尺度適應(yīng)性感受野的船舶目標(biāo)檢測方法

摘 要：

現(xiàn)有船舶目標(biāo)檢測算法大部分只是基于傳統(tǒng)目標(biāo)檢測算法的優(yōu)化改進(jìn)，沒有考慮船舶具有尺度長寬比例的外觀特性，在多尺度目標(biāo)檢測中出現(xiàn)漏檢誤檢問題。為了解決此問題，在YOLOXs基礎(chǔ)上，提出一種尺度適應(yīng)性感受野的船舶檢測方法（SAF-YOLOX）。首先，對主干網(wǎng)絡(luò)提取的不同特征層通過構(gòu)建雙向特征金字塔進(jìn)行特征融合，增強(qiáng)每個(gè)尺度下的特征描述力；同時(shí)，設(shè)計(jì)自適應(yīng)特征強(qiáng)化模塊，抑制不同尺度的特征融合引入的冗余信息，弱化背景信息；然后在預(yù)測時(shí)，采用多路并行感受野的檢測頭，利用具有適應(yīng)目標(biāo)大小以及比例的感受野提取目標(biāo)尺度適應(yīng)性特征信息進(jìn)行預(yù)測；最后，采用先篩選再分配的收斂感知策略，根據(jù)網(wǎng)絡(luò)的收斂狀態(tài)動(dòng)態(tài)地分配樣本，保證檢測速度的同時(shí)提高檢測精度。實(shí)驗(yàn)結(jié)果顯示，所提方法在大型海事監(jiān)控?cái)?shù)據(jù)集SeaShips和MCShips上的平均檢測精度分別達(dá)到93.21%和92.34%，與傳統(tǒng)YOLOXs相比，分別提高了1.01%和1.09 %。實(shí)驗(yàn)結(jié)果證明，所提方法利用尺度適應(yīng)性感受野能實(shí)現(xiàn)多尺度船舶目標(biāo)的高精度檢測。

關(guān)鍵詞：船舶目標(biāo)檢測；YOLOX；尺度自適應(yīng)；特征強(qiáng)化；分配策略

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-3695（2024）08-039-2521-07

doi： 10.19734/j.issn.1001-3695.2023.10.0558

Ship object detection based on scale-adaptive receptive field

Luo Fang1， Li Jiawei1， He Daosen2

（1.College of Computer Science & Artificial Intelligence， Wuhan University of Technology， Wuhan 430063， China; 2. Dept. of Supply Chain & Information Management， Hang Seng University of Hong Kong， Hong Kong 999077， China）

Abstract：

The existing ship object detection algorithms mostly rely on optimized improvements based on traditional object detection algorithms， without considering the scale and aspect ratio characteristics of ships， leading to issues such as missed detections and false detections in multi-scale object detection. To address this， the paper proposed a scale-adaptive receptive field ship detection method（SAF-YOLOX） based on YOLOXs. Firstly， it extracted different feature layers by the backbone network， which were fused by constructing a bidirectional feature pyramid， improving feature representation at various scales. Simultaneously， it designed an adaptive feature enhancement module to suppress redundant information introduced by the fusion of features at different scales， thereby attenuating background information. During the prediction phase， it employed a multi-branch parallel receptive field detection head， utilizing receptive fields adapted to target sizes and proportions for extracting scale-adaptive feature information. Additionally， it implemented a convergence-aware strategy， dynamically selecting and allocating samples based on the network’s convergence state. This strategy ensured improved detection accuracy while maintaining detection speed. Experimental results demonstrate that the proposed method achieves an average detection accuracy of 93.21% on the SeaShips dataset and 92.34% on the MCShips dataset. When compared to traditional YOLOXs， the method exhibits an improvement of 1.01% and 1.09%， respectively. The experimental results confirm that the proposed method， utilizing scale-adaptive receptive fields， can achieve high-precision detection of multi-scale ship targets.

Key words：ship object detection; YOLOX; scale adaptation; feature enhancement; assign policies

0 引言

經(jīng)過近十年的發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測日趨成熟，但是多尺度目標(biāo)檢測仍面臨著挑戰(zhàn)，近年來諸多研究模擬人類視覺的感受野［1］來提升多尺度目標(biāo)檢測性能。Liu等人［2］在inception的基礎(chǔ)上加入了空洞卷積，通過具有不同空洞率的卷積核得到不同大小的感受野，以提取具有更多上下文信息的目標(biāo)特征； Zhao等人［3］設(shè)計(jì)金字塔池化模塊（pyramid pooling module，PPM），利用全局平均池化將不同感受野的特征進(jìn)行融合，增強(qiáng)了有效感受野的大?。?Dai等人［4］根據(jù)當(dāng)前需要識(shí)別的目標(biāo)進(jìn)行感受野動(dòng)態(tài)調(diào)整，提出可變形卷積以獲得更準(zhǔn)確的感受野；彭晏飛等人［5］利用不同大小、不同尺度的感受野來捕捉目標(biāo)的上下文信息，豐富目標(biāo)的特征信息，強(qiáng)化小目標(biāo)檢測；李坤亞等人［6］利用不同感受野與注意力機(jī)制結(jié)合來融合目標(biāo)全局特征信息，建立通道與全局特征圖各像素間的全局依賴關(guān)系，以抑制冗余信息的干擾。上述研究利用不同大小感受野的特征進(jìn)行特征融合，提取更多的全局信息有助于多尺度目標(biāo)的檢測。但對于多尺度船舶目標(biāo)檢測而言，不同類別的船舶因其外觀形狀大多是細(xì)長型，而不同特征層下其感受野大多是長方形，因此這些方法不能很好地匹配船舶外型尺寸，并且對小目標(biāo)而言會(huì)引入更多背景信息，造成檢測效果不好。例如，從圖1（圖中黃色標(biāo)注是矩形整數(shù)感受野，紅色標(biāo)注非整數(shù)感受野）不同特征圖下目標(biāo)的感受野中可以看出，圖1（a）20×20特征圖中船舶目標(biāo)①、②、③的感受野大小分別是6×5、 6×2、4×2，在圖1（b）10×10特征圖中船舶目標(biāo)①、②、③的感受野大小分別是3×3、3×2、2×1，利用正方形卷積核獲取的感受野與實(shí)際船舶目標(biāo)外型存在偏差；再者，如果固定用長方形整數(shù)卷積核生成的感受野可能不能完全匹配船舶目標(biāo)尺寸，導(dǎo)致提取的特征包含過多的干擾信息，例如在圖1（b）10×10特征圖下黃色標(biāo)注區(qū)域中目標(biāo)船舶①、②、③的整數(shù)感受野包含了多余的背景冗余信息，其目標(biāo)前景的真正有效區(qū)域是紅色標(biāo)注區(qū)域，即非整數(shù)感受野。另外，同一尺度目標(biāo)的感受野具有明顯的變化，如果只利用一個(gè)固定感受野的檢測頭處理特征層，無法適應(yīng)目標(biāo)的比例變化，例如在圖1（a）20×20特征圖中，目標(biāo)船舶①、②感受野大小分別是6×5、6×2，用一個(gè)感受野6×5的檢測頭處理該特征層，對于船舶目標(biāo)①能夠較好地提取特征并預(yù)測，但是對于目標(biāo)船舶②則會(huì)引入過多的背景信息，不利于目標(biāo)的預(yù)測。

為了提升多尺度船舶目標(biāo)檢測性能，使檢測頭中感受野與船舶目標(biāo)的外型及尺度大小相適應(yīng)，本文構(gòu)建了一個(gè)尺度適應(yīng)性感受野的船舶目標(biāo)檢測網(wǎng)絡(luò)，以解決傳統(tǒng)的目標(biāo)檢測網(wǎng)絡(luò)采用固定感受野無法有效捕捉不同尺度的船舶目標(biāo)，而導(dǎo)致的目標(biāo)漏檢問題。為此，設(shè)計(jì)一個(gè)多路并行感受野的檢測頭，通過引入多路并行感受野，利用與目標(biāo)大小尺度更匹配的感受野來提取目標(biāo)特征信息，提高船舶目標(biāo)檢測精度。為了避免特征融合后帶來的沖突信息和背景信息對多路并行感受野的檢測頭造成干擾，本文設(shè)計(jì)了自適應(yīng)特征強(qiáng)化模塊，利用通道和空間自適應(yīng)融合的機(jī)制，抑制沖突信息，使得前景信息得到強(qiáng)化，同時(shí)減弱背景信息的影響，從而提高目標(biāo)檢測的準(zhǔn)確性。

此外，引入多路并行感受野的檢測頭有助于更好地捕捉不同大小目標(biāo)的特征信息，但同時(shí)可能增加了網(wǎng)絡(luò)的復(fù)雜性。因此本文設(shè)計(jì)了收斂感知分配策略，根據(jù)網(wǎng)絡(luò)復(fù)雜性和收斂程度自適應(yīng)地計(jì)算和分配正樣本個(gè)數(shù)，以優(yōu)化網(wǎng)絡(luò)的訓(xùn)練過程，解決復(fù)雜性問題并加速網(wǎng)絡(luò)的收斂。

1 本文方法

本文基于YOLOXs［7］構(gòu)建尺度適應(yīng)性船舶檢測網(wǎng)絡(luò)，如圖2所示。首先，為了增強(qiáng)每個(gè)尺度下的特征描述力，對主干網(wǎng)絡(luò)提取的不同特征層通過構(gòu)建雙向特征金字塔進(jìn)行特征融合［8］；接著，為抑制不同尺度的特征融合引入的冗余信息，提出自適應(yīng)特征強(qiáng)化模塊，以弱化背景信息；然后在預(yù)測時(shí)，采用多路并行感受野的檢測頭，利用具有適應(yīng)目標(biāo)大小以及比例的感受野的卷積核對特征層P2～P4進(jìn)行解耦處理，利用目標(biāo)尺度適應(yīng)性特征信息進(jìn)行預(yù)測；另外，多路并行感受野的檢測頭增加了網(wǎng)絡(luò)的復(fù)雜性，為了保證檢測速度的同時(shí)提高檢測精度，采用先篩選再分配的收斂感知策略，根據(jù)網(wǎng)絡(luò)的收斂狀態(tài)動(dòng)態(tài)地分配樣本。

1.1 自適應(yīng)特征強(qiáng)化

特征金字塔［9］用于融合不同尺度大小的特征，然而不同尺度的特征具有不可忽視的語義差異，將不同尺度的特征直接融合可能引入大量的冗余信息、沖突信息，這樣會(huì)造成目標(biāo)前景弱化，降低多尺度表達(dá)的能力。為了抑制不同尺度冗余信息、沖突信息，同時(shí)強(qiáng)化前景信息、弱化背景信息，獲得包含更多目標(biāo)前景信息的特征圖，以便于后續(xù)檢測，本文設(shè)計(jì)自適應(yīng)特征強(qiáng)化模塊，利用主干網(wǎng)絡(luò)特征來指導(dǎo)融合后的特征層進(jìn)行特征強(qiáng)化，分別通過通道強(qiáng)化和空間強(qiáng)化得到特征圖U和D，如圖3所示。

在通道強(qiáng)化模塊中采用平均池化和最大池化相結(jié)合的方式來聚合圖像的全局空間信息。將主干網(wǎng)絡(luò)輸出的不同層特征圖Ci（i=2，3，4）和特征金字塔輸出的三種尺度的特征層Ri（i=2，3，4）作為輸入，采用平均池化和最大池化相結(jié)合的方式來聚合圖像的全局空間信息，并利用sigmoid函數(shù)歸一化后得到WUi（i=2，3，4），如式（1）所示。

WUi=sigmoid［AvgPool（Ci）+MaxPool（Ci）］（1）

其中：WU i代表特征融合前Ci中不同通道輸入的相對權(quán)重值，越大表示具有更大的響應(yīng)，將它們與輸入相乘，響應(yīng)大的輸入將被放大，響應(yīng)小的被抑制，與輸入相乘得到通道強(qiáng)化的特征圖Ui（i=2，3，4），如式（2）所示。

Ui=WUiRi（2）

空間強(qiáng)化模塊利用 softmax 函數(shù)將Ci （i=2，3，4）特征圖在空間上歸一化，以提高模型的泛化能力，得到特征圖中每個(gè)點(diǎn)關(guān)于其他所有位置的相對權(quán)重WDi（i=2，3，4），如式（3）所示。

WDi=softmax（Ci）（3）

然后將WDi與Ri（i=2，3，4）分別相乘，得到空間特征強(qiáng)化特征圖Di（i=2，3，4）， 放大目標(biāo)特征并抑制背景噪聲，如式（4）所示。

Di=WDiRi（4）

其中：WDi為空間自適應(yīng)權(quán)重，前景目標(biāo)區(qū)域的響應(yīng)較大，將會(huì)獲得更大的權(quán)重，反之背景區(qū)域獲得的權(quán)重較小。

為了權(quán)衡兩者比重，設(shè)計(jì)自適應(yīng)參數(shù)α、β，通過網(wǎng)絡(luò)訓(xùn)練梯度回傳自動(dòng)調(diào)整大小，其中α+β=1。強(qiáng)化后的特征如式（5）所示。

P=α×U+β×D（5）

1.2 檢測頭優(yōu)化

目前，在檢測頭中通常采用1×1、3×3卷積核，或者是全連接神經(jīng)網(wǎng)絡(luò)，這種方式獲得的感受野大小是固定的，不一定與檢測目標(biāo)的尺寸匹配。目標(biāo)檢測時(shí)，預(yù)測所用的感受野大小取決于網(wǎng)絡(luò)最后一層，即由檢測頭中卷積核感受野的大小決定，為了獲取匹配目標(biāo)尺寸的感受野，本文對檢測頭進(jìn)行了優(yōu)化，如圖4所示，設(shè)計(jì)多路并行感受野的檢測頭，利用多路并行的尺度適應(yīng)性感受野分別對特征層進(jìn)行特征提取并預(yù)測。

該模塊在同一特征層下，利用n條并行支路分別進(jìn)行預(yù)測，其中每一路設(shè)置具有不同尺度適應(yīng)性感受野的卷積，再利用激活函數(shù)得到具有適應(yīng)目標(biāo)尺度的特征圖，最后利用全連接層輸出該特征層下目標(biāo)的預(yù)測結(jié)果。關(guān)于每一支路尺度適應(yīng)性感受野的確定，本文借鑒基于Anchor［10］的目標(biāo)檢測算法中的Anchor選取方式。首先統(tǒng)計(jì)數(shù)據(jù)大中小目標(biāo)的數(shù)量，其中大中小目標(biāo)的定義如表1，同時(shí)考慮基于相對尺度和基于絕對尺度兩個(gè)標(biāo)準(zhǔn)，然后根據(jù)統(tǒng)計(jì)數(shù)量確定大中小目標(biāo)數(shù)量比值約數(shù)來作為聚類的類別個(gè)數(shù)，利用K-means［11］分別對大目標(biāo)、中目標(biāo)、小目標(biāo)進(jìn)行聚類。由于網(wǎng)絡(luò)輸入的尺度為640×640，本文將數(shù)據(jù)集圖片resize成640×640，然后將resize后的真實(shí)框信息進(jìn)行聚類，最后根據(jù)聚類結(jié)果確定不同尺度感受野的大小。

以SeaShips數(shù)據(jù)集為例，大中小目標(biāo)的數(shù)量比值約為4∶2∶2，即在大中小尺度下n值分別為4、2、2，表2是三種尺度下真實(shí)框的聚類結(jié)果，可以得出在不同尺度下和同一尺度下都有明顯的長寬比例變化，由此可見利用尺度適應(yīng)性感受野來提取目標(biāo)特征更有利于預(yù)測。

根據(jù)不同尺度的真實(shí)聚類框，按照特征層相較于原圖的縮放比例計(jì)算得到尺度適應(yīng)性感受野。以小尺度下目標(biāo)的真實(shí)聚類框大小12×45、19×86為例，按照縮放比例8計(jì)算在小尺度特征層上對應(yīng)框的大小為1.5×5.63、2.4×10.75，本文將這個(gè)計(jì)算結(jié)果作為處理小尺度特征層中多路感受野的并行檢測頭中感受野的大小。

由此本文提出了非離散卷積核實(shí)現(xiàn)尺度適應(yīng)性感受野，對特征點(diǎn)采用雙線性插值進(jìn)行逼近，并利用相應(yīng)的變換矩陣進(jìn)行非整數(shù)卷積的實(shí)現(xiàn)。與整數(shù)矩形內(nèi)核的對應(yīng)CNN相比，訓(xùn)練需要大約相等的計(jì)算量。

以感受野大小為（2.6，2.4）卷積核為例介紹非整數(shù)卷積核。如圖5所示，3×3標(biāo)準(zhǔn)正方形核的感受野可以表示為S={（-1，1），（0，1），（1，1），（-1，0），（0，0），（1，0），（-1，-1），（0，-1），（1，-1）}。通過將輸入特征圖I∈Euclid ExtraaBpH×W與步幅為1的核W∈Euclid ExtraaBpk×k進(jìn)行卷積，得到一個(gè)輸出特征圖O∈Euclid ExtraaBpH×W，其在每個(gè)坐標(biāo)j處的值如式（6）所示。

Oj=∑s∈SWsIj+s（6）

非整數(shù)卷積核感受野大小為（2.6，2.4），感受野R表示為 R={（-0.7，0.8），（0，0.8），（0.7，0.8），（-0.7，0），（0，0），（0.7，0），（-0.7，-0.8），（0，-0.8）， （0.7，-0.8），相應(yīng)的卷積變?yōu)槿缡剑?）所示。

Oj=∑s∈S，r∈RWsIj+r（7）

由于非整數(shù)的感受域包含分?jǐn)?shù)位置，所以使用雙線性插值來近似矩形感受野內(nèi)的相應(yīng)采樣值，如式（8）所示。

It=∑s∈SB（s，t）Is（8）

其中：t表示矩形感受野中的任意（分?jǐn)?shù)）位置；B（·，·）是雙線性插值的變換矩陣。最終得到公式為

Oj=∑s∈S，r∈RWs（∑s∈SB（s， j+r）Is）（9）

由于變換矩陣B是固定系數(shù)矩陣，所以在原始內(nèi)核W上進(jìn)行操作可以替換感受野中的偏移，從而使訓(xùn)練與具有標(biāo)準(zhǔn)方形內(nèi)核的對應(yīng)CNN相比，花費(fèi)了等效的時(shí)間。

本文提出的尺度適應(yīng)性感受野與傳統(tǒng)檢測頭中感受野大小相比，都能較好地適應(yīng)目標(biāo)的大小，提取的前景目標(biāo)信息占比更多，更好地進(jìn)行目標(biāo)的檢測。 如圖6所示，藍(lán)色框表示傳統(tǒng)檢測頭感受野，黃色框表示本文多路并行感受野檢測頭感受野（參見電子版），針對80×80和20×20特征層中的三個(gè)船舶目標(biāo)，其中大目標(biāo)船舶在20×20特征層中檢測，小目標(biāo)船舶在80×80特征層中檢測，傳統(tǒng)檢測頭的感受野（YOLOXs中5×5，藍(lán)色標(biāo)注）與本文設(shè)計(jì)的尺度適應(yīng)性感受野的適應(yīng)性進(jìn)行對比，其中尺度適應(yīng)性感受野（黃色標(biāo)注）大小在圖6（a）（b）中分別是（1.5×6.65）、（2.4×10.75）。

1.3 分配策略優(yōu)化

由于多路并行感受野的檢測頭使預(yù)測分支增加，導(dǎo)致預(yù)測網(wǎng)絡(luò)復(fù)雜性增加，造成網(wǎng)絡(luò)預(yù)測框成倍輸出，樣本分配過程中的計(jì)算量增加。為了解決上述問題，本文采用初篩-再分配策略，首先對輸出的預(yù)測框按照置信度進(jìn)行初步篩選，選擇置信度較高的1/3數(shù)量的預(yù)測框作為分配候選框，然后利用分配策略對分配候選框進(jìn)行正樣本分配，該方式不僅保證了分配過程的計(jì)算量，在一定程度上也保證了預(yù)測框的質(zhì)量，篩選更好的樣本進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，然后進(jìn)行再分配策略。

在分配策略中，simOTA［7］通過top-k策略為每個(gè)真實(shí)框分配正樣本，避免了OTA［12］使用Sinkhorn-Knopp算法求解最優(yōu)傳輸問題帶來的25%額外的訓(xùn)練時(shí)間開銷，但是simOTA中top-k策略中的m值是固定的，沒有根據(jù)網(wǎng)絡(luò)收斂情況和網(wǎng)絡(luò)復(fù)雜性進(jìn)行動(dòng)態(tài)調(diào)整，其中m值表示與真實(shí)框的IoU值的前m個(gè)預(yù)選框，k表示這m個(gè)IoU值之和，并向下取整。通過實(shí)驗(yàn)發(fā)現(xiàn)m值的大小會(huì)影響訓(xùn)練結(jié)果，不同的網(wǎng)絡(luò)復(fù)雜度對不同m值反應(yīng)不同，且simOTA策略在訓(xùn)練前期的動(dòng)態(tài)k值大多為1，只有一個(gè)正樣本參與訓(xùn)練，導(dǎo)致訓(xùn)練速度緩慢。為了保障網(wǎng)絡(luò)每個(gè)分支都能得到很好的訓(xùn)練，應(yīng)該提高標(biāo)簽的正樣本個(gè)數(shù)。

考慮上述問題，本文設(shè)計(jì)收斂感知分配策略，在m值計(jì)算過程中考慮網(wǎng)絡(luò)的復(fù)雜性以及收斂性信息，進(jìn)一步實(shí)現(xiàn)正樣本數(shù)量的動(dòng)態(tài)調(diào)整。其中關(guān)于動(dòng)態(tài)m值的確定，以mAP反映網(wǎng)絡(luò)收斂程度，mAP的變化曲線一般是快上升，慢收斂。在網(wǎng)絡(luò)收斂性快速上升階段，通過增加m值增加樣本數(shù)量，自適應(yīng)地快速提升網(wǎng)絡(luò)能力，在網(wǎng)絡(luò)的收斂速度下降時(shí)，網(wǎng)絡(luò)進(jìn)入收斂階段，為了避免網(wǎng)絡(luò)振蕩，應(yīng)該減少樣本數(shù)量以保證樣本質(zhì)量。

網(wǎng)絡(luò)的復(fù)雜性決定m值的上界和下界，m值在（min、max）變化，初始m值較小，min、max可以根據(jù)網(wǎng)絡(luò)分支（復(fù)雜性）的多少?zèng)Q定，本文選用m初始值為10，min值為10，max為40。

算法1 收斂感知分配策略

輸入：錨集合A；圖像中目標(biāo)真實(shí)框的注釋G。

輸出：分配方案Π*。

M ←|G|，N←|A|

（i， j）←get_in_boxes_info （G，A） /*利用中心先驗(yàn)原理確定第i個(gè)真實(shí)框?qū)?yīng)的第j個(gè)預(yù)測框*/

ml← get_ml（ΔmAPl－1） //計(jì)算第l代的m

I← get_IoU（i， j） //計(jì)算每個(gè)真實(shí)框和候選框之間的IoU值

k← get_k（ml，I） //計(jì)算每個(gè)真實(shí)框的k值

cost（i， j）← FocalLoss（Pclsi，Gclsj）+IoULoss（Pboxi，Gboxj） /*計(jì)算每個(gè)真實(shí)框與候選框的代價(jià)（損失）*/

（i*， j*）← get_assignments（cost，k） /*取損失最小的前k個(gè)候選框作為真實(shí)框的正樣本*/

return （i*， j*）

動(dòng)態(tài)m值的計(jì)算方式如式（10）所示。

ml=ml－1－2 ΔmAPl－1<0

ml－1－10<ΔmAPl－1<a

ml－1+2ΔmAPl－1>a （10）

其中：ΔmAPl-1是驗(yàn)證集第l-1與l-2代mAP值的差值； ml是第l代m的值；α為ΔmAP閾值，描述網(wǎng)絡(luò)收斂的快慢，本文取值為0.005，當(dāng)ΔmAP大于該值，說明網(wǎng)絡(luò)在上升階段，小于該值則說明網(wǎng)絡(luò)處于逐漸收斂階段。

2 實(shí)驗(yàn)設(shè)置及結(jié)果分析

本文實(shí)驗(yàn)基于PyTorch深度學(xué)習(xí)框架，硬件設(shè)備為Intel i7-12700K處理器，12核20線程，主頻3.6 GHz，GPU RTX 3080Ti的工作站。

2.1 實(shí)驗(yàn)配置設(shè)置和評價(jià)指標(biāo)

本文選用大型海事監(jiān)控?cái)?shù)據(jù)集SeaShips［13］以及McShips［14］進(jìn)行實(shí)驗(yàn)以評估方法性能。SeaShips如表3所示，六種不同種類的船舶具有不同的尺寸大小。為了進(jìn)一步驗(yàn)證模型的適用性，本文還選取西北工業(yè)大學(xué)公開用于船舶檢測的McShips數(shù)據(jù)集，如表4所示。與SeaShips相比， McShips包含軍用類型的船舶，并且具有同一類別尺度變化、不同類別尺度變化等特點(diǎn)。

本文實(shí)驗(yàn)使用召回率（recall）、精確率（precision）、平均準(zhǔn)確率（AP）和均值平均精度（mean average precision，mAP）等目標(biāo)檢測常用指標(biāo)來評價(jià)實(shí)驗(yàn)效果。召回率為所有真實(shí)目標(biāo)中模型預(yù)測正確的目標(biāo)比例，如式（11）所示。精度為模型預(yù)測的所有目標(biāo)中，預(yù)測正確的比例，如式（12）所示。mAP 為所有類別的AP的平均值，如式（14）所示。

recall=TPTP+FNR（11）

precision=TPTP+FP（12）

其中：TP表示正樣本中預(yù)測為正樣本的數(shù)量；FP表示負(fù)樣本中預(yù)測為正樣本的數(shù)量；FN表示正樣本中預(yù)測為負(fù)樣本的數(shù)量。

AP=∫10P（R）d（R）（13）

mAP=∑Ni=1 APiN（14）

本文網(wǎng)絡(luò)模型訓(xùn)練時(shí)，批量大小設(shè)置為 8，在SeaShips和McShips數(shù)據(jù)集上的訓(xùn)練批次分別是100和150，初始動(dòng)量0.937，學(xué)習(xí)率下降方式Cos，初始學(xué)習(xí)率設(shè)置為1E-2，學(xué)習(xí)率1E-4，衰減率設(shè)置為 0.000 1，網(wǎng)絡(luò)沒有使用預(yù)訓(xùn)練權(quán)重，訓(xùn)練集圖像被等比例縮放至640×640輸入網(wǎng)絡(luò)。

2.2 驗(yàn)證實(shí)驗(yàn)結(jié)果分析

2.2.1 非離散卷積合理性驗(yàn)證

為了驗(yàn)證本文提出的尺度適應(yīng)性船舶目標(biāo)檢測的效果，基于SeaShips數(shù)據(jù)集設(shè)置不同形狀以及尺寸的卷積核進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如表5所示，較大的方形卷積核檢測的準(zhǔn)確度較高，采用不同比例的矩形卷積核提高檢測精度的效果更明顯，并且大小為3×7卷積核相較于3×3、5×5、7×7的卷積核具有更明顯的提升效果，初步驗(yàn)證矩形卷積核對船舶檢測的有效性。本文的非離散卷積雖然在散裝貨船和雜貨船的預(yù)測上稍遜色于3×7的卷積核，但是在其他類別的船舶檢測上都有明顯優(yōu)勢，進(jìn)一步說明非離散卷積能夠更好地適應(yīng)船舶尺寸以及長寬比例，更好地進(jìn)行船舶的預(yù)測。

2.2.2 收斂感知分配策略有效性驗(yàn)證

因simOTA匹配策略中的m值是固定的，本文提出收斂感知分配策略對m動(dòng)態(tài)取值，以適應(yīng)不同的網(wǎng)絡(luò)復(fù)雜度?；赟eaShips數(shù)據(jù)集，利用simOTA對m分別取10、15、20、25、30，以及采用收斂感知分配策略dynamic_m分別進(jìn)行實(shí)驗(yàn)。圖7是不同m值下epoch在70～100的mAP變化折線，圖8是m的不同取值在驗(yàn)證集的損失折線。從實(shí)驗(yàn)結(jié)果看出，不同m值下網(wǎng)絡(luò)的收斂整體趨勢一致，但是收斂程度以及收斂快慢有明顯區(qū)別。通過對比發(fā)現(xiàn)，本文提出的收斂感知分配策略，在mAP上與m=20最好情況相比提高了0.21百分點(diǎn)，許多類別的預(yù)測準(zhǔn)確率都能達(dá)到最好水平，而且從mAP變化折線以及損失變化折線可以看出，本文提出的收斂感知分配策略收斂速度較快，說明其對提高訓(xùn)練速度以及精度具有一定作用，并且可以有效減少調(diào)參這一工作。

2.3 不同數(shù)據(jù)集對比實(shí)驗(yàn)結(jié)果分析

為了證明本文方法的有效性，將其與Faster-RCNN［15］、SSD［16］、YOLOv3［17］、YOLOv7［18］、YOLOv8、YOLOXs、IMP-YOLOv5七種經(jīng)典目標(biāo)檢測方法在數(shù)據(jù)集SeaShips和McShips上進(jìn)行實(shí)驗(yàn)對比。

Faster R-CNN為經(jīng)典區(qū)域建議雙階段檢測方法，通過區(qū)域建議網(wǎng)絡(luò)生成候選框再進(jìn)行船舶分類和邊界框回歸。SSD、YOLOv3、YOLOv7、YOLOv8、YOLOXs為經(jīng)典單階段檢測算法，SSD通過在多尺度特征層上進(jìn)行目標(biāo)檢測，有效提高了小尺寸目標(biāo)的檢測精度；YOLOv3和YOLOv7通過引入錨框機(jī)制，進(jìn)一步提高目標(biāo)回歸率；YOLOXs和YOLOv8使用無錨框機(jī)制，提高模型運(yùn)算速度的同時(shí)保持檢測精度。其中，YOLOX模型選取m值的最優(yōu)結(jié)果m=20進(jìn)行實(shí)驗(yàn)對比，IMP-YOLOv5［6］結(jié)合不同感受野與注意力機(jī)制來融合目標(biāo)全局特征信息，對小目標(biāo)檢測進(jìn)行增強(qiáng)。SAF-YOLOX為本文算法。

2.3.1 基于SeaShips數(shù)據(jù)集實(shí)驗(yàn)對比

如表6所示，SAF-YOLOX在數(shù)據(jù)集SeaShips上的mAP達(dá)到了93.21%，優(yōu)于其他七種方法。與雙階段Faster R-CNN對比，SAF-YOLOX雖然召回率低于其1.8百分點(diǎn)，但是在準(zhǔn)確率上有明顯提升，在precision和mAP上分別提高了26.46百分點(diǎn)和2.39百分點(diǎn)。與單階段基于錨框機(jī)制的檢測方法如SSD、YOLOv3、YOLOv7、YOLOv8相比，SAF-YOLOX在mAP上分別提高2.94百分點(diǎn)、6.95百分點(diǎn)、2.02百分點(diǎn)和0.67百分點(diǎn)；與具有最優(yōu)m值的YOLOXs方法相比，SAF-YOLOX在mAP上提高1.01百分點(diǎn)。在所有類別上均能取得最好的檢測準(zhǔn)確度，說明基于感受野的角度，通過適應(yīng)目標(biāo)大小、長寬比例的感受野獲取更準(zhǔn)確的特征具有可行性。此外，與IMP-YOLOv5［6］相比，SAF-YOLOX檢測性能更優(yōu)。綜上所述，本文方法可以有效處理SeaShips數(shù)據(jù)集中各種尺度船舶的檢測問題，有效提高船舶檢測精度，可以應(yīng)用于實(shí)際場景。

2.3.2 基于McShips數(shù)據(jù)集實(shí)驗(yàn)對比

不同方法在McShips數(shù)據(jù)集的對比實(shí)驗(yàn)結(jié)果如表7所示。

本文方法得到最高的mAP，達(dá)到92.34%。與雙階段Faster R-CNN對比，SAF-YOLOX保證與其相當(dāng)?shù)恼倩芈蕳l件下，在precision和aVUa5TpE3bUANz4wXjzAuFUxfoVSDAIXACNVska1MwY=mAP上分別提高了43.25百分點(diǎn)和9.75百分點(diǎn)。與經(jīng)典單階段檢測方法（SSD、YOLOv3、YOLOv7、YOLOv8）相比，SAF-YOLOX的mAP分別提高6.53百分點(diǎn)、6.22百分點(diǎn)、3.93百分點(diǎn)和1.46百分點(diǎn)。與具有最優(yōu)m值的YOLOXs方法相比，SAF-YOLOX檢測精度提高1.09百分點(diǎn)，對于樣本尺度大小、形狀等變化較大的民用船，檢測精度提高了1.78百分點(diǎn)，進(jìn)一步說明了本文思路的可行性。此外，與IMP-YOLOv5相比，SAF-YOLOX同樣具有優(yōu)勢。綜上所述，本文方法可以有效處理McShips數(shù)據(jù)集中民用船和軍用船的檢測問題，有效提高了模型的泛化能力。

2.4 消融實(shí)驗(yàn)

為了驗(yàn)證本文的自適應(yīng)特征強(qiáng)化模塊、多路并行感受野檢測頭、收斂感知分配策略的作用，在SeaShips數(shù)據(jù)集上設(shè)計(jì)消融實(shí)驗(yàn)，如表8所示。其中 “√” 表示選擇該模塊。

采用基礎(chǔ)YOLOXs模型（簡稱方法a）的mAP為88.6%，與方法a相比，引入了自適應(yīng)特征強(qiáng)化模塊后，mAP提高了0.61百分點(diǎn)；引入了多路并行感受野檢測頭，mAP提高了2.77百分點(diǎn)；引入了收斂感知分配策略，mAP提高了2.81百分點(diǎn)。由此說明三種改進(jìn)方法都促進(jìn)了模型檢測性能的提升。

為進(jìn)一步驗(yàn)證模塊的互相促進(jìn)作用，對包含不同模塊的方法進(jìn)行對比實(shí)驗(yàn)，結(jié)果表明，組合不同模塊的方法的其性能優(yōu)于只包含其中一個(gè)模塊的方法，驗(yàn)證了SAF-YOLOX中的各模塊互相促進(jìn)能提升多尺度船舶檢測性能。其中，包含自適應(yīng)特征增強(qiáng)、多路并行感受野檢測頭和收斂感知分配策略的本文方法表現(xiàn)最好，與方法a相比，mAP提高了4.61百分點(diǎn)，說明利用多路并行感受野檢測頭能夠較好地提升多尺度目標(biāo)檢測的效果，并且自適應(yīng)特征強(qiáng)化模塊和收斂感知分配策略能夠進(jìn)一步促進(jìn)多路并行感受野檢測頭發(fā)揮作用。

在McShips數(shù)據(jù)集進(jìn)行消融實(shí)驗(yàn)同樣也驗(yàn)證了SAF-YOLOX的有效性。綜上所述，本文方法考慮目標(biāo)真實(shí)的大小、長寬比例信息，從感受野角度出發(fā)，設(shè)計(jì)的具有大小、長寬比例感知多路并行感受野的檢測頭對處理多尺度的目標(biāo)檢測問題具有一定作用，多路并行感受野的檢測頭通過非離散卷積核獲得更加準(zhǔn)確的感受野，提取更加合適的目標(biāo)特征，提高了多尺度船舶的檢測精度；并且，考慮網(wǎng)絡(luò)復(fù)雜程度以及網(wǎng)絡(luò)收斂程度的收斂感知分配策略，可以更合理地確定正樣本的數(shù)量，減少一定的調(diào)參工作。

2.5 定性分析

2.5.1 特征熱力圖對比

特征熱力圖中有溫度的區(qū)域表示模型對目標(biāo)的關(guān)注區(qū)域，特征熱力圖9中（a）是原始圖片，（b）則是YOLOXs檢測的特征熱力圖，（c）為SAF-YOLOX檢測的特征熱力圖，其中圖（a）最右邊圖片的分辨率是70×80，其他圖片的分辨率是1080×1920。從圖9可以看出SAF-YOLOX檢測的特征熱力圖范圍更廣，形狀規(guī)則性更強(qiáng)，更適應(yīng)于物體本身的形狀特征。說明SAF-YOLOX提取的特征更多，能更好地進(jìn)行目標(biāo)預(yù)測，SAF-YOLOX可以提取到更好的目標(biāo)特征，對于大目標(biāo)可以提取目標(biāo)更多的前景信息，對于分辨率差的圖片中的小目標(biāo)能夠提取更多的目標(biāo)特征進(jìn)行預(yù)測。

2.5.2 不同場景目標(biāo)檢測對比

圖10、11為不同檢測方法在不同場景下檢測船舶的結(jié)果。在多尺度船舶的場景（圖10），SAF-YOLOX既檢測出大尺寸船舶，又成功分類和定位出小尺寸的船舶，對多尺度船舶目標(biāo)的感知能力較強(qiáng)。兩階段檢測模型的Faster R-CNN和一階段檢測模型中的SSD、YOLOv3均存在漏檢的情況。雖然YOLOXs、YOLOv7、YOLOv8在檢測大尺度的船舶目標(biāo)時(shí)置信度較高，但是對于小目標(biāo)的檢測置信度和定位不好，YOLOv7、YOLOv8在小目標(biāo)預(yù)測準(zhǔn)確度方面低于SAF-YOLOX，且YOLOXs存在誤檢，并且SAF-YOLOX與IMP-YOLOv5相比在小中目標(biāo)的檢測上置信度高于該算法。綜上所述，本文模型在存在圖像分辨力較差的小目標(biāo)、多尺度復(fù)雜場景中均比其他模型檢測效果更佳，可以較好地處理船舶行駛中各種復(fù)雜場景，具有更強(qiáng)的準(zhǔn)確性和魯棒性。

在船舶圖片分辨率較低的小目標(biāo)場景（圖11）中，對于一階段檢測算法，具有anchor框的YOLOv3、YOLOv7存在漏檢情況，不具有anchor框的YOLOXs、YOLOv8同樣出現(xiàn)漏檢情況，兩階段Faster R-CNN算法也不能正常檢測出船舶目標(biāo)；從圖11（a）和（g）的對比可以看出，雖然SSD和IMP-YOLOv5能檢測出船舶，但是置信度低于SAF-YOLOX，由此證明本文引入自適應(yīng)特征強(qiáng)化模塊以及具有目標(biāo)大小、長寬比例適應(yīng)的感受野，對分辨率較低場景的目標(biāo)具有較好的分類和定位能力。

3 結(jié)束語

為了解決多尺度船舶目標(biāo)檢測問題，使得模型檢測在同類別和不同類別船舶目標(biāo)的多尺度場景下都能有較好的提升，本文考慮船舶目標(biāo)大小、長寬比例問題，以及不同尺度特征直接融合可能引入的大量冗余信息、沖突信息，先利用特征強(qiáng)化，獲得包含更多目標(biāo)的前景信息，弱化冗余信息、沖突信息以及背景信息的特征圖；再從感受野的角度出發(fā)，依照目標(biāo)的大小、長寬比例信息，設(shè)計(jì)與其適應(yīng)的感受野，對不同的特征圖采用多路并行感受野的檢測頭，獲取更準(zhǔn)確的特征進(jìn)行預(yù)測。為了獲得更準(zhǔn)確的感受野，本文提出非離散卷積核，實(shí)現(xiàn)非整數(shù)的感受野；并且本文在SimOTA分配策略的基礎(chǔ)上，考慮網(wǎng)絡(luò)預(yù)測頭的復(fù)雜程度，以及網(wǎng)絡(luò)的收斂程度等問題，提出收斂感知分配策略。通過在SeaShips和McShips數(shù)據(jù)集上的定量和定性對比實(shí)驗(yàn)，證明本文模型在同類別和不同類別多尺度變化場景下都具有良好的準(zhǔn)確性和魯棒性。在未來工作中，進(jìn)一步將模型進(jìn)行知識(shí)蒸餾，輕量化模型，以及可以從有效感受野的角度進(jìn)一步優(yōu)化對于目標(biāo)的特征提取，以達(dá)到更優(yōu)的應(yīng)用效果。

參考文獻(xiàn)：

［1］Araujo A，Wade N，Jack S. Computing receptive fields of convolutio-nal neural networks［J］. Distill，2019，4（11）： e21.

［2］Liu Songtao，Huang Di. Receptive field block net for accurate and fast object detection［C］// Proc of the 15th European Conference on Computer Vision. Berlin： Springer-Verlag，2018： 385-400.

［3］Zhao Hengshuang，Shi Jianping，Qi Xiaojuan，et al. Pyramid scene parsing network［C］// Proc of IEEE Conference on Computer Vision and Pattern Recognition. Piscataway，NJ： IEEE Press，2017： 6230-6239.

［4］Dai Jifeng，Qi Haozhi，Xiong Yuwen，et al. Deformable convolutional networks［C］// Proc of IEEE International Conference on Computer Vision. Piscataway，NJ： IEEE Press，2017： 764-773.

［5］彭晏飛，趙濤，陳炎康，等. 基于上下文信息與特征細(xì)化的無人機(jī)小目標(biāo)檢測算法［J］. 計(jì)算機(jī)工程與應(yīng)用，2024，60（5）： 183-190. （Peng Yanfei，Zhao Tao，Chen Yankang，et al. UAV small object detection algorithm based on context information and feature refinement［J］. Computer Engineering and Applications，2024，60（5）： 183-190.）

［6］李坤亞，歐鷗，劉廣濱，等. 改進(jìn)YOLOv5的遙感圖像目標(biāo)檢測算法［J］. 計(jì)算機(jī)工程與應(yīng)用，2023，59（9）： 207-214. （Li Kunya，Ou Ou，Liu Guangbin，et al. Target detection algorithm of remote sensing image based on improved YOLOv5［J］. Computer Engineering and Applications，2023，59（9）： 207-214.）

［7］Ge Zheng，Liu Songtao，Wang Feng，et al. YOLOX： exceeding YOLO series in 2021［EB/OL］. （2021-08-06）. https：//arxiv.org/abs/2107.08430.

［8］毛琳，李雪萌，楊大偉，等. 金字塔頻率特征融合目標(biāo)檢測網(wǎng)絡(luò)［J］. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2021，33（2）： 207-214. （Mao Lin，Li Xuemeng，Yang Dawei，et al. Pyramid frequency feature fusion object detection networks［J］. Journal of Computer-Aided Design & Computer Graphics，2021，33（2）： 207-214.）

［9］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］// Proc of IEEE Conference on Computer Vision and Pattern Recognition. Piscataway，NJ： IEEE Press，2017： 2117-2125.

［10］Ribeiro M，Singh S，Guestrin C. Anchors： high-precision model-agnostic explanations［C］// Proc of the 32nd AAAI Conference on Artificial Intelligence and the 30th Innovative Applications of Artificial Intelligence Conference and the 8th AAAI Symposium on Educational Advances in Artificial Intelligence. Palo Alto，CA： AAAI Press，2018： article No.187.

［11］Yuan Chunhui，Yang Haitao. Research on K-value selection method of K-means clustering algorithm［J］. Multidisciplinary Scientific Journal，2019， 2（2）： 226-235.

［12］Zheng Ge，Liu Songtao，Wang Feng，et al. OTA： optimal transport assignment for object detection［C］// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway，NJ： IEEE Press，2021： 303-312.

［13］Shao Zhenfeng，Wu Wenjing，Wang Zhongyuan，et al. SeaShips： a large-scale precisely annotated dataset for ship detection［J］. IEEE Trans on Multimedia，2018， 20（10）： 2593-2604.

［14］Zheng Yitong，Zhang Shun. McShips： a large-scale ship dataset for detection and fine-grained categorization in the wild［C］// Proc of IEEE International Conference on Multimedia and Expo. Piscataway，NJ： IEEE Press， 2020： 1-6.

［15］Ren Shaoqing，He Kaiming，Girshick R，et al. Faster R-CNN： towards real-time object detection with region proposal networks［J］. IEEE Trans on Pattern Analysis and Machine Intelligence，2017，39（6）： 1137-1149.

［16］Liu Wei，Dragomir A，Dumitru E，et al. SSD： single shot multibox detector［C］// Proc of European Conference on Computer Vision. Cham： Springer，2016： 21-37.

［17］Redmon J，F(xiàn)arhadi A. YOLOv3： an incremental improvement［EB/OL］. （2018-04-08）. https：//arxiv.org/abs/1804.02767.

［18］Wang C Y，Bochkovskiy A，Liao H Y M. YOLOv7： trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［C］// Proc of IEEE/CVF Conference on Computer Vision and Pattern Re-cognition. Piscataway，NJ： IEEE Press，2023： 7464-7475.