為代表的單階段目標(biāo)檢測算法則不去單獨(dú)地確定待檢區(qū)，而是直接確定待檢目標(biāo)的位置信息與類別信息。YOLO 算法將待檢測圖像劃分為多個(gè)網(wǎng)格，使用每個(gè)網(wǎng)格來檢測一個(gè)目標(biāo)，這樣雖然能夠快速地完成檢測，但是對于航拍圖像中的小目標(biāo)檢測效果不佳。SSD 算法將金字塔特征層級(jí)的思想應(yīng)用在目標(biāo)檢測問題中，使用不同尺寸的特征圖檢測不同大小的目標(biāo)，對于小目標(biāo)的檢測效果有所提高，因此許多學(xué)者以SSD 算法為基礎(chǔ)對其改進(jìn)來完成航拍圖像中的目標(biāo)檢測任務(wù)。Jisoo Jeng［18］等人提出的R-SSD 算法使用特征金字塔（Feature Pyramid Networks，F(xiàn)PN）［19］的方法將深層網(wǎng)絡(luò)提取的特征圖與淺層網(wǎng)絡(luò)提取的特征圖進(jìn)行融合構(gòu)成了語義、細(xì)節(jié)信息豐富的特征圖用于檢測，提高了小目標(biāo)的檢測精度，但是大量的融合操作導(dǎo)致模型參數(shù)變大，檢測速率下降。Fu 等人［20］提出的DSSD 算法通過反卷積以及跳躍連接的方式來融合深層網(wǎng)絡(luò)與淺層網(wǎng)絡(luò)，豐富了淺層網(wǎng)絡(luò)的語義信息，對航拍圖像中的目標(biāo)檢測效果較好，但是模型參數(shù)過大，檢測速度較慢。Chen 等人［21］提出的改進(jìn)多尺度特征融合SSD 算法跳躍式地將兩層深層網(wǎng)絡(luò)特征圖與淺層網(wǎng)絡(luò)特征圖融合，很好地解決了航拍圖像中小目標(biāo)檢測效果不好的問題，但是融合機(jī)制過于復(fù)雜，導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)大，檢測速度大幅下降。

針對現(xiàn)有算法對航拍圖像中的小目標(biāo)檢測效果不佳、實(shí)時(shí)性不足等問題，基于SSD 算法進(jìn)行改進(jìn)，引入一種特征融合機(jī)制通過逐層地將深層特征圖與淺層特征圖進(jìn)行融合，構(gòu)成具有豐富語義、細(xì)節(jié)信息的特征圖用于檢測，并在網(wǎng)絡(luò)特征圖輸出處引入混合注意力機(jī)制，在不會(huì)過多增加計(jì)算量的基礎(chǔ)上使網(wǎng)絡(luò)優(yōu)先將注意力放在有用信息上并抑制復(fù)雜背景等無用信息，最后優(yōu)化默認(rèn)框參數(shù)，進(jìn)一步提升小目標(biāo)檢測精度。

2 SSD 算法基本原理

SSD 模型是典型的單階段檢測算法，將預(yù)測問題轉(zhuǎn)換成列回歸問題，在保證檢測精度的同時(shí)提高了檢測速度。采用金字塔特征層級(jí)的思想，即在不同尺度的特征層上預(yù)測不同大小的物體，使用具有較高分辨率的淺層特征圖來預(yù)測小物體，分辨率較低的深層特征圖來預(yù)測較大的物體，相對提高了對小目標(biāo)的檢測精度。SSD 模型由骨干網(wǎng)絡(luò)和額外卷積層兩部分組成，具體模型框架如圖1 所示。

圖1 SSD 模型結(jié)構(gòu)Fig.1 Structure of SSD model

SSD 模型以VGG16 作為主干網(wǎng)絡(luò)，貫穿至VGG16 的Conv5_3 層并將max_pooling5 的步距由2 調(diào)整至1。額外卷積層由Conv6～Conv11 組成，并逐層將特征圖的尺寸縮小構(gòu)成金字塔層級(jí)，提取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv10_2 作為預(yù)測特征圖來檢測不同大小的目標(biāo)。SSD 模型在提取到的預(yù)測特征圖上會(huì)生成數(shù)量不同的預(yù)測框，對于每個(gè)預(yù)測特征圖都會(huì)有n×n個(gè)中心點(diǎn)并且每個(gè)中心點(diǎn)都會(huì)生成m個(gè)預(yù)測框。Conv4_3～Conv11_2 層n和m的取值分別為38，19，10，5，3，1 和4，6，6，6，4，4。最后，通過非極大值抑制算法和設(shè)置的置信度閾值消去位置、類別不符合的預(yù)測框，輸出檢測結(jié)果。

3 改進(jìn)的SSD 算法

3.1 改進(jìn)SSD 算法框架

SSD 模型使用金字塔特征層級(jí)的思想，用不同尺度的特征層來檢測不同大小的目標(biāo)。其中淺層特征圖負(fù)責(zé)檢測小目標(biāo)，而在航拍圖像中小目標(biāo)檢測效果不好的原因主要有兩點(diǎn)，分別是淺層特征圖沒有具備足夠的紋理、位置等細(xì)節(jié)信息和語義信息匱乏。針對這兩點(diǎn)原因，本文設(shè)計(jì)了一種特征融合機(jī)制，首先就淺層特征圖的細(xì)節(jié)信息不夠豐富和缺乏語義信息的問題，引入細(xì)節(jié)信息補(bǔ)充特征層（Details complement feature layer，DCFL）和自深向淺逐層融合的語義信息補(bǔ)充特征層（Semantic complements feature layer，SCFL）來增加Conv4_3 層的細(xì)節(jié)和紋理信息。然后引入混合注意力機(jī)制（Botteleneck-Attention-Module，BAM）來增強(qiáng)特征層對關(guān)鍵信息的提取能力。最后針對遙感圖像數(shù)據(jù)集尺度偏小，對默認(rèn)框的尺度和數(shù)量進(jìn)行優(yōu)化。網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示，F(xiàn)FM（Feature Fusion Module）為特征融合機(jī)制中的特征融合模塊。

圖2 改進(jìn)SSD 模型結(jié)構(gòu)Fig.2 Structure of improved SSD model

3.2 特征融合機(jī)制

在SSD 框架中，對小目標(biāo)的檢測主要由淺層網(wǎng)絡(luò)中Conv4_3 層輸出的特征圖完成。但因?yàn)榧?xì)節(jié)信息不夠豐富以及語義信息匱乏兩點(diǎn)原因，導(dǎo)致對航拍圖像中的小目標(biāo)檢測效果不佳。因此引入細(xì)節(jié)信息補(bǔ)充層和語義信息補(bǔ)充層與Conv4_3 層經(jīng)過特征融合模塊（FFM）輸出新的Conv4_3_1 層的特征圖，用來對小目標(biāo)進(jìn)行檢測。

對于細(xì)節(jié)信息補(bǔ)充特征層（DCFL），應(yīng)當(dāng)選取尺寸大、感受野小、細(xì)節(jié)信息豐富的Conv3_3層。而語義信息補(bǔ)充層（SCFL）是由深層特征圖通過遞歸反向路徑逐層融合而來。在以往的特征融合過程中，直接將深層的特征圖與淺層特征圖進(jìn)行融合來增加淺層特征圖中的語義信息，這樣忽略了層與層之間的連接關(guān)系，導(dǎo)致丟失過多的關(guān)鍵信息。具體的融合過程如式（1）～（3）所示：

式中：cfi(i=1，2，3)為融合后的特征層，ci(i=3，4，5，7，8，9)為融合層，?f為特征融合模塊。首先選取Conv8_2 和Conv9_2 層作為遞歸反向路徑的起始層。不選取Conv10_2 和Conv11_2 的原因是這兩個(gè)特征層尺寸過小，所包含信息太少，融合之后對目標(biāo)定位與分類精度并沒有提升，反而使模型的訓(xùn)練與檢測速度變慢。將Conv8_2 和Conv9_2經(jīng)過特征融合模塊后的輸出結(jié)果Conv8_2_1 再與兩個(gè)相鄰的特征層Conv7 和Conv5_3 送入特征融合模塊得到最終的語義信息補(bǔ)充特征層。特征融合模塊將本文特征融合機(jī)制中選取的特征層進(jìn)行融合，首先對Conv3_3、Conv4_2 和Conv7_1這3 個(gè)特征層進(jìn)行融合，如圖3 所示，其具體步驟如下：

圖3 特征融合過程示意圖Fig.3 Schematic diagram of the FFM process

使用1×1卷積核對Conv3_1和Conv7_1兩個(gè)特征層進(jìn)行通道降維處理，變?yōu)樵瓉硗ǖ罃?shù)的1/4，Conv4_3 變?yōu)樵瓉硗ǖ罃?shù)的1/2。然后使用雙線性插值對Conv7_1 進(jìn)行上采樣處理，使其尺度擴(kuò)大一倍，與Conv4_3 的尺度保持一致。使用3×3 卷積核對Conv3_3 進(jìn)行下采樣處理，使其尺度縮小一倍，與Conv4_3 保持一致。然后將進(jìn)行過上、下采樣處理后的Conv7_1 和Conv3_1 以及Conv4_3經(jīng)過批歸一化（BN）層和ReLU 激活函數(shù)，最后采用concat融合方式讓網(wǎng)絡(luò)去學(xué)習(xí)融合特征，避免造成信息的損失。融合輸出為Conv4_3_1。對于Conv7_1 的融合過程與Conv4_3_1 的融合過程類似。對于Conv8_2 和Conv9_2 兩個(gè)特征層進(jìn)行融合，沒有了需要下采樣的特征層，將Conv8_2和Conv9_2 使用1×1 卷積核，將Conv8_2 通道數(shù)降維處理變?yōu)樵瓉淼?/2，Conv9_2 通道數(shù)不變，然后將Conv9_2 進(jìn)行雙線性插值使其尺度變?yōu)樵叨鹊? 倍，與Conv8_2 一致。經(jīng)過批歸一化（BN）層和ReLU 激活函數(shù)，最后采用Concat 融合得到融合特征層Conv8_2_1。

為了驗(yàn)證經(jīng)過特征融合后的Conv4_3_1 層具有更豐富的細(xì)節(jié)信息與語義信息，將其特征圖輸出并與原網(wǎng)絡(luò)的Conv4_3 層的特征圖進(jìn)行對比，如圖4 所示。通過原網(wǎng)絡(luò)的Conv4_3 層輸出與融合后的Conv4_3_1 輸出對比可以看出，在飛機(jī)目標(biāo)處原網(wǎng)絡(luò)僅提取到很少的特征，而融合后飛機(jī)目標(biāo)部分的輪廓、細(xì)節(jié)信息顯示更為明顯，顯然具備更多特征。理論上，融合后的特征層可以預(yù)測到更多的目標(biāo)，精度也會(huì)有所提升。

圖4 融合前后的特征圖對比Fig.4 Feature map comparison before and after fusion

3.3 混合注意力機(jī)制

在特征融合機(jī)制中，為了獲得更多的細(xì)節(jié)、語義信息，將多個(gè)特征層的特征通道進(jìn)行了疊加，但是并沒有反映不同通道之間的重要性和相關(guān)性以及沒有考慮特征圖的空間層面上的重要性，因此引入了一種混合空間與通道的注意力機(jī)制（Botteleneck-Attention-Module，BAM）［22］。BAM 在通道注意力機(jī)制SE-Net（Squeeze-and-Excitation Networks，SE-Net）［23］的基礎(chǔ)上添加了空間壓縮生成的空間注意力向量與SE-Net 生成的通道注意力向量進(jìn)行疊加，得到既有空間注意力又有通道注意力的向量，其具體網(wǎng)絡(luò)模型的結(jié)構(gòu)圖如圖5 所示。

圖5 BAM 示意圖Fig.5 Schematic diagram of the bottleneck attention module

對于構(gòu)建空間注意力向量，首先將輸入的特征圖使用1×1 卷積核進(jìn)行通道壓縮，其次使用兩個(gè)3×3 卷積核來增大感受野，然后再次使用一個(gè)1×1 卷積核將通道數(shù)變?yōu)?，最后經(jīng)過歸一化操作調(diào)整空間分支的輸出尺度構(gòu)成空間注意力向量。對于構(gòu)建通道注意力向量，首先將輸入的特征圖使用全局平均池化將輸入圖像的寬、高壓縮為1×1，然后利用多層感知機(jī)制學(xué)習(xí)每個(gè)通道的估計(jì)，最后經(jīng)過歸一化操作得到通道注意力向量。將得到的空間注意力向量與通道注意力向量疊加并且經(jīng)過Sigmoid 函數(shù)得到最終的混合注意力向量，整體過程如式（4）～（6）所示：

式中F為輸入的特征圖為不同大小的卷積核，Ms(F)為歸一化操作，Ms(F)為空間注意力向量，Avgpool 為全局平均池化，MLP 為多層感知機(jī)制，Mc(F)為通道注意力向量，M(F)為混合注意力向量，σ為Sigmoid 函數(shù)，BN 為批歸一化層。

使用Grad-CAM［24］技術(shù)來直觀地展示模型中引入混合注意力模塊的有效性。熱力圖顏色區(qū)域越深說明該區(qū)域?qū)︻悇e識(shí)別的影響越大。如圖6 所示，在添加通道注意力機(jī)制后，模型開始關(guān)注右側(cè)的目標(biāo)。在加入混合注意力機(jī)制后，模型對右側(cè)目標(biāo)的關(guān)注度是優(yōu)于通道注意力機(jī)制的。

圖6 熱力圖可視化Fig.6 Visualization of heat maps

3.4 先驗(yàn)框參數(shù)優(yōu)化

SSD 模型用不同尺度的特征圖來檢測不同大小的目標(biāo)，因此不同的特征層會(huì)產(chǎn)生不同大小的先驗(yàn)框并且先驗(yàn)框的大小符合線性遞增的原則：隨著特征層尺度的減小，先驗(yàn)框的尺寸增大，具體如式（7）～（9）所示：

式中Sn為6 個(gè)特征層的先驗(yàn)框?qū)τ谠瓐D的比例；Smin和Smax為比例的最大值與最小值，在原SSD框架中取0.2 和0.9；default 為先驗(yàn)框的尺寸。

通過統(tǒng)計(jì)數(shù)據(jù)集中標(biāo)注框與原圖的比例，如圖7 所示，可以看出飛機(jī)目標(biāo)的最小尺寸約為22×22，在原SSD 模型中當(dāng)Smin設(shè)置為0.2 時(shí)，最淺層特征層先驗(yàn)框的尺寸為30×30，不能覆蓋數(shù)據(jù)集中最小尺寸的飛機(jī)目標(biāo)。因此根據(jù)數(shù)據(jù)集中最小目標(biāo)的尺寸對先驗(yàn)框進(jìn)行調(diào)整，將Smin的值調(diào)整為0.14，根據(jù)式（8）可以計(jì)算出此時(shí)最小的先驗(yàn)框尺寸為21×21，基本上可以覆蓋輸入圖像中的各種形狀和大小的目標(biāo)。尺寸調(diào)整前后的先驗(yàn)框尺寸如表1 所示。

圖7 待檢測目標(biāo)真實(shí)框與原圖比值Fig.7 Size ratio of the real frame in the original image

表1 每層特征圖上的先驗(yàn)框尺寸Tab.1 Priori boxes and numbers on layer of feature maps

4 實(shí)驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)集與參數(shù)設(shè)置

本實(shí)驗(yàn)在自制的航拍飛機(jī)數(shù)據(jù)集上進(jìn)行。其中航拍的飛機(jī)圖片共3 581 張，按照7∶1∶2 的比例劃分為訓(xùn)練集、驗(yàn)證集和測試集，其中訓(xùn)練集包含2 506 張圖片，驗(yàn)證集包含358 張圖片，測試集包含717 張圖片。航拍數(shù)據(jù)集按照Pascal VOC2012 的格式建立，場景中大多數(shù)目標(biāo)均為小目標(biāo)。實(shí)驗(yàn)在Windows 操作系統(tǒng)下進(jìn)行，其中CPU 為AMD Ryzen5 5600x6-Core Processor，內(nèi)存為16G，GPU為NVIDIA GeForce RTX 2080Ti，采 用Pytorch作為深度學(xué)習(xí)框架。初始學(xué)習(xí)率為0.000 1，動(dòng)量因子參數(shù)為0.9，批處理大小為16，優(yōu)化算法采用隨機(jī)梯度下降，衰減系數(shù)為0.1，最大迭代次數(shù)為120 000 次。

為了提高測量的精度，可在同一放大倍率下對不同的圓直徑進(jìn)行測量并分別計(jì)算出每一個(gè)像素所代表的長度，然后求平均值作為在該放大倍率下的比例尺。

4.2 實(shí)驗(yàn)評價(jià)指標(biāo)

本文采用平均精度（Average Precision，AP）和每秒檢測圖像的幀數(shù)（Frame Per Second，F(xiàn)PS）作為評價(jià)指標(biāo)。其中AP 是在0～1 范圍之間由準(zhǔn)確率（Precision）和召回率（Recall）繪制的曲線與坐標(biāo)軸之間的面積。準(zhǔn)確率、召回率和精度（AP）的定義如式（10）～（12）所示：

其中：TP 為正樣本中的比例，F(xiàn)P 為負(fù)樣本正例，F(xiàn)N 為負(fù)樣本中的負(fù)例。

4.3 實(shí)驗(yàn)結(jié)果分析

為了對改進(jìn)SSD 模型的性能進(jìn)行評估，在自制的航拍圖像數(shù)據(jù)集進(jìn)行訓(xùn)練和測試，實(shí)驗(yàn)結(jié)果如表2 所示。

由表2可知，本文所提的改進(jìn)SSD 模型與兩階段的目標(biāo)檢測模型Faster R-CNN 相比，精度提高了3.35%，檢測速度提高了24.1，說明本文的模型在檢測準(zhǔn)確率和速度上均優(yōu)于兩階段的檢測算法。與經(jīng)典的改進(jìn)SSD 模型DSSD 相比精度分別提高了4.26%，檢測速度較DSSD 提高了19.4。與YOLOv3 相比，精度提高了4.03%，檢測速度降低了3.1。與YOLOv4 相比精度提高了1.4%，檢測速度降低了6.6。與主打檢測速度的輕量級(jí)網(wǎng)絡(luò)YOLOv4-tiny 相比精度提高了6.4%，檢測速度降低了30.4。實(shí)驗(yàn)表明，改進(jìn)的SSD 模型能夠提升對小目標(biāo)檢測的效果，并且也能夠滿足實(shí)時(shí)檢測的要求。圖8 為不同方法在不同場景下航拍飛機(jī)圖像上的檢測結(jié)果，其中從上到下依次為小目標(biāo)密集區(qū)域、復(fù)雜背景區(qū)、多尺度目標(biāo)區(qū)。

表2 各算法在航拍飛機(jī)數(shù)據(jù)集上的檢測精度Tab.2 Detection accuracy of each algorithm in aerial aircraft data set

由圖8 可以看出，在小目標(biāo)密集區(qū)域，對于圖最左側(cè)的幾個(gè)極小的飛機(jī)目標(biāo)，改進(jìn)的SSD 模型可以全部檢測到，YOLOv4 模型漏檢了一個(gè)，其他的模型都有較多的目標(biāo)沒有檢測到。在復(fù)雜背景區(qū)域，最右側(cè)的目標(biāo)較小且機(jī)身顏色與地面顏色十分相似，改進(jìn)的SSD 模型可以全部檢測出，并且在圖的左側(cè)沒有出現(xiàn)誤檢的情況；YO‐LOv4 模型對于右側(cè)的小目標(biāo)漏檢了一個(gè)并且左側(cè)出現(xiàn)了一個(gè)誤檢的情況；YOLOv4-tiny 模型對于右側(cè)與背景顏色相近的目標(biāo)均沒有檢測出并且在左側(cè)存在多個(gè)誤檢的情況；YOLOv3 模型相比于YOLOv4-tiny 模型能夠檢測到更多的目標(biāo)，但是也有多個(gè)目標(biāo)未能檢測到且存在誤檢的情況；其他模型也存在漏檢、誤檢的情況。在多尺度目標(biāo)區(qū)域可以看出，所有模型對于較大尺度的模型都檢測到，但對于圖中最上方和右側(cè)以及左側(cè)靠下位置的小目標(biāo)，只有改進(jìn)的SSD 模型可以全部檢測出，YOLOv4 模型沒有檢測到左側(cè)的小目標(biāo)，YOLOv4-tiny 有較多小目標(biāo)，沒有檢測到，YOLOv3 模型除沒有檢測到的小目標(biāo)還出現(xiàn)了一個(gè)誤檢的目標(biāo)。通過在不同場景下與不同方法的對比可以得出，改進(jìn)的SSD 模型相比于其他模型能夠更好地檢測出小目標(biāo)，并且對于一些復(fù)雜場景下的目標(biāo)也可以做到正確識(shí)別。

圖8 不同方法在不同場景下的檢測結(jié)果Fig.8 Detection results of different algorithms in different scenarios

圖9 為在存在外界干擾的特殊環(huán)境時(shí)的改進(jìn)SSD 模型的檢測結(jié)果，其中圖9（a）為飛機(jī)與周圍環(huán)境顏色相近，圖9（b）為航拍時(shí)受到云的遮擋，圖9（c）為飛機(jī)隱蔽在樹林中?？梢钥闯龈倪M(jìn)的SSD 模型在3 種特殊的環(huán)境中均可以識(shí)別到目標(biāo)，驗(yàn)證了改進(jìn)的SSD 模型在受到一定環(huán)境因素干擾時(shí)仍然有著較好的檢測結(jié)果。

圖9 特殊環(huán)境下的檢測結(jié)果Fig.9 Detection results in special environments

4.4 消融實(shí)驗(yàn)

為了驗(yàn)證改進(jìn)的SSD 模型中各個(gè)模塊的有效性，在航拍的飛機(jī)數(shù)據(jù)集上使用具有不同模塊的模型進(jìn)行消融實(shí)驗(yàn)，迭代次數(shù)設(shè)置為120 000 次。包含的模塊有是否使用特征融合機(jī)制、是否使用混合注意力機(jī)制、是否對先驗(yàn)框進(jìn)行優(yōu)化幾項(xiàng)區(qū)別。所有實(shí)驗(yàn)結(jié)果記錄在表3 中，其中使用模塊時(shí)在表格中用對勾號(hào)表示，不使用時(shí)則表格的這一欄為空。

由表3可知，在SSD 原模型的基礎(chǔ)上添加了特征融合機(jī)制后，召回率和精度分別提高了13.1%和3.5%，代表檢測到的小目標(biāo)增多，整體的檢測性能得到了提升，證明了將深層語義信息和淺層細(xì)節(jié)信息融合的有效性。準(zhǔn)確率和幀率分別下降了0.4%和6.9 FPS，是因?yàn)闄z測到的小目標(biāo)增多，但是存在很小一部分的誤檢情況以及網(wǎng)絡(luò)增大，導(dǎo)致檢測速度下降。在添加混合注意力模塊（BAM）后，召回率和精度分別提升了8.5%和2.6%，證明了使用混合注意力機(jī)制可以使網(wǎng)絡(luò)關(guān)注有目標(biāo)的區(qū)域來提升檢測效果。在優(yōu)化先驗(yàn)框參數(shù)后，召回率和精度分別提升了4.6%和1.6%，證明在對先驗(yàn)框參數(shù)進(jìn)行優(yōu)化后可以改變感受野的大小，使其與目標(biāo)大小更匹配，提高對小目標(biāo)的檢測效果。在表3 最后一行可以看出，在將3 個(gè)模塊均添加到SSD 原模型上后，召回率提高了39.8%，精度提高了7.5%，證明了該算法的有效性，對小目標(biāo)的檢測有著較大的提升。

表3 各獨(dú)立模塊對航拍目標(biāo)的檢測效果影響Tab.3 Influence of each independent module on aerial target detection

5 結(jié)論

為解決在航拍圖像中對于小目標(biāo)檢測效果不佳的問題，通過引入特征融合機(jī)制、添加注意力機(jī)制和優(yōu)化先驗(yàn)框等措施，在SSD 算法的基礎(chǔ)上提出了一種改進(jìn)的航拍圖像SSD 檢測算法。實(shí)驗(yàn)結(jié)果表明，改進(jìn)SSD 模型的檢測結(jié)果優(yōu)于原SSD 模型，精度由原來的88.2%提升到95.7%且對不同場景下的航拍飛機(jī)小目標(biāo)均有比較好的檢測結(jié)果，充分證明了方法的有效性。對比其他幾種經(jīng)典的目標(biāo)檢測算法，改進(jìn)后模型在航拍目標(biāo)檢測任務(wù)中具有更高的綜合性能。