改進YOLOX-S 的紅外艦船目標檢測算法

婁樹理，王巖，郭建勤，公維鋒

（1.煙臺大學 物理與電子信息學院，山東 煙臺 264005；2.山東電子職業(yè)技術(shù)學院 電子與通信工程系，山東 濟南 250200；3.高效能服務器和存儲技術(shù)國家重點實驗室，山東 濟南 250101）

引言

在現(xiàn)代海戰(zhàn)中，能否快速準確地識別出艦船目標并引導精確制導武器對其摧毀，是削弱敵方戰(zhàn)斗力量的關(guān)鍵。紅外成像制導具有制導精度高、抗干擾能力強、隱蔽性好等優(yōu)點，在各種精確制導體系中占據(jù)著重要的地位[1]。由于紅外艦船圖像受海雜波、雨雪等干擾影響嚴重，且目標和背景復雜多樣，如何快速準確地檢測識別出艦船目標，是紅外成像制導武器的技術(shù)難題和關(guān)鍵問題，一直是國內(nèi)外研究的熱點。

傳統(tǒng)的目標檢測算法性能大多依賴于人工設(shè)計的特征和分類器[2]，且人工設(shè)置的特征適應性較差，難以很好地檢測復雜場景下的艦船目標。隨著深度學習的發(fā)展，許多基于深度學習的目標檢測算法相繼涌現(xiàn)，這類算法通過神經(jīng)網(wǎng)絡(luò)提取目標特征，無需人工設(shè)計特征，提高了目標檢測的精度與效率。基于深度學習的目標檢測算法分為兩類：一類是雙階段目標檢測算法，如R-CNN(regionbased convolutional neural networks)[3]和Faster RCNN(faster region-based convolutional neural networks)[4]等算法。顧佼佼[5]等人在Faster R-CNN 算法中將特征圖進行拼接形成多尺度特征，提高特征圖語義信息；AVOLA D[6]等人在Faster R-CNN 算法中引入多流(MS)架構(gòu)，在每個流上施加不同的核大小來模擬多尺度圖像分析。這類算法精度高，但檢測速度較慢，難以達到實時檢測的效果。另一類是單階段目標檢測算法，如SSD（single shot multibox detection）[7]和YOLO(you only look once)[8-11]系列等算法。CHOI H T[12]等人在SSD 算法中引入了由注意流和特征映射級聯(lián)流組成的增強特征映射塊(EMB)；陳耀祖[13]等人在YOLOv4 的算法中使用模糊ISODATA 動態(tài)聚類算法對先驗框數(shù)目進行優(yōu)化；MUKHIDDINOV M[14]等人采用h-swish激活函數(shù)來減少YOLOv4 的運行時間。這類目標檢測算法為端到端的目標檢測，相比于雙階段目標檢測算法，其檢測速度更快，但檢測精度略低。

針對如何在復雜環(huán)境中快速準確檢測出紅外艦船目標的技術(shù)難題，本文提出了一種改進后的YOLOX-S 紅外艦船目標檢測算法，將深度可分離卷積代替FPN 及YOLOHead 殘差結(jié)構(gòu)中的傳統(tǒng)卷積，提高網(wǎng)絡(luò)的運行與檢測速度；引入ECANet(efficient channel attention network)通道注意力機制，提高對艦船目標的識別能力，降低艦船目標的虛檢率與漏檢率；引用CIoU(complete-IoU)損失函數(shù)，使目標框回歸更加穩(wěn)定，提高網(wǎng)絡(luò)對艦船目標的檢測精度。

1 改進的YOLOX-S 算法模型

1.1 YOLOX-S 算法改進

YOLOX[15]算法是曠視科技研究院在2021 年提出的新型單階段目標檢測算法，相較之前的YOLO 系列算法，YOLOX 算法的改進主要包括數(shù)據(jù)增強、無錨點和預測分支解耦，不僅在平均精度（mAP）上超越了YOLOv3、YOLOv4 和YOLOv5，在檢測速度上也極具競爭力。YOLOX 系列主要包括YOLOX-S、YOLOX-M、YOLOX-L 和YOLOXX，其中YOLOX-S 參數(shù)量最少，方便部署且具有代表性。YOLOX-S 的網(wǎng)絡(luò)結(jié)構(gòu)模型如圖1 所示，首先對輸入圖像進行Mosaic 數(shù)據(jù)增強，其次經(jīng)過Backbone 部分進行淺層特征提取，輸出的3 個特征層傳入加強特征提取網(wǎng)絡(luò)進行深度特征提取，最后將得到的3 個有效特征層分別傳入Decoupled Head 進行目標邊界框預測。

圖1 YOLOX-S 網(wǎng)絡(luò)結(jié)構(gòu)模型Fig.1 YOLOX-S network structure model

為提高網(wǎng)絡(luò)檢測速度與精度，本文對YOLOXS 算法進行了改進，改進后的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2 所示，首先通過主干網(wǎng)絡(luò)CSPDarknet(cross stage partial darknet)對圖像進行特征提??；將提取出的特征圖作為輸入，利用ECANet通道注意力機制，過濾冗余信息，加強模型重要信息提出能力；將增強后的特征圖傳入改進后的Neck-FPN中，進一步增強特征圖的語義信息；最后將特征圖分別傳入改進后的Decoupled Head 中進行目標框預測。

圖2 改進的YOLOX-S 網(wǎng)絡(luò)結(jié)構(gòu)模型Fig.2 Improved YOLOX-S network structure model

1.2 深度可分離卷積

由于海戰(zhàn)場環(huán)境瞬息萬變，算法的檢測速度尤為重要。YOLOX-S 網(wǎng)絡(luò)中的殘差結(jié)構(gòu)均使用傳統(tǒng)卷積[16]，傳統(tǒng)卷積的參數(shù)量及計算量過大，嚴重影響算法的檢測速度。為了提高算法的檢測速度，使其更容易快速實現(xiàn)，本文引入深度可分離卷積，降低模型的參數(shù)量，提高算法的檢測速度。為保證模型檢測的準確率，將深度可分離卷積用于FPN(feature pyramid networks）中下采樣部分及YOLOHead 殘差結(jié)構(gòu)中，主干部分殘差結(jié)構(gòu)及CSPLayer 部分保持不變。

傳統(tǒng)卷積先將各個通道輸入的特征圖與相應卷積核進行卷積相乘，最后累加得到輸出特征，主要結(jié)構(gòu)如圖3 所示。

圖3 傳統(tǒng)卷積結(jié)構(gòu)Fig.3 Traditional convolution structure

圖3 中L和Q分別為輸入和輸出圖像的大小，H為卷積核大小，C和P分別為輸入和輸出的通道數(shù)。傳統(tǒng)卷積（SC）的參數(shù)量W為

計算量O為

深度可分離卷積[17]則是將提取特征和結(jié)合特征分為3×3 的深度卷積和1×1 的逐點卷積兩部分，首先對每一個輸入通道進行一個深度卷積核操作，然后利用1×1 的卷積將深度卷積輸出結(jié)果結(jié)合到特征中組合為新的特征，其結(jié)構(gòu)圖如圖4 所示。

圖4 深度可分離卷積結(jié)構(gòu)Fig.4 Depthwise separable convolution structure

深度可分離卷積（DSC）的參數(shù)量W為

計算量O為

兩種卷積參數(shù)量與計算量比為

1.3 ECANet 通道注意力機制

紅外艦船圖像主要反映艦船目標與海天背景的輻射能量差異，由于島嶼等物體輻射能量和海天背景也有較大差異，實際檢測時島嶼等物體會對目標檢測形成干擾，并且實際紅外圖像中噪聲影響嚴重，這些因素嚴重影響紅外艦船目標的檢測精度。為了增強網(wǎng)絡(luò)的抗干擾能力，降低網(wǎng)絡(luò)對艦船目標的虛檢率與漏檢率，本文在YOLOXS 主干網(wǎng)絡(luò)后引入ECANet 通道注意力機制[18]，抑制島嶼等物體干擾信息的影響，提高網(wǎng)絡(luò)對艦船目標的檢測精度。

在ECANet 通道注意力機制過程中，首先對輸入的特征圖進行全局平均池化，其次利用1D 卷積進行特征提取，經(jīng)過Sigmoid 激活函數(shù)獲得每一個特征點的權(quán)值，最后與輸入的特征圖相乘，得到新的特征圖。ECANet 通道注意力機制結(jié)構(gòu)如圖5 所示。

圖5 ECANet 通道注意力機制Fig.5 ECANet channel attention mechanism

圖5中，H、W、C分別為輸入特征圖的高度、寬度、通道數(shù)，GAP（global average pooling）為全局平均池化，k表示卷積核大小。σ為Sigmoid 非線性激活函數(shù)，具體表達式為[19]

式中z表示神經(jīng)網(wǎng)絡(luò)上一層節(jié)點的輸出。k的表達式為[18]

式中：γ取2，b取1；|t|odd表示距離t最近的奇數(shù)。

1.4 損失函數(shù)

在YOLOX-S 算法中，損失函數(shù)包括類別損失（Lcls）、置信度損失（Lobj）和邊界框損失（LIoU）。IoU(intersection over union)為交并比，反映目標檢測中預測框與真實框的重疊程度，其公式為[20]

式中：A表示預測邊界框；B表示真實邊界框。由于IoU 并沒有考慮兩框之間的距離，當預測框與真實框無相交時，無法反映兩框的距離大小，導致網(wǎng)絡(luò)準確率下降。因此本文引入CIoU(complete-IoU)損失函數(shù)，CIoU 考慮預測框與真實框之間的距離、尺度以及重疊率等因素，增加了目標框回歸的穩(wěn)定性，提高了網(wǎng)絡(luò)對艦船目標的檢測精度。CIoU的公式為[11]

式中：b、bgt分別為預測框和真實框的中心位置；ρ2(b,bgt)為兩框中心位置的歐式距離；c為兩框外接矩形的對角線距離；α為權(quán)重系數(shù)；ν表示衡量長寬比的相似性。α的計算公式為

ν的計算公式為

式中：w、h分別為預測框的寬度、高度；wgt、hgt分別為真實框的寬度和高度。

LCIoU的計算公式為

類別損失包含檢測目標的類別信息，置信度損失包含圖像的前景與背景信息，兩者損失使用BCEWithLogitsLoss 函數(shù)進行計算，該函數(shù)計算公式見式（14）、式（15），類別與置信度損失使用該函數(shù)計算時網(wǎng)絡(luò)穩(wěn)定性更強。

式中：x、y為輸入的張量；N為Batch Size；n為每批次預測的標簽數(shù)；c為目標類別；σ為Sigmoid 非線性激活函數(shù)。針對本文任務中艦船目標尺寸不規(guī)則等特點，加大CIoU 損失權(quán)重w，以此來增加模型對艦船目標尺寸變化的感知能力，提高準確度。損失函數(shù)最終表達式為

2 實驗驗證與結(jié)果分析

2.1 實驗環(huán)境及參數(shù)設(shè)置

本文所有仿真實驗均在Windows11 操作系統(tǒng)；搭載的CPU 版本為AMD Ryzen 75800H with Radeon Graphics 3.20 GHz；GPU 為NVIDIA GeForce GTX 3060（6 GB）；深度學習框架為Pytorch 1.10.1。訓練過程分為凍結(jié)階段和解凍階段，凍結(jié)階段過程中的參數(shù)為：epoch=50，batchsize=6，momentum=0.937，Init_lr=1e-3，Min_lr=Init_lr×0.01，優(yōu)化器使用adam。解凍后訓練參數(shù)為：epoch=100，batchsize=4，momentum=0.937，Init_lr=1e-3，Min_lr=Init_lr×0.01，優(yōu)化器使用adam。

2.2 數(shù)據(jù)集介紹

由于開源的紅外艦船圖像很少，因此本文實驗所用數(shù)據(jù)集來源于實際采集的紅外艦船圖像，共1 263 張艦船圖像，并且按照PASCAL VOC 數(shù)據(jù)集的格式使用Labelimg 圖片標注工具對圖像進行標注。該數(shù)據(jù)集的圖像波段為8 μm～12 μm 和3 μm～5 μm，圖像大小為320 像素×240 像素、621 像素×471 像素，包含多種不同形狀的艦船目標。該數(shù)據(jù)集按照9：1 的比例分為訓練集和驗證集，且圖像中包含多種背景及干擾目標，符合本文實驗的需要。

2.3 評價標準

為了從不同方面評價所提算法對艦船目標檢測的準確、實時性，本文選取了平均精度（average precision，AP）和檢測速度（frame per second，F(xiàn)PS）作為評價指標。AP 兼顧了精準率（precision）和召回率（recall），常用來評估模型的精度有效性，F(xiàn)PS 為每秒檢測圖像的幀數(shù)，用來評估模型的實時性。Params 為模型參數(shù)量的大小，用來評估模型的復雜度。

精準率是指模型預測的所有艦船目標中，預測正確的比例。召回率是指所有真實艦船目標中，模型預測正確的目標比例。兩者表達式為

式中：P為精確率；R為召回率；NTP為IoU＞0.5 的檢測框數(shù)量，NFP為IoU＜=0.5 的檢測框數(shù)量；NFN為沒有檢測到的真實檢測框的數(shù)量。

平均精度（AP）可以用來評估艦船目標檢測的檢測效果，它是P-R曲線在[0,1]區(qū)間內(nèi)精準率對召回率的積分，即：

式中PAP表示艦船目標檢測平均精度。所有類別的PAP的均值為MAP，由于本文算法為單目標檢測，即PAP=MAP。

2.4 算法性能分析與比較

為驗證改進的YOLOX-S 算法在艦船目標檢測任務中的性能表現(xiàn)，將其與現(xiàn)階段主流的目標檢測算法進行對比實驗，考慮到實驗所用數(shù)據(jù)集存在制作誤差等因素，算法對比實驗使用IoU=0.75條件下的精度對比。對比結(jié)果如表1 所示。

表1 不同算法對比Table 1 Comparison of different algorithms

通過對比可知，改進后的YOLOX-S 算法AP 達到98%，F(xiàn)PS 達到56 幀/s，相較于改進前YOLOXS 算法，AP、FPS 分別提高了3%、6 幀/s，精度與速度都得到了一定的提升，并且Params 減少了24.6%，能夠更容易快速實現(xiàn)。與其他算法相比，改進后的YOLOX-S 算法在精度、速度和參數(shù)量大小等方面，具有明顯的優(yōu)勢。

為驗證每個模塊對算法的影響，本文設(shè)置消融實驗，使用相同的實驗設(shè)備以及數(shù)據(jù)集對網(wǎng)絡(luò)不同模塊組合進行性能測試，并對比實驗數(shù)據(jù)分析每個模塊的性能，其中“√”表示算法在實驗中使用了改進模塊，“-”表示未使用改進模塊，實驗結(jié)果如表2 所示。

表2 消融實驗結(jié)果對比表Table 2 Comparison of ablation experiment results

由表2 可知，對比原始算法，引入深度可分離卷積模塊DSC后，雖然精度略低于原始算法，但檢測速度提升較大，參數(shù)量也較大程度的減少；單獨引入ECANet 模塊后，雖然檢測速度略有下降，但算法精度得到提升；單獨引入CIoU 損失函數(shù)模塊，算法精度略有提升。多個模塊組合實驗中，對比引入單個模塊，引入深度可分離卷積和ECANet模塊后，檢測精度和檢測速度均有較大提升。實驗數(shù)據(jù)表明，本文提出的改進算法，具有檢測速度快和參數(shù)量小的優(yōu)勢，且算法平均精度得到進一步提升，達到98%。

為驗證本文算法的有效性，選取不同系列的紅外艦船圖像，與原始算法進行效果檢測對比。選取A、B、C 3 類典型海面目標紅外圖像，圖像A 類為8 μm～12 μm 的海面船只圖像，圖像中主要干擾是天氣和海雜波的干擾，也存在探測器盲元帶來的噪聲干擾；圖像B 類為3 μm～5 μm 的海面船只圖像，此波段下海雜波干擾相對較為嚴重；圖像C 類為8 μm～12 μm 的海面船只圖像，相比前兩類干擾源之外，此類還有島岸背景干擾。兩種算法的檢測效果對比圖如圖6 所示，其中圖A(g)、圖B(g)、圖C(g)為本文改進的YOLOX-S 算法檢測的圖像，圖A(y)、圖B(y)、圖C(y)為原始算法檢測的圖像。

圖6 檢測效果對比Fig.6 Comparison of detection effect

實驗結(jié)果表明，原始算法對A、B 類圖像的檢測效果較好，能夠較完整地檢測出艦船目標，由于C 類圖像中存在大面積島嶼干擾等因素，原始算法對C 類圖像檢測出現(xiàn)將島岸錯檢為目標的情況，檢測效果較差；本文改進的YOLOX-S 算法對A、B、C 3 類圖像的檢測效果均良好，驗證了本文算法檢測精度更高、抗干擾性更強，尤其在大面積島嶼干擾的背景下，算法檢測精度提升較大，能夠充分勝任當前的檢測任務。

3 結(jié)論

本文將YOLOX-S 算法應用到紅外艦船目標檢測領(lǐng)域中，針對艦船目標檢測任務提出一種改進的YOLOX-S 算法，使用深度可分離卷積，在保證網(wǎng)絡(luò)檢測精度的前提下，提高檢測速度，同時結(jié)合注意力機制與CIoU 損失函數(shù)，進一步提升算法的檢測性能。相較于改進前YOLOX-S 算法，艦船目標檢測平均精度提高了3%，檢測速度提高了6 幀/s，算法參數(shù)量減少了24.6%。同時，對比實驗結(jié)果表明，本文提出的改進算法與現(xiàn)階段主流的檢測算法相比，具有較好的檢測性能，能夠勝任艦船目標檢測任務。