基于改進YOLOv3 的SAR 艦船圖像目標識別技術

姜浩風，張 順，梅少輝

（西北工業大學電子信息學院，陜西 西安 710072）

0 引言

艦船是水上交通運輸的重要載具，對水面艦船的監測與管理是各國海事部門的一項重要工作。合成孔徑雷達（Synthetic Aperture Radar，SAR）技術是一種主動式微波遙感探測技術，它利用脈沖壓縮和合成孔徑同時提高雷達距離向和方位向的分辨率，從而獲得全天候、全天時、大面積、高分辨率SAR 圖像。SAR圖像自動目標識別（Automatic Target Recognition，ATR）技術旨在自動從SAR 圖像中判斷出有無目標信息，提高SAR 圖像的解讀效率與準確度。SAR 系統可安裝于飛機、衛星等平臺，并且可全天候、全天時觀察地面和海洋表面，因此SAR 圖像ATR 技術對海洋監測領域的水面艦船檢測與識別具有重要價值。

近年來，SAR 圖像ATR 技術已經在全世界得到深入研究，并形成了固定的三級流程：檢測、鑒別和分類。檢測模塊主要基于檢測算法獲取包含SAR 圖像目標的切片，鑒別模塊對于目標切片剔除虛警值，分類模塊選取最佳決策機制判斷類別。

傳統的SAR 圖像艦船檢測算法為基于統計建模的恒虛警率（Constant False Alarm Rate，CFAR）算法，包括雙參數CFAR 算法、基于分布的CFAR 算法，以及最佳熵自動門限法、多極化方法等。此類方法均需要對原始圖像進行預處理，如雜波過濾、海陸分割，在檢測過程中也需要根據先驗知識對部分虛警目標進行過濾。目前，隨著人工智能領域的快速發展，卷積神經網絡（Convolutional Neural Network，CNN）可以實現對圖像高層特征的主動提取，避免了人工選取特征的復雜工作，具有良好的分類準確度和魯棒性，為SAR 圖像目標檢測提供了新的途徑。

在自然圖像的分類識別任務上，研究人員提出了一些非常典型的深度學習網絡模型，例如AlexNet、VGG、Googlenet、ResNet、DenseNet、Inception、MobileNet、SqueezeNet等。目前成熟的目標檢測模型大多基于這一系列網絡架構，例如twostage 的R-CNN、Fast R-CNN、Faster R-CNN檢測算法與one-stage 的YOLO系列檢測算法。對于SAR 圖像的艦船檢測，深度學習在檢測速度與檢測精度上都優于傳統的檢測方法，YOLOv3相比其他目標檢測模型，在保證準確率的同時進一步提高了檢測效率。本文在YOLOv3 網絡的基礎上，用稠密網絡模塊代替用于提取中小尺度特征的殘差網絡模塊，改進網絡對于較小尺度SAR 艦船目標的檢測性能，使用綜合交并比（GIoU）度量損失代替交并比（IoU）邊界框回歸損失，提升邊界框的檢測精度。

1 網絡模型及算法

1.1 YOLOv3 網絡

YOLOv3 網絡是一種單階段目標檢測網絡，與兩階段目標檢測網絡相比，單階段目標檢測網絡具有更快的檢測速度。YOLOv3 網絡采用Darknet 53作為主干網絡以提取輸入圖像的特征，同時結合了多種優秀的方法如多尺度檢測、殘差網絡等，進一步提升了網絡性能。YOLOv3 首先將輸入圖像調整至416×416 的大小，再將其分割成×的網格，網格中每個單元格負責檢測中心點落在該單元格中的目標。每個單元格會檢測3 個不同尺度的邊界框并預測其置信度。預測量包括、、、與置信度，其中、為邊界框中心坐標在和方向的相對偏移量，和為邊界框的寬和高，置信度通過閾值對預測結果進行取舍，表示邊界框中預測目標類別的準確性。

1.2 DenseNet 網絡

密集連接網絡（DenseNet）由HUANG 等于2016 年提出，該網絡并未參考ResNet 的思想，通過殘差級聯實現增加網絡層數，從而提升網絡性能；也未參考Inception 的思想，通過擴展網絡寬度提升網絡性能，而是著眼于特征方面，將特征在多個通道上以不同的方式進行連接實現特征重組，從而保證其特征信息的全面性，提高特征復用率。

通過對特征的重組利用不僅在一定程度上減輕了梯度彌散問題，而且在減少了參數數量的同時加強了特征的有效傳遞。對于一個層的網絡結構，DenseNet 網絡將0 層至（-1）層的輸出進行非線性變換：式中：H(·)為非線性變換函數；[，，…，x]為將0 層～（-1）層輸出的特征進行拼接；x為第層的變換結果。

DenseNet 以這種稠密連接的方式最大化地使用特征信息。因此本文采用DenseNet 網絡中的稠密模塊來加強網絡對于特征的提取。

1.3 YOLOv3 與DenseNet 網絡的融合策略

ResNet 網絡與DenseNet 網絡都是應用于分類任務中，兩者的框架結構極為相似，其網絡都是由若干個單元模塊堆疊而成，且單元模塊都是由激活函數層、卷積層與批歸一化層組成。因此，在原有結構的基礎上，將殘差模塊（Residual Block，Res Block）替代為稠密模塊（Dense Block），并改變其連接方式即可完成替代工作，如圖1 所示。其中Conv2D 代表卷積模塊，Contact 代表全連接模塊，Upsampling 代表上采樣模塊。將YOLOv3 網絡中對尺度26×26 和52×52 進行預測輸入的兩組殘差模塊替換為自定義的密集連接模塊，構建出一個帶有密集型連接模塊的特征提取網絡，使尺度26×26和52×52 在進行預測之前能夠接收密集連接塊輸出的多層卷積特征，增強特征的傳遞并促進特征復用和融合，進一步提升檢測效果。

圖1 YOLOv3 結構圖及稠密塊位置Fig.1 Diagram of the YOLOv3 architecture and the dense block position

稠密模塊中通道維數的變化過程如圖2 所示，在第1 組Dense Block中共有8 個Dense Block Unit，分別代替對應位置的Residual Block Unit。Dense Block 的輸入為52×52×256 的特征圖，為了減少計算負擔，在后7 個Dense Block Unit 中的輸入前分別執行1×1 的卷積操作實現降維，即每次增加的通道數為128：

圖2 稠密模塊維度變化Fig.2 Dimension change of the dense block

式中：H(·) 為BN+ReLU+Conv（1×1）+BN+ReLU+Conv（3×3）的組合函數表達，即附加Bottleneck layer 的Dense Block 的非線性組合函數；，，…，X為每次線性組合操作后的結果。輸入特征圖經8 組非線性函數組合獲取到52×52×1 280 特征圖，隨后，將其與特征交互部分中上采樣獲取的52×52×128 特征圖進行拼接操作，得到52×52×1 408 的特征圖，以此作為輸出應用于檢測小尺度的目標。

第2 組Dense Block 的輸入通道數為512，通道變化做出相同的降維預處理，即每次增加的通道數為256，經過8 組Dense Block Unit 后輸出26×26×2 560 的特征圖，并將其與特征交互部分經上采樣獲取的26×26×256 特圖執行拼接操作，經通道合并后輸出26×26×2 816 特征圖用于中型尺度目標檢測。改進之后的模型YOLOv3 網絡結構如圖3 所示。

圖3 改進后的模型結構Fig.3 Structure of the improved model

1.4 多尺度先驗框

隨著輸出特征圖數量和尺度的變化，先驗框的尺寸也需要進行相應調整。YOLOv3 延續了YOLOv2的方法，采用-means聚類得到先驗框的尺寸，為每種下采樣尺度設定3 種先驗框，共聚類出9 種尺寸的先驗框：（10×13）、（16×30）、（33×23）、（30×61）、（62×45）、（59×119）、（116×90）、（156×198）、（373×326）。

在檢測中，不同大小的目標分配不同尺度的先驗框，最小的13×13 特征圖具有最大的感受野，應用較大的先驗框（116×90）、（156×198）、（373×326），適合檢測較大的目標。中等的26×26 特征圖具有中等感受野，應用中等的先驗框（30×61）、（62×45）、（59×119），適合檢測中等大小的目標。較大的52×52 特征圖具有較小的感受野，應用較小的先驗框（10×13）、（16×30）、（33×23），適合檢測較小的目標。不同尺度下的特征圖與先驗框如圖4所示。

圖4 不同尺度下的特征圖與先驗框Fig.4 Characteristic diagrams and a priori frames at different scales

在目標檢測的過程中，如果目標中心落在某網格中，即由該網格負責預測。YOLOv3 的輸出結果通過預測不同網格的錨點所對應的偏移量完成檢測目標預測框的回歸，如圖5 所示。

圖5 邊框預測Fig.5 Frame prediction

圖中：c、c為負責預測網格的左上角坐標；t、t為被測目標中心相對網格左上坐標的偏移量；、為預設的先驗框映射到特征圖中的寬和高；b、b為最終得到的邊框中心坐標；、為其相對特征圖的寬與高。(·)sigmoid 函數將，壓縮到［0，1］區間內，確保目標中心處于執行預測的網格單元中，防止偏移過多；、為尺度縮放的參數，經過指數運算還原后參與、的運算。

1.5 GIoU 改進

YOLOv3 模型使用IoU 即交并比作為衡量檢測定位性能的主要指標，IoU 計算公式如下：

式中：、分別為預測框與真實框的位置信息。

損失函數定義為

IoU 作為指標存在2 個問題：1）若兩框沒有相交，即=0，此時IoU 無法反映預測框與真實框之間的距離，同時損失函數無法進行梯度的反向傳播，故無法通過梯度下降的方式進行訓練。2）IoU僅能量化地表示兩框之間的重合度大小，無法表示兩框的空間位置關系。

針對以上2 個問題，HAMID 等提出了 使用GIoU 作為新的指標，計算公式如下：

式中：為包含與的最小同類形狀，其損失函數為

GIoU 繼承了IoU 的尺度不變性，同時相較與IoU 僅關注重合區域，GIoU 還關注了非重合區域，可以更好地反映預測框與真實框的重合程度。

2 實驗過程及結果

2.1 數據集介紹

本實驗采用中國科學院空天信息研究院數字地球重點實驗室研究員王超團隊公開的SAR 圖像船舶檢測數據集。該數據集包括多源、多模式SAR 圖像，以我國國產高分三號SAR 數據和Sentinel-1 SAR 數據為主數據源，數據及其標注格式適用于目標檢測任務。目前，該深度學習樣本庫包含43 819船舶切片及其標注信息，數據集樣例如圖6所示。

圖6 SAR 艦船數據集樣例Fig.6 Examples of the SAR ship dataset

2.2 模型訓練

本實驗的訓練環境為：Ubuntu16.04 系統，python3.7，pytorch1.7.1 框架，cuda10.1，cudnn8.0，GPU為GTX1080Ti。

本實驗采用監督學習的方式，通過損失函數計算網絡輸出值與期望值之間的誤差，通過誤差反向傳播調節網絡內部的各項參數來減小誤差，使網絡逐漸收斂。在訓練過程中選擇SGD 優化器，權重衰減（Weight Decay）設置為0.000 5，沖量（Momentum）設置為0.9，學習率設置為0.001，訓練50 000 批次后，損失函數趨近于0，表明模型收斂，對訓練數據的擬合程度較好。損失函數曲線如圖7 所示。

圖7 網絡訓練損失曲線Fig.7 Network training loss curve

2.3 實驗結果

本實驗采用的評價指標為主流的類平均準確率（Mean Average Precision，mAP）與每秒傳輸幀數（Frames Per Second，FPS）。mAP 是所有檢測目標類別的平均值（Average Precision，AP），衡量模型在各類別上識別效果的平均水平。FPS 用于衡量模型的檢測速率。本實驗采用Faster R-CNN 與原版YOLOv3 作為對比算法，實驗中訓練樣本與驗證樣本的比例為9∶1，測試結果見表1。

表1 測試結果對比Tab.1 Comparison of the test results

由表1 可知，改進后的YOLOv3 框架的檢測性能在準確率上優于Faster R-CNN 與原版YOLOv3，相較原版YOLOv3 模型，改進后模型的mAP 提高了1.4%，在檢測速度上與原版YOLOv3 一致，這是因為改進的方法并未對YOLOv3 做模型結構與參數量上的簡化。改進后的YOLOv3 采用稠密模塊替換殘差模塊來提高對小目標的檢測精度。由于海面目標多為小型艦船，因此改進后的YOLOv3 比原版具有更高的檢測精度，檢測結果圖像如圖8 所示。

圖8 SAR 艦船檢測結果Fig.8 Results of the SAR ship detection

3 結束語

本實驗針對SAR 圖像自動目標識別問題展開了研究，設計了一種基于改進YOLOv3 架構的SAR艦船檢測模型。該模型通過將網絡中部分殘差模塊替換為稠密連接模塊，改進了網絡對于小尺寸目標的檢測性能，通過用GIoU 取代IoU 提高預測框的檢索準確度。

實驗結果表明，改進后的YOLOv3 框架基于其對小目標檢測的優秀性能，在SAR 艦船檢測的任務上取得了較好的結果。