改進的檢測算法：用于高分辨率光學遙感圖像目標檢測

前景概要

目前，難以在檢測效率和檢測效果之間獲得適當?shù)钠胶狻Ｎ覀兙脱芯砍隽艘环N用于高分辨率光學遙感圖像中目標檢測的增強YOLOv5算法，利用多層特征金字塔、多檢測頭策略和混合注意力模塊來提高光學遙感圖像的目標檢測網(wǎng)絡的效果。根據(jù)SIMD數(shù)據(jù)集，新算法的mAP比YOLOv5好2.2%，比YOLOX好8.48%，在檢測效果和速度之間實現(xiàn)了更好的平衡。

背景&動機

隨著遙感技術的快速發(fā)展，高分辨率光學遙感圖像已被用于描述地球表面的許多物體，包括飛機、汽車、建筑物等。目標檢測在遙感圖像的解釋中起著至關重要的作用，可用于遙感圖像的分割、描述和目標跟蹤。然而，由于其相對較大的視場和高海拔的必要性，航空光學遙感圖像表現(xiàn)出尺度、視點特異性、隨機定向和高背景復雜性的多樣性，而大多數(shù)傳統(tǒng)數(shù)據(jù)集包含地面視圖。因此，用于構建人工特征的對象檢測技術傳統(tǒng)上在精度和速度方面具有較差的記錄?；诰矸e神經(jīng)網(wǎng)絡的目標檢測算法明顯比傳統(tǒng)的目標檢測方法更高效。由于社會的需要和深度學習發(fā)展的支持，在光學遙感圖像中使用神經(jīng)網(wǎng)絡進行目標檢測是必要的。

目前結合深度學習分析光學遙感照片的目標檢測算法可以分為有監(jiān)督、監(jiān)督不力或無監(jiān)督。然而，由于無監(jiān)督和弱監(jiān)督算法的復雜性和不穩(wěn)定性，監(jiān)督算法是最常用的算法。此外，監(jiān)督目標檢測算法可以分為單階段或兩階段?；陲w機通常位于機場，船舶通常位于港口和海洋的假設，在下采樣衛(wèi)星圖像中檢測機場和港口，然后將發(fā)現(xiàn)的項目映射回原始的超高分辨率衛(wèi)星圖像，可以成功地同時檢測不同大小的物體。有研究者提出了一種基于RCNN的旋轉目標檢測方法，通過解決目標方向的隨機化問題，提高遙感圖像中目標檢測的準確性。

新算法研究

目前的大多數(shù)YOLO系列檢測頭都是基于FPN和PAFPN的輸出特性，其中基于FPN的網(wǎng)絡，如YOLOv3及其變體如下圖a所示，它們直接利用單向融合特性進行輸出，YOLOv4和YOLOv5的基于PAFPN算法在此基礎上增加了一個低電平到高電平的信道，它直接向上傳輸?shù)图壭畔ⅲㄏ聢Db）。

如上圖c所示，類似地，在一些研究中，TPH-YOLOv5模型中的特定檢測任務添加了一個檢測頭。在上圖b，c中，只有PAFPN功能用于輸出，而FPN功能未得到充分利用。因此，YOLOv7將三個輔助磁頭連接到FPN輸出，如上圖d所示，盡管輔助磁頭僅用于“粗略選擇”，并且重量較低。SSD的檢測頭是為了改善YOLO網(wǎng)絡對錨集過于粗糙的設計而提出的，如上圖e所示，設計概念主要由多個尺度上具有多個縱橫比的密集錨設計組成。受圖c–e的啟發(fā)，我們研究并提出了一種用于YOLO檢測頭的多檢測頭策略，如圖f所示，該策略可以同時利用PANet和FPN的特征信息。此外，在64倍下采樣處直接添加了輸出頭，這使得網(wǎng)絡包含先前的全局信息。

多檢測頭方法可以有效地利用網(wǎng)絡的輸出特征。改進的YOLO是一個用于高分辨率遙感照片的目標探測網(wǎng)絡。如下圖所示：

主干網(wǎng)的基本結構是以C3和卷積模塊為核心的CSP密集網(wǎng)。在數(shù)據(jù)增強之后，圖像被饋送到網(wǎng)絡中，并且在核大小6的Conv模塊進行信道混合之后，許多卷積模塊檢索特征。在名為SPPF的特征增強模塊之后，他們連接到Neck的PANet。為了提高網(wǎng)絡的檢測能力，進行了雙向特征融合。Conv2d用于獨立縮放融合的特征層，以生成多層輸出。如下圖a所示，NMS算法將所有單層檢測器的輸出組合在一起，生成最終的檢測幀。

下圖b描述了改進的YOLO網(wǎng)絡每個模塊的結構組成。

Conv包括2D卷積層、BN層批量歸一化和Silu激活函數(shù)，C3包括兩個2D卷積層和一個瓶頸層，Upsample是上采樣層。SPPF模塊是SPP模塊的加速版本，MAB模塊如上面提及的所示，其中ECA如左下角所示。在沒有降維的信道級全局平均池化之后，考慮到每個信道與其k個鄰居的關系，使用大小為k的快速1D卷積來捕獲局部跨信道交互信息，從而有效地執(zhí)行ECA。上述兩個變換沿著兩個空間方向收集特征，以產(chǎn)生一對方向感知特征圖，然后將其連接起來，并使用卷積和Sigmoid函數(shù)進行修改，以提供注意力輸出。

實驗及可視化

SIMD數(shù)據(jù)集是一個多類別、開源、高分辨率遙感對象檢測數(shù)據(jù)集，共包含15個類別，如圖4所示。此外，SIMD數(shù)據(jù)集更多地分布在中小型目標（w<0.4，h<0.4）中，并且我們提出的改進YOLO用于檢測該區(qū)域的檢測頭是普通YOLO算法使用的檢測頭數(shù)量的兩倍，因此改進的YOLO在該數(shù)據(jù)集上具有更大的優(yōu)勢。

可以將SPPF模塊的輸出連接到輸出頭，從而識別圖像中的大目標。然而，SPPF模塊的輸出具有多個連接，并且涉及多個尺度的目標，因此直接將其用于探測頭來識別大型物體將導致較差的模型表示，如上圖所示，顯示了添加MAB模塊前后一些檢測結果熱圖的視覺比較。在添加MAB模塊后，該檢測頭專注于檢測大目標，而將小目標的預測分配給其他預測頭，提高了模型的表達效果，也更符合YOLO算法中基于目標大小劃分檢測頭的要求。

一些檢測結果如上圖所示。從各個檢測結果來看，與其他算法沒有太大差異，但與其他算法相比，我們研究的算法在保證時間消耗不顯著增加的同時，提高了模型的檢測效果，并利用注意力機制增強了模型的表達效果。