基于改進(jìn)YOLO v3的飛行目標(biāo)檢測(cè)算法研究

摘 要：飛行目標(biāo)往往呈現(xiàn)為十幾個(gè)像素點(diǎn)的小目標(biāo)，對(duì)其準(zhǔn)確檢測(cè)是黑飛反制、管控等應(yīng)用中首要解決的問題。鑒于此，提出一種基于改進(jìn)YOLO v3的方法提高飛行目標(biāo)的檢測(cè)能力。首先為避免梯度消失，增強(qiáng)特征的復(fù)用，在特征檢測(cè)層引入殘差網(wǎng)絡(luò)；其次為提高小目標(biāo)的檢測(cè)能力，增加對(duì)4倍下采樣特征的檢測(cè)；然后通過數(shù)據(jù)集對(duì)未改進(jìn)YOLO v3和改進(jìn)后YOLO v3進(jìn)行訓(xùn)練獲取模型；最后將Faster R-CNN、未改進(jìn)YOLO v3和改進(jìn)后YOLO v3進(jìn)行實(shí)驗(yàn)對(duì)比，數(shù)據(jù)顯示改進(jìn)后YOLO v3的準(zhǔn)確度提升14個(gè)百分點(diǎn)以上，能較好地檢測(cè)出飛行目標(biāo)。

關(guān)鍵詞：飛行目標(biāo)檢測(cè)；YOLO v3；深度學(xué)習(xí)

中圖分類號(hào)：TP391" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號(hào)：1671-0797（2024）23-0081-04

DOI：10.19514/j.cnki.cn32-1628/tm.2024.23.018

0" " 引言

深度學(xué)習(xí)方法是當(dāng)下十分熱門的研究領(lǐng)域，與傳統(tǒng)學(xué)習(xí)算法[1-2]相比不需要人工設(shè)計(jì)特征提取，其通過神經(jīng)網(wǎng)絡(luò)對(duì)大量數(shù)據(jù)的學(xué)習(xí)，得到一個(gè)能夠準(zhǔn)確描述數(shù)據(jù)深層次特征的模型，是一步到位的學(xué)習(xí)方法，識(shí)別效果取決于訓(xùn)練集數(shù)據(jù)量和學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)。深度網(wǎng)絡(luò)一般參數(shù)量大，所需內(nèi)存較大，訓(xùn)練數(shù)據(jù)量大且計(jì)算過程復(fù)雜，一般要借助GPU加速運(yùn)算[3]。

YOLO（You Only Look Once） v3是Redmon[4]等人在YOLO v2的基礎(chǔ)上融入ResNet網(wǎng)絡(luò)而來[5]，主要特點(diǎn)有以下幾個(gè)方面：

1）Darknet-53結(jié)構(gòu)。隨著網(wǎng)絡(luò)加深，網(wǎng)絡(luò)的優(yōu)化更加艱難，理論上，越深的網(wǎng)絡(luò)，效果應(yīng)該越好，但實(shí)際上，過深的網(wǎng)絡(luò)會(huì)產(chǎn)生退化問題，效果反而不如相對(duì)較淺的網(wǎng)絡(luò)[6]，因此Darknet-53借鑒深度殘差網(wǎng)絡(luò)設(shè)計(jì)策略，使用Skip Shotcut連接方式構(gòu)建殘差單元，解決深層網(wǎng)絡(luò)梯度消失和爆炸問題，保證深層網(wǎng)絡(luò)下仍能收斂，特征表達(dá)更豐富[7]。

2）多尺度特征融合。YOLO v2中通過轉(zhuǎn)移層將高分辨率特征抽取后拼接在低分辨率特征后，這種做法不改變最終輸出特征的尺度，而改變特征深度，一定程度上破壞了高分辨率特征的結(jié)構(gòu)信息。YOLO v3使用了upsample（上采樣）操作[8]，并將大特征圖和小特征圖upsample后的特征圖進(jìn)行concat，最終輸出三個(gè)尺度的特征金字塔，這樣的特征圖既包含豐富的高層抽象特征，又包含精確的位置信息特征[9]。在三個(gè)不同的尺度特征下做目標(biāo)檢測(cè)，能夠適應(yīng)多種不同大小的目標(biāo)檢測(cè)任務(wù)。

3）邏輯回歸。YOLO v3中也采用先驗(yàn)框策略，在每個(gè)尺度上設(shè)置3個(gè)先驗(yàn)框，3個(gè)尺度共設(shè)置9個(gè)先驗(yàn)框，采用K-means算法對(duì)數(shù)據(jù)集Ground Truth聚類生成先驗(yàn)框尺寸。YOLO v3用邏輯回歸（logistic regression）為每一個(gè)候選框預(yù)測(cè)一個(gè)目標(biāo)評(píng)分（objectness score），如果某個(gè)先驗(yàn)框與Ground Truth的重疊區(qū)域?yàn)?個(gè)先驗(yàn)框的最大值，則相對(duì)應(yīng)目標(biāo)評(píng)分置1，即將該先驗(yàn)框與Ground Truth相匹配，后續(xù)計(jì)算誤差時(shí)，僅考慮最佳先驗(yàn)框與Ground Truth的誤差，其他先驗(yàn)框不會(huì)對(duì)坐標(biāo)或類預(yù)測(cè)造成任何損失。

4）類別預(yù)測(cè)。針對(duì)同一目標(biāo)給予多種類型標(biāo)注時(shí)，不再采用softMax分類器，而選擇獨(dú)立logistic分類器，在訓(xùn)練過程中，使用二元交叉熵?fù)p失進(jìn)行類預(yù)測(cè)。

1" " 改進(jìn)YOLO v3結(jié)構(gòu)

YOLO v3中特征提取部分引入殘差網(wǎng)絡(luò)的思想，而目標(biāo)檢測(cè)層仍然采用常規(guī)卷積形式，為避免梯度消失，增強(qiáng)特征的復(fù)用，受殘差網(wǎng)絡(luò)的啟發(fā)，將6個(gè)DBL單元分解為2個(gè)殘差單元和2個(gè)DBL單元，如圖1所示。

特征圖的分辨率會(huì)影響目標(biāo)檢測(cè)性能指標(biāo)，低分辨率特征圖用來表達(dá)深層次信息，但其對(duì)小目標(biāo)的語義信息丟失嚴(yán)重，一般用作大目標(biāo)檢測(cè)，在攝像機(jī)視頻畫面中，飛機(jī)占據(jù)少部分像素位置，呈現(xiàn)為較小目標(biāo)。YOLO v3對(duì)8倍、16倍、32倍下采樣特征進(jìn)行目標(biāo)檢測(cè)，此時(shí)對(duì)小目標(biāo)的檢測(cè)能力較弱，本文舍棄32倍特征的目標(biāo)檢測(cè)，而增加對(duì)4倍下采樣特征的檢測(cè)，為保留深層特征信息，仍將32倍特征進(jìn)行上采樣后與16倍特征結(jié)合，以此增強(qiáng)對(duì)小目標(biāo)檢測(cè)的能力。改進(jìn)后的結(jié)構(gòu)如圖2所示。

2" " 改進(jìn)YOLO v3網(wǎng)絡(luò)訓(xùn)練

本文研究對(duì)象為飛機(jī)目標(biāo)，所搜集數(shù)據(jù)集總計(jì)4 000張圖片，其中訓(xùn)練集3 200張，驗(yàn)證集800張，通過打標(biāo)工具LabelImg進(jìn)行標(biāo)注，標(biāo)注完成自動(dòng)生成

.xml文件。由于數(shù)據(jù)集數(shù)量有限，若對(duì)網(wǎng)絡(luò)中所有參數(shù)進(jìn)行訓(xùn)練，則會(huì)產(chǎn)生過擬合現(xiàn)象，模型的泛化能力變差，YOLO v3作者已在ImageNet數(shù)據(jù)集上對(duì)Darknet-53結(jié)構(gòu)進(jìn)行了預(yù)訓(xùn)練，得到了前74層權(quán)重，由于網(wǎng)絡(luò)的改進(jìn)位置在檢測(cè)部分，所以在特征提取部分遷移預(yù)訓(xùn)練權(quán)重，僅對(duì)深層的檢測(cè)、回歸網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練分兩步進(jìn)行，總共進(jìn)行200 epoch（所有圖像訓(xùn)練一輪），第一步訓(xùn)練100 epoch，設(shè)置學(xué)習(xí)率為0.001，第二次訓(xùn)練設(shè)置學(xué)習(xí)率0.000 1，若連續(xù)三輪次損失值沒有減小，則學(xué)習(xí)率降為十分之一，若達(dá)到200 epoch或連續(xù)10 epoch損失值沒有減小，則終止訓(xùn)練。

圖3給出了訓(xùn)練過程中損失值與epoch的關(guān)系，其中▲線為YOLO v3，lt;E：＼雜志＼2024＼2024年機(jī)電＼2024-12期＼2024-23期＼2024-12月機(jī)電正文＼圖標(biāo).jpggt;線代表改進(jìn)的YOLO v3，改進(jìn)結(jié)構(gòu)在前40個(gè)epoch loss迅速下降至1以下，約60 epoch下降至0.5以下，并逐漸趨于穩(wěn)定，改進(jìn)后的結(jié)構(gòu)loss值整體要低于未改進(jìn)結(jié)構(gòu)。圖4給出了Avg IOU與epoch的關(guān)系，改進(jìn)結(jié)構(gòu)在第50 epoch左右達(dá)到0.7，并逐漸穩(wěn)定在0.85，與未改進(jìn)結(jié)構(gòu)相比，在第37 epoch相交后，改進(jìn)結(jié)構(gòu)的Avg IOU始終高于未改進(jìn)結(jié)構(gòu)。在訓(xùn)練過程中，訓(xùn)練100 epoch后，每隔10 epoch保存一次模型，首先選出mAP（mean Average Precision）最高的模型作為實(shí)驗(yàn)?zāi)Ｐ?，通過驗(yàn)證集篩選，YOLO v3在第180 epoch處模型、改進(jìn)YOLO v3在190 epoch處模型mAP最高。

3" " 實(shí)驗(yàn)結(jié)果及分析

在高性能計(jì)算機(jī)上訓(xùn)練得到網(wǎng)絡(luò)模型后，在常規(guī)配置計(jì)算機(jī)（CPU為8核3.5 GHz，內(nèi)存8 GB，GPU GTX1050的臺(tái)式計(jì)算機(jī)）上進(jìn)行效果驗(yàn)證。本文對(duì)改進(jìn)YOLO v3、YOLO v3、Faster R-CNN模型進(jìn)行對(duì)比，其中改進(jìn)YOLO v3和未改進(jìn)YOLO v3模型由自主訓(xùn)練而得，F(xiàn)aster R-CNN則選用官方模型作為實(shí)驗(yàn)?zāi)Ｐ?，?shí)驗(yàn)視頻為航展飛行視頻。

圖5（a）列為Faster R-CNN實(shí)驗(yàn)效果，雖然對(duì)小目標(biāo)具有較好的識(shí)別能力，但單幀處理耗時(shí)約1.3 s，顯然不能滿足實(shí)時(shí)處理的要求。圖5（b）為未改進(jìn)YOLO v3實(shí)驗(yàn)效果，單幀處理耗時(shí)約300 ms，但存在兩個(gè)問題：其一，識(shí)別置信度相比Faster R-CNN模型較低；其二，對(duì)小目標(biāo)檢測(cè)能力較差，例如第555幀中，目標(biāo)完全不能識(shí)別。圖5（c）為改進(jìn)YOLO v3實(shí)驗(yàn)效果，單幀處理耗時(shí)340 ms左右，相比未改進(jìn)模型，檢測(cè)網(wǎng)絡(luò)的改進(jìn)中多加入了一次上采樣處理，對(duì)大尺度特征圖進(jìn)行檢測(cè)，這是耗時(shí)增加的主要原因，也正因?yàn)榇烁倪M(jìn)，對(duì)小目標(biāo)的識(shí)別能力得到提升。

三種算法對(duì)比數(shù)據(jù)如表1所示，其中準(zhǔn)確率為置信閾值設(shè)置為0.5的條件下正確識(shí)別目標(biāo)與實(shí)際目標(biāo)的比值。

就準(zhǔn)確率而言，改進(jìn)后的YOLO v3相比未改進(jìn)YOLO v3提升了約14個(gè)百分點(diǎn)，而Faster R-CNN準(zhǔn)確率最低，其主要原因是采用的官方模型未進(jìn)行個(gè)人數(shù)據(jù)集專項(xiàng)訓(xùn)練。本文在考慮準(zhǔn)確率的同時(shí)處理速度也是重要指標(biāo)，在研究之初，官方模型運(yùn)行速度耗時(shí)較長，距離實(shí)時(shí)處理要求較遠(yuǎn)，因此，未對(duì)Faster R-CNN網(wǎng)絡(luò)進(jìn)行專項(xiàng)訓(xùn)練。就處理速度而言，改進(jìn)YOLO v3雖然單幀耗時(shí)有所增加，但仍然在同一量級(jí)。

4" " 結(jié)束語

本文在YOLO v3的基礎(chǔ)上，為避免梯度消失，增強(qiáng)特征的復(fù)用，受殘差網(wǎng)絡(luò)的啟發(fā)，在特征檢測(cè)層引入殘差網(wǎng)絡(luò)。針對(duì)小目標(biāo)難以檢測(cè)的問題，增加對(duì)4倍下采樣特征的檢測(cè)，并將32倍特征進(jìn)行上采樣與16倍特征結(jié)合，增強(qiáng)對(duì)小目標(biāo)檢測(cè)的能力。通過與Faster R-CNN、未改進(jìn)YOLO v3對(duì)比，實(shí)驗(yàn)顯示，檢測(cè)準(zhǔn)確率提升了14個(gè)百分點(diǎn)，能夠較好地實(shí)現(xiàn)小目標(biāo)的檢測(cè)。

[參考文獻(xiàn)]

[1] NASSIH B，AMINE A，NGADI M，et al.DCT and HOG Feature Sets Combined with BPNN for Efficient Face Classification[J].Procedia Computer Science，2019，148：116-125.

[2] OJALA T，PIETIKAINEN M，MAENPAA T.Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24（7）：971-987.

[3] 劉曉楠，王正平，賀云濤，等.基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)研究綜述[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù)，2019（1）：100-107.

[4] REDMON J，F(xiàn)ARHADI A.YOLO v3：an incremental improvement[EB/OL].（2020-02-11）[2024-07-28].https：//pjreddie.

com/media/files/papers/YOLOv3.pdf.

[5] 歐陽繼紅，王梓明，劉思光.改進(jìn)多尺度特征的YOLO_v4目標(biāo)檢測(cè)方法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2022，60（6）：1349-1355.

[6] 耿創(chuàng)，宋品德，曹立佳.YOLO算法在目標(biāo)檢測(cè)中的研究進(jìn)展[J].兵器裝備工程學(xué)報(bào)，2022，43（9）：162-173.

[7] 邵延華，張鐸，楚紅雨，等.基于深度學(xué)習(xí)的YOLO目標(biāo)檢測(cè)綜述[J].電子與信息學(xué)報(bào)，2022，44（10）：3697-3708.

[8] 張麗瑩，龐春江，王新穎，等.基于改進(jìn)YOLO v3的多尺度目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用，2022，42（8）：2423-2431.

[9] 蔡偉，徐佩偉，楊志勇，等.復(fù)雜背景下紅外圖像弱小目標(biāo)檢測(cè)[J].應(yīng)用光學(xué)，2021，42（4）：643-650.

收稿日期：2024-08-23

作者簡介：李玉虎（1995—），男，山東濟(jì)寧人，碩士，助理實(shí)驗(yàn)師，研究方向：測(cè)控技術(shù)與儀器、自動(dòng)化技術(shù)。