基于自適應(yīng)特征融合的無人機(jī)小目標(biāo)檢測算法

摘 要： 本文提出了一種針對無人機(jī)捕獲圖像的目標(biāo)檢測算法，旨在解決無人機(jī)視角下小目標(biāo)檢測存在漏檢現(xiàn)象嚴(yán)重、檢測精度低的問題。主要改進(jìn)包括重新設(shè)計聚類算法生成更準(zhǔn)確的先驗(yàn)框，引入自適應(yīng)特征融合模塊以使模型更靈活地學(xué)習(xí)上下文特征信息，更改檢測頭在較大的特征層上進(jìn)行目標(biāo)檢測并解耦分類和回歸任務(wù)。通過在VisDrone2019 數(shù)據(jù)集上進(jìn)行廣泛實(shí)驗(yàn)，改進(jìn)后的YOLOv5s 模型相較于基準(zhǔn)模型在mAP50 上提高了5.8%，并且保持了較高的幀率（67 FPS）。實(shí)驗(yàn)結(jié)果表明該改進(jìn)方法能夠顯著提高模型的檢測性能，使其適用于復(fù)雜的無人機(jī)捕獲場景。

關(guān)鍵詞： 小目標(biāo)檢測；檢測頭；特征融合；聚類算法

中圖法分類號： TP391.4 文獻(xiàn)標(biāo)識碼： A 文章編號： 1000-2324（2024）06-0814-12

隨著無人機(jī)技術(shù)的發(fā)展，無人機(jī)視角下的目標(biāo)檢測在軍事、安防、農(nóng)業(yè)、環(huán)境檢測、自動駕駛、災(zāi)害響應(yīng)等領(lǐng)域具有廣泛的應(yīng)用，所以研究無人機(jī)視角下的目標(biāo)檢測技術(shù)具有極大的應(yīng)用價值。在計算機(jī)視覺領(lǐng)域，目標(biāo)檢測一般分為傳統(tǒng)目標(biāo)檢測和基于深度學(xué)習(xí)的目標(biāo)檢測。傳統(tǒng)的目標(biāo)檢測的算法主要有Hough Forest［1］、BoostedCascade of Simple Features［2］、Template MatchingTechniques［3］等方法。這些方法在被提出時是非常有影響力的，但是這些方法具有對光照和視角變化敏感、難以處理遮擋、不適應(yīng)復(fù)雜背景、手工設(shè)計特征的限制以及不支持端到端學(xué)習(xí)等劣勢，這些劣勢導(dǎo)致了深度學(xué)習(xí)方法的興起。深度學(xué)習(xí)方法通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）自動學(xué)習(xí)特征，并在端到端的框架中優(yōu)化整個目標(biāo)檢測系統(tǒng)。如今深度學(xué)習(xí)方法在目標(biāo)檢測領(lǐng)域取得了顯著的進(jìn)展，特別是在處理復(fù)雜場景和大規(guī)模數(shù)據(jù)時具有明顯的優(yōu)勢，所以基于深度學(xué)習(xí)的目標(biāo)檢測方法逐漸取代了傳統(tǒng)方法，取得了更好的性能。

基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)主要分為兩種。一種是先生成候選框，再對這些候選框進(jìn)行分類和回歸的兩階段目標(biāo)檢測算法，主要以RCNN［4］、Faster-RCN［5］為代表。另外一種是通過單個前向傳播過程直接完成目標(biāo)的分類和位置回歸的單階段目標(biāo)檢測算法，主要以YOLO系列算法［6-9］、SSD［10］、RetinaNet［11］為代表。隨著對深度學(xué)習(xí)方法的深入研究，基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法基本上可以滿足各場景需求，但是大多數(shù)的目標(biāo)檢測算法是為自然場景圖像設(shè)計的，如果直接應(yīng)用以前的目標(biāo)檢測模型來解決無人機(jī)視角下的目標(biāo)檢測主要存在問題如下：（1）無人機(jī)飛行高度變化大，所以目標(biāo)尺度變化不一，拍攝圖像中的物體尺寸各異。（2）無人機(jī)拍攝的圖像小、物體多、密度大。（3）物體之間存在重疊，難以捕獲正確目標(biāo)。（4）無人機(jī)拍攝的圖像由于覆蓋面積大，包含豐富的地理元素，所以系統(tǒng)很難進(jìn)行區(qū)分。以上問題使得無人機(jī)視角下的小目標(biāo)檢測具有極大的挑戰(zhàn)性。周華平等人［12］在YOLOv5 基礎(chǔ)上引入通道注意力，提升了對小目標(biāo)的檢測效果。齊向明等人［13］針對小目標(biāo)圖像檢測中存在相互遮擋、背景復(fù)雜和特征點(diǎn)少的問題，基于YOLOv7 提出一種重構(gòu)SPPCSPC 與優(yōu)化下采樣的小目標(biāo)檢測算法，但是在輕量化方面還需要有所改進(jìn)。Zhu 等人［14］提出了TPH-YOLOv5，通過在YOLOv5 中添加了一個預(yù)測頭，并在頭部應(yīng)用了Transformer 編碼器塊以形成Transformer檢測頭，提高了無人機(jī)圖像中高密度遮擋小物體的檢測，但是極大的提高了計算量。Liu 等人［15］提出SEC2F，提升網(wǎng)絡(luò)對小目標(biāo)的敏感性，以及提出改進(jìn)空間金字塔池化層以提高目標(biāo)檢測的準(zhǔn)確率，但是檢測效果并不是很好。Xu 等人［16］在骨干網(wǎng)絡(luò)中引入可變形卷積，從而在不同感受野提取特征，同時利用上下文特征提高了小目標(biāo)的檢測精度。考慮到實(shí)時性，谷歌采用深度可分離卷積替換傳統(tǒng)卷積，提出了MobileNet［17］骨干網(wǎng)絡(luò)，大幅度降低了計算量，從而使模型能夠部署在邊緣設(shè)備上。

研究無人機(jī)下的小目標(biāo)檢測對農(nóng)業(yè)有望提供更全面、準(zhǔn)確的信息，幫助農(nóng)業(yè)實(shí)現(xiàn)智能化、高效化管理，提高產(chǎn)量和質(zhì)量，降低生產(chǎn)成本，對農(nóng)業(yè)可持續(xù)發(fā)展具有積極的推動作用。結(jié)合無人機(jī)拍攝圖像的特點(diǎn)以及考慮到單階段目標(biāo)檢測的優(yōu)點(diǎn)，本文采用YOLOv5s 算法作為基準(zhǔn)算法，改進(jìn)該算法用于解決無人機(jī)視角下的小目標(biāo)檢測存在的漏檢和誤檢問題。主要工作如下：改進(jìn)K-means 聚類算法中的距離度量，使用IOU作為距離度量。使用重構(gòu)的C2F 模塊替換原有的C3模塊，加強(qiáng)對小目標(biāo)的識別能力。更換檢測頭，在較大的特征層上進(jìn)行檢測，使更多小目標(biāo)能被檢測到。將檢測頭進(jìn)行解耦，采用兩個分支進(jìn)行分類和回歸，使網(wǎng)絡(luò)能夠進(jìn)行差異性學(xué)習(xí)。

1 YOLOv5s 基準(zhǔn)算法

YOLO目標(biāo)檢測算法是全卷積的單階段目標(biāo)檢測算法，YOLOv5s 相對較小的模型設(shè)計使得它在實(shí)時目標(biāo)檢測方面表現(xiàn)優(yōu)異。這對于需要低延遲響應(yīng)的應(yīng)用，如自動駕駛、實(shí)時監(jiān)控等領(lǐng)域非常重要。所以YOLOv5s 非常適合用于無人機(jī)視角下的目標(biāo)檢測。

YOLOv5s 主要由Backbone、Neck、Head 三部分組成。其中Backbone 由Conv 模塊和C3 模塊構(gòu)成，負(fù)責(zé)從輸入圖像中提取特征。作用是逐漸降低圖像分辨率，同時增加特征圖的深度，以在不同層次上捕獲圖像的語義信息。這些特征圖將被傳遞給后續(xù)Neck 和Head。在YOLOv5中，Neck 部分采用了PANet（Path AggregationNetwork）結(jié)構(gòu)，該結(jié)構(gòu)通過橫向連接和信息傳遞來實(shí)現(xiàn)多尺度特征融合，從而實(shí)現(xiàn)不同層的特征圖進(jìn)行上下文信息融合。有助于提高模型對不同尺寸目標(biāo)的檢測能力。Head 通過1×1 的卷積進(jìn)行通道數(shù)的調(diào)整，從而完成目標(biāo)分類和目標(biāo)位置回歸。

2 改進(jìn)YOLOv5s

針對無人機(jī)視角下的小目標(biāo)檢測存在的難點(diǎn)，考慮到檢測精度以及檢測速度，對YOLOV5s算法進(jìn)行改進(jìn)。首先，改進(jìn)K-means 聚類算法，使生成的錨框更加適合小目標(biāo)，同時為了保留更多的小目標(biāo)特征信息，設(shè)置輸入網(wǎng)絡(luò)的圖片尺寸為960×960，并且把個別檢測頭更改為適合小目標(biāo)的檢測頭。其次，使用自適應(yīng)的上下文特征融合模塊，使網(wǎng)絡(luò)自適應(yīng)自融合的整合上下文信息，幫助模型進(jìn)行檢測。最后，對檢測頭解耦為兩個分支，使兩個分支分別做目標(biāo)分類和邊界框回歸，提高目標(biāo)分類準(zhǔn)確率和邊界框回歸的精度，從而增強(qiáng)網(wǎng)絡(luò)對小目標(biāo)的捕獲能力。本文的總體架構(gòu)如圖1所示。

2.1 改進(jìn)K-Means聚類算法

YOLOv5s 是一種基于先驗(yàn)框的單階段檢測算法，如果網(wǎng)絡(luò)一開始選擇了合適的先驗(yàn)框，那么神經(jīng)網(wǎng)絡(luò)更容易去學(xué)習(xí)特征，得到較好的檢測模型。K-Means 是一種經(jīng)典且有效的聚類方法，通過計算樣本之間的相似程度將較近的樣本聚為同一簇。在使用K-Means 聚類生成anchors時，如何衡量兩個樣本之間的相似性對聚類效果相當(dāng)重要。YOLOv5s 采用K-Means 聚類算法加上遺傳算法，使用歐式距離作為衡量樣本之間的相似性。首先，該算法隨機(jī)生成K個點(diǎn)作為初始聚類中心，將每個數(shù)據(jù)點(diǎn)分配到最近的聚類中心。然后，根據(jù)數(shù)據(jù)點(diǎn)重新計算聚類中心的位置。最后，重復(fù)上述步驟直至收斂。但是使用歐式距離衡量樣本之間的相似性對離群值敏感，可能會導(dǎo)致一些離群值對聚類結(jié)果產(chǎn)生較大影響。對于尺度差異較大的邊界框，因?yàn)槌叨容^小的樣本框在歐式距離計算中受到較大的懲罰。可能會導(dǎo)致對小目標(biāo)的樣本框聚類效果不佳。

IOU（boxes， anchors）［18，19］是目標(biāo)檢測中常用的評價指標(biāo)，它度量了兩個邊界框的重疊程度，所以本文采用IOU作為衡量樣本的相似性。IOU相對于絕對坐標(biāo)更加具有魯棒性，有助于克服使用歐式距離時可能出現(xiàn)的尺度差異問題，能夠更好地抵抗尺度變換。使用IOU 作為距離度量也可以更好地考慮目標(biāo)框之間的重疊情況，這對于物體檢測任務(wù)中存在物體重疊的情況非常重要。盡管GIOU、DIOU等一系列IOU變形考慮了邊界框形狀和中心距離，可能在某些情況下優(yōu)于IOU。考慮到其計算效率和計算復(fù)雜度，本文選擇IOU作為改進(jìn)K-Means聚類算法的距離度量標(biāo)準(zhǔn)。

算法具體實(shí)現(xiàn)：（1）在所有的boxes 中隨機(jī)挑選K個boxes作為簇中心。（2）計算每個boxes離這K個boxes 的距離（1-IOU）。（3）把每個boxes 分配到離K個簇中心中距離最小的那個簇。（4）根據(jù)每個簇中的boxes重新計算簇中心。（5）重復(fù)（3）、（4）直到每個簇中的元素不再發(fā)生變化。

2.2 自適應(yīng)特征融合模塊

無人機(jī)拍攝的圖像由于覆蓋面積大，包含地理元素，所以圖像背景復(fù)雜，目標(biāo)尺度較小。所以在網(wǎng)絡(luò)模型中引入注意力機(jī)制是一種常見的方法，可以幫助模型更加集中地關(guān)注圖像中的重要區(qū)域，從而提高檢測性能。注意力機(jī)制通過對不同空間位置或通道的信息賦予不同的權(quán)重，使網(wǎng)絡(luò)能夠更自適應(yīng)的關(guān)注與任務(wù)相關(guān)的區(qū)域特征。通道注意力機(jī)制更加關(guān)注對當(dāng)前任務(wù)有用的通道，有助于網(wǎng)絡(luò)更好地理解通道之間的關(guān)系。空間注意力機(jī)制能夠更集中地關(guān)注對當(dāng)前任務(wù)有用的區(qū)域，有助于模型更好地理解圖像的空間結(jié)構(gòu)。

同時使用這兩種注意力機(jī)制，能更全面地捕獲圖像特征，能達(dá)到更好的效果，但無疑也增大了計算量。而Shuffle Attention［20］結(jié)合了這兩種注意力機(jī)制，使用多分支結(jié)構(gòu)，并且使用組卷積降低了計算量。Shuffle Attention 使得網(wǎng)絡(luò)自適應(yīng)的整合了局部特征及其全局依賴關(guān)系。其結(jié)構(gòu)圖如圖2 所示，首先將輸入的特征圖劃分為g個組，把每個組中的特征圖沿通道維度分為兩個分支，一個分支使用通道注意力機(jī)制，另一個分支使用空間注意力機(jī)制。然后把兩個分支進(jìn)行拼接，將組內(nèi)的信息進(jìn)行融合。最后使用Channel Shuffle 操作對特征組進(jìn)行重排，從而使組間信息沿通道維度流動。

C2F 模塊是在C3 模塊基礎(chǔ)上改進(jìn)的，上層特征圖經(jīng)過一個卷積后，在通道維度上分為兩個分支，一個分支經(jīng)過n 個Bottleneck block 所得到的輸出直接與另一個分支進(jìn)行拼接。其結(jié)構(gòu)圖如圖3 所示。在C2F 模塊中的Bottlenck 中加入Shuffle Attention 注意力機(jī)制把C2F 重構(gòu)為AR_C2F 模塊，如圖4 所示。這樣不僅能提供更豐富的梯度信息還能保證模型更加輕量化，同時還能使得模型自適應(yīng)的整合了局部特征及其全局依賴關(guān)系，從而有助于提高模型的查全率以及準(zhǔn)確率。

2.3 更換檢測頭

由于無人機(jī)視角下的目標(biāo)大多數(shù)是小目標(biāo)，所以本文更換檢測頭（Change detection head），使得訓(xùn)練出的模型更加適合小目標(biāo)檢測。

更大的特征圖通常也意味著減少了對圖像的下采樣次數(shù)，有助于保留更多的細(xì)節(jié)信息，這樣模型能更好地捕獲目標(biāo)的細(xì)節(jié)信息，這對于小目標(biāo)而言尤其重要，因?yàn)樾∧繕?biāo)的細(xì)節(jié)信息可能決定了它們的類別和位置。在更大的特征圖上進(jìn)行位置回歸，尤其是在目標(biāo)尺寸較小時，模型更有可能準(zhǔn)確定位目標(biāo)的邊界框，這樣有助于提高目標(biāo)檢測的準(zhǔn)確性。采用更大的特征圖也可以降低誤檢率，降低將背景誤認(rèn)為目標(biāo)的可能性。而且在密集場景中，目標(biāo)可能相互靠近，更大的特征圖也能使模型更容易分辨和定位這些密集的小目標(biāo)，提升了模型的魯棒性。

2.4 混合解耦檢測頭

YOLOv5 的檢測頭原本是一個耦合頭，借助一個1×1 的卷積調(diào)整通道數(shù)，目標(biāo)分類和位置回歸兩個任務(wù)耦合在一起進(jìn)行。但是在目標(biāo)檢測任務(wù)中，分類和回歸任務(wù)的難度是不盡相同的，分類任務(wù)常常會受到類別不均衡或者某些類別難以區(qū)分的樣本的影響，耦合頭這種設(shè)計可能會導(dǎo)致兩個任務(wù)互相干擾。耦合頭難以區(qū)分分類和回歸任務(wù)的優(yōu)先級，在一些情況下，對于某些目標(biāo)，可能位置回歸更為重要，而在其他情況下，目標(biāo)分類可能更為重要。

本文對檢測頭進(jìn)行解耦處理，其結(jié)構(gòu)如圖5所示。使用解耦頭（Decoupled detection head）后，解耦為兩個分支，使其分類和回歸任務(wù)的學(xué)習(xí)過程相互獨(dú)立，模型在學(xué)習(xí)不同任務(wù)時更加靈活，兩個任務(wù)之間不會相互干擾，可以提高模型的泛化能力。解耦頭也有助于模型更好地適應(yīng)不同尺度的目標(biāo)，特別在涉及小目標(biāo)場景中，由于回歸任務(wù)得到獨(dú)立的學(xué)習(xí)，可以期望在目標(biāo)定位上取得更加準(zhǔn)確的效果。而且不同的應(yīng)用場景可能對分類和回歸任務(wù)的需求不同，解耦頭允許模型在這兩個任務(wù)上進(jìn)行有差異性的學(xué)習(xí)，從而更加適應(yīng)不同的需求。

算法具體實(shí)現(xiàn)：（1）使用1×1的卷積調(diào)整通道數(shù)。（2）將輸入特征復(fù)制兩份，各自經(jīng)過3×3 的卷積。（3）一個分支通過1×1的卷積把通道調(diào)整為類別數(shù)，本文為10 類別。（4）另一個分支通過1×1 的卷積，然后把該層特征復(fù)制成兩份，其中一個分支通過1×1的卷積把通道調(diào)整為4，用于確定目標(biāo)的坐標(biāo)以及寬高。另一個分支通過1×1的卷積把通道調(diào)整為1，從而確定目標(biāo)的置信度。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

本文使用天津大學(xué)AISKYEYE團(tuán)隊(duì)采集并制作的VisDrone2019 數(shù)據(jù)集［21］，該數(shù)據(jù)集主要用于評估和推動無人機(jī)視覺任務(wù)中的目標(biāo)檢測和跟蹤算法的發(fā)展。數(shù)據(jù)集是在不同場景、不同天氣和不同光照條件下使用不同型號的無人機(jī)收集的，人工標(biāo)注了超過260 萬個真實(shí)框或感興趣的目標(biāo)點(diǎn)，主要包括了十個類別，分別是：行人（pedestrian）、人（people）、自行車（bicycle）、轎車（car）、貨車（van）、卡車（truck）、三輪車（tricycle）、遮陽篷三輪車（awning-tricycle）、公共汽車（bus）、摩托車（motor）。該數(shù)據(jù)集也已經(jīng)分別劃分好了訓(xùn)練集、驗(yàn)證集、測試集。數(shù)據(jù)集相關(guān)信息如圖6 所示。可以看出數(shù)據(jù)集中的類別分布極其不平衡，某些樣本數(shù)量遠(yuǎn)遠(yuǎn)多于其他類別，就引入了一定的數(shù)據(jù)偏斜問題，影響了模型在其他類別上的性能。

查看數(shù)據(jù)集，如圖7 所示。無人機(jī)視角下的圖像通常包含復(fù)雜的場景、具有大量小目標(biāo)，這使得區(qū)分目標(biāo)與背景變得復(fù)雜。由于無人機(jī)在飛行過程中的不同高度和視角，圖像中的目標(biāo)會出現(xiàn)大幅度的尺度變換，特別是小目標(biāo)。由于拍攝過程中，受到陰影或者強(qiáng)光的影響，造成圖片模糊或者失真。以上因素都造成了該數(shù)據(jù)集在目標(biāo)檢測和識別任務(wù)中面臨著一些挑戰(zhàn)和困難。

實(shí)驗(yàn)過程中采用的windows 電腦配置如下：Intel（R）i5-12400F 的CPU，32G 內(nèi)存，NVIDIAGeForce GTX 3060 12G 的圖像處理器。Python版本3.7.16，Pytorch 版本為1.11.0。訓(xùn)練輪次（epoch）初始為200，批處理大小為8，采用SGD梯度下降優(yōu)化器。數(shù)據(jù)增強(qiáng)參數(shù)如表1 所示，表中未提及參數(shù)都默認(rèn)為0，這些數(shù)據(jù)增強(qiáng)方法通過隨機(jī)地應(yīng)用圖像變換，有效地擴(kuò)展了訓(xùn)練數(shù)據(jù)集的多樣性，從而提高了模型對于實(shí)際應(yīng)用場景的適應(yīng)性和魯棒性。

3.2 評價指標(biāo)

為了驗(yàn)證模型性能，本文選用精確率（Precision， P）、召回率（Recall， R）、平均精度均值（mean average precision， mAP）和檢測速度FPS來評估模型的檢測性能。

3.3 消融實(shí)驗(yàn)

為了驗(yàn)證本文設(shè)計的改進(jìn)K-Means 聚類算法、自適應(yīng)特征融合模塊（AR_C2F）、更換檢測頭（CDH）、解耦檢測頭（DDH）的有效性。本文在YOLOv5s 原模型的基礎(chǔ)上進(jìn)行改進(jìn)，對于以上改進(jìn)部分進(jìn)行消融實(shí)驗(yàn)。在VisDrone2019-DET-test-dev 數(shù)據(jù)集上進(jìn)行測試，采用mAP50 和FPS作為評價參數(shù)。

從表2 可以看出，在原有的模型上分別改進(jìn)四個模塊后，mAP50 分別提升了2%、2.3%、4.4%、3.9%。可以看出，這四個模塊分別對小目標(biāo)檢測任務(wù)都有一定的提升作用。實(shí)驗(yàn)E，當(dāng)同時使用改進(jìn)K-Means、AR_C2F、CDH等模塊時，可以看到在該測試集上，mAP50 達(dá)到了39%，提升了4.8%。實(shí)驗(yàn)F，當(dāng)同時使用改進(jìn)K-Means 聚類、CDH、DDH等模塊時，在該測試集上，mAP50達(dá)到了39%，提升了4.8%。最后在實(shí)驗(yàn)G上，當(dāng)四個模塊進(jìn)行耦合時，可以看到與未改進(jìn)的YOLOv5s 相比，mAP50 達(dá)到了40%，提升了5.8%。

3.4 檢測頭消融實(shí)驗(yàn)

為了驗(yàn)證選取的檢測頭是否有效，如表3 所示，可以看出使用P2+P3+P4 檢測層后，mAP50為0.386，并且參數(shù)量最低。證明更換后的檢測頭，保留了更多小目標(biāo)的特征信息，降低了小目標(biāo)的漏檢和誤檢。同時減少了網(wǎng)絡(luò)的冗余，減少了參數(shù)量。加快了網(wǎng)絡(luò)的收斂速度。

3.5 AR_C2F殘差消融實(shí)驗(yàn)

在AR_C2F 中，Bottlenck 有兩種結(jié)構(gòu)，即一種是帶殘差連接的，一種是不帶殘差連接的。經(jīng)過一系列實(shí)驗(yàn)，研究Bottlenck 模塊中的殘差連接對目標(biāo)檢測性能的影響，并探究其對性能的貢獻(xiàn)。結(jié)果如表4 所示。實(shí)驗(yàn)結(jié)果表明，在殘差連接下，模型的性能達(dá)到最佳水平，移除殘差連接導(dǎo)致了精度的下降，特別是在小目標(biāo)檢測方面。所以采用帶殘差的模塊構(gòu)建最終模型。

3.6 對比實(shí)驗(yàn)

通過進(jìn)行大量實(shí)驗(yàn)對比了改進(jìn)后的算法與其他主流算法在VisDrone2019-DET-test-dev 數(shù)據(jù)集的表現(xiàn)效果，以驗(yàn)證改進(jìn)方法的有效性。對比結(jié)果如表5所示。

從表5 可以看出，本文方法與雙階段算法相比，如Faster-RCNN，本文mAP50 高出6.8%。而對比專注于小目標(biāo)算法的TPH-YOLOv5 算法，由于引入了Transformer 預(yù)測頭，導(dǎo)致計算量較大，所以推理速度較慢，本文方法在精度上與之差別甚微，但是速度上相比卻更有優(yōu)勢。對比YOLOV4、V7 以及其他所提到的YOLO 系列變形，本文方法的精度更高。可以看出本文方法在小目標(biāo)檢測任務(wù)上有一定優(yōu)勢，可以提高小目標(biāo)檢測精度。

3.7 可視化分析

為了確認(rèn)本文改進(jìn)方法是否有效，本文選擇了小目標(biāo)、多目標(biāo)密集場景下的圖像進(jìn)行可視化。對TP、FP、FN 指標(biāo)分別使用綠色、藍(lán)色、紅色進(jìn)行可視化。TP 代表了正確檢測的樣本，F(xiàn)P表示誤檢的樣本，F(xiàn)N表示漏檢的樣本。

圖8（a）為小目標(biāo)場景下的對比效果，其中第一行的圖片為YOLOv5s 下的預(yù)測結(jié)果，第二行為使用本文方法預(yù)測的結(jié)果，第三行為原始的標(biāo)注圖片。從圖上可以看出在小目標(biāo)場景下，使用本文方法更能準(zhǔn)確識別小目標(biāo)。

圖8（b）為多目標(biāo)密集場景下的對比效果，從圖上可以看出在多目標(biāo)密集且存在遮擋現(xiàn)象時，本文方法更能區(qū)分目標(biāo)種類，也能降低漏檢的概率。

圖9 展示的是YOLOv5s 和本文算法的預(yù)測框中心點(diǎn)的熱力圖，左邊圖片是本文方法可視化結(jié)果，右邊是YOLOv5s 算法可視化結(jié)果，可以看出本文提出的自適應(yīng)特征融合模塊使感知區(qū)域更為準(zhǔn)確。

圖10 展示的是在原始YOLOv5s 模型（左）和本文改進(jìn)算法（右）在測試數(shù)據(jù)集上進(jìn)行推理得出的P-R 曲線，可以看出改進(jìn)算法在各個類別上的平衡點(diǎn)比原始YOLOv5s 模型都更接近右上角，改進(jìn)算法得到的模型較原始模型更能降低漏檢率，提高檢測準(zhǔn)確率。說明本文改進(jìn)算法對小目標(biāo)的檢測精度具有較大提升并且同時能夠降低漏檢率。

4 結(jié)束語

本文在YOLOv5s 算法基礎(chǔ)上進(jìn)行改進(jìn)。提出了一種基于自適應(yīng)特征融合的無人機(jī)小目標(biāo)檢測算法。該算法采用IOU 作為K-Means 聚類算法中的距離度量生成先驗(yàn)框；接著重構(gòu)C2F模塊替換原有的C3 模塊，以提高網(wǎng)絡(luò)的自適應(yīng)特征融合的能力；最后更換并解耦適合小目標(biāo)檢測的檢測頭，這使得更多的小目標(biāo)能夠被檢測到。同時允許分類和回歸任務(wù)獨(dú)立進(jìn)行互不干擾，從而提升了檢測精度；經(jīng)過一系列實(shí)驗(yàn)證明，本文方法在無人機(jī)視角下的小目標(biāo)檢測具有較好的檢測效果。能夠有效的完成密集小目標(biāo)的檢測任務(wù)，該算法也可以遷移到很多農(nóng)業(yè)場景，如精準(zhǔn)農(nóng)業(yè)管理、早期病蟲害檢測、水稻田和果園管理。但后期工作需要對模型進(jìn)行優(yōu)化，可以采用一系列剪枝算法、蒸餾算法對模型進(jìn)行壓縮，提高其推理速度，使模型能夠在無人機(jī)上實(shí)際部署應(yīng)用。

參考文獻(xiàn)

[1] Gall J， Yao A， Razavi N， et al. Hough forests for

object detection， tracking， and action recognition[J].

IEEE transactions on pattern analysis and machine

intelligence， 2011， 33（11）： 2188-2202.

[2] Viola P， Jones M. Rapid object detection using a

boosted cascade of simple features[C]//Proceedings

of the 2001 IEEE computer society conference on

computer vision and pattern recognition. CVPR

2001. Ieee， 2001，1：I-I.

[3] Banharnsakun A， Tanathong S. Object detection

based on template matching through use of best-so-far

ABC[J]. Computational intelligence and neuroscience，

2014， 2014：919406.

[4] Girshick R， Donahue J， Darrell T， et al. Rich feature

hierarchies for accurate object detection and

semantic segmentation[C]//Proceedings of the IEEE

conference on computer vision and pattern

recognition. 2014： 580-587.

[5] Ren S， He K， Girshick R， et al. Faster r-cnn： Towards

real-time object detection with region proposal

networks[J]. Advances in neural information

processing systems， 2015， 28.

[6] Redmon J， Divvala S， Girshick R， et al. You only

look once： Unified， real-time object detection[C]//

Proceedings of the IEEE conference on computer

vision and pattern recognition. 2016：779-788.

[7] Redmon J， Farhadi A. Yolov3： An incremental

improvement[J]. arXiv preprint arXiv：1804.02767， 2018.

[8] Bochkovskiy A， Wang CY， Liao HYM. Yolov4：

Optimal speed and accuracy of object detection[J].

arXiv preprint arXiv：2004.10934， 2020.

[9] Wang CY， Bochkovskiy A， Liao HYM. YOLOv7：

Trainable bag-of-freebies sets new state-of-the-art

for real-time object detectors[C]//Proceedings of the

IEEE/CVF Conference on Computer Vision and

Pattern Recognition. 2023：7464-7475.

[10] Lyu Z， Jin H， Zhen T， et al. Small object recognition

algorithm of grain pests based on ssd feature fusion[J].

IEEE Access， 2021， 9： 43202-43213.

[11] Lin TY， Goyal P， Girshick R， et al. Focal loss for

dense object detection[C]//Proceedings of the IEEE

international conference on computer vision. 2017：

2980-2988.

[12] 周華平，郭 偉. 改進(jìn)YOLOv5 網(wǎng)絡(luò)在遙感圖像目標(biāo)

檢測中的 應(yīng)用[J]. 遙感信息，2022，37（5）：23-30.

[13] 齊向明，柴 蕊，高一萌. 重構(gòu)SPPCSPC 與優(yōu)化下采

樣的小目標(biāo)檢測算法[J]. 計算機(jī)工程與應(yīng)用，2023，

59（20）：158-166.

[14] Zhu X， Lyu S， Wang X， et al. TPH-YOLOv5： Improved

YOLOv5 based on transformer prediction head for

object detection on drone-captured scenarios[C]//

Proceedings of the IEEE/CVF international conference

on computer vision. 2021：2778-2788.

[15] 劉 濤，高一萌，柴 蕊，等. 改進(jìn)YOLOv5 的無人機(jī)視

角下小目標(biāo)檢測算法[J/OL]. 計算機(jī)工程與應(yīng)用：1-

16[2024-01-11].

[16] 徐 堅，謝正光，李洪均. 特征平衡的無人機(jī)航拍圖像

目標(biāo)檢測算法[J]. 計算機(jī)工程與應(yīng)用，2023，59（06）：

196-203.

[17] Howard AG， Zhu M， Chen B， et al. Mobilenets：

Efficient convolutional neural networks for mobile

vision applications[J]. arXiv preprint arXiv：

1704.04861， 2017.

[18] Zheng Z， Wang P， Liu W， et al. Distance-IoU loss：

Faster and better learning for bounding box

regression[C]//Proceedings of the AAAI conference

on artificial intelligence. 2020， 34（07）：12993-13000.

[19] Rezatofighi H， Tsoi N， Gwak JY， et al. Generalized

intersection over union： A metric and a loss for

bounding box regression[C]//Proceedings of the

IEEE/CVF conference on computer vision and

pattern recognition. 2019：658-666.

[20] Zhang QL， Yang YB. Sa-net： Shuffle attention for

deep convolutional neural networks[C]//ICASSP

2021-2021 IEEE International Conference on

Acoustics， Speech and Signal Processing （ICASSP）.

IEEE， 2021：2235-2239.

[21] 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/OL]. 計算機(jī)工程

與應(yīng)用，1-8[2024-03-06].