許悅雷，朱明明，馬時(shí)平，唐 紅，馬紅強(qiáng)

(1. 空軍工程大學(xué) 航空工程學(xué)院，陜西 西安 710038；2. 西北工業(yè)大學(xué) 無(wú)人系統(tǒng)技術(shù)研究院，陜西 西安 710072)

高分辨率遙感圖像的廣泛獲取和使用[1]大大促進(jìn)了機(jī)場(chǎng)檢測(cè)的發(fā)展．然而，由于機(jī)場(chǎng)所處背景復(fù)雜、形狀和規(guī)模不盡相同等特點(diǎn)，機(jī)場(chǎng)檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性也面臨著重大的挑戰(zhàn)．傳統(tǒng)機(jī)場(chǎng)檢測(cè)方法可以分為兩類(lèi):基于邊緣直線特征[2]和基于區(qū)域分割[3]．前者速度快，復(fù)雜度低，但易受干擾．后者檢測(cè)性能有所提升，但存在滑動(dòng)窗口冗余的問(wèn)題．近年來(lái)，深度學(xué)習(xí)的興起為機(jī)場(chǎng)檢測(cè)提供了新的思路: 利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network， CNN)來(lái)識(shí)別機(jī)場(chǎng)以及跑道區(qū)域[4-5]．上述方法都只是利用CNN強(qiáng)大的分類(lèi)識(shí)別能力，機(jī)場(chǎng)候選框的獲取還是基于邊緣或區(qū)域分割的手工方法，因此，傳統(tǒng)方法的局限性依舊存在．

2014年，文獻(xiàn)[6]提出區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Region-based Convolutional Neural Networks， R-CNN)框架，使得目標(biāo)檢測(cè)取得巨大突破，開(kāi)啟了基于深度學(xué)習(xí)的目標(biāo)檢測(cè)熱潮．為進(jìn)一步提升R-CNN的準(zhǔn)確率和速度，文獻(xiàn)[7]提出了R-CNN的繼承者Fast R-CNN．Faster R-CNN[8]采用區(qū)域建議網(wǎng)絡(luò)(Region Proposal Networks， RPN)替代選擇性搜索(Selective Search， SS)算法[6]作為區(qū)域建議方法，同時(shí)使RPN和后續(xù)檢測(cè)網(wǎng)絡(luò)共享卷積層，大幅提升了算法的速度．深度學(xué)習(xí)模型的訓(xùn)練往往需要大量的樣本數(shù)據(jù)，而機(jī)場(chǎng)遙感圖像的數(shù)量十分有限，不足以訓(xùn)練網(wǎng)絡(luò)模型．然而，遷移學(xué)習(xí)理論[9]在目標(biāo)識(shí)別和檢測(cè)任務(wù)中的大量成功應(yīng)用，為解決機(jī)場(chǎng)數(shù)據(jù)不足問(wèn)題指明了方向．

由于人工特征表征能力不足、魯棒性差和滑動(dòng)窗口冗余等問(wèn)題，現(xiàn)有機(jī)場(chǎng)檢測(cè)方法普遍檢測(cè)率較低、虛警率較高和時(shí)間較長(zhǎng)．針對(duì)以上存在的問(wèn)題，決定拋棄以往滑動(dòng)窗口加手工提取特征的傳統(tǒng)方式，引入目前十分流行的深度學(xué)習(xí)算法．文中以Faster R-CNN作為基本架構(gòu)，使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，利用RPN生成候選區(qū)域，整個(gè)框架具有端到端的特點(diǎn)．利用預(yù)訓(xùn)練模型在機(jī)場(chǎng)圖像上遷移學(xué)習(xí)，同時(shí)，利用難分樣本挖掘使模型訓(xùn)練更加高效，最終實(shí)現(xiàn)機(jī)場(chǎng)的快速、準(zhǔn)確檢測(cè)．

1 機(jī)場(chǎng)檢測(cè)方法

1.1 區(qū)域卷積神經(jīng)網(wǎng)絡(luò)

區(qū)域卷積神經(jīng)網(wǎng)絡(luò)Faster R-CNN的整體結(jié)構(gòu)如圖1所示，以一幅圖像作為輸入，以目標(biāo)類(lèi)別的預(yù)測(cè)概率值和目標(biāo)檢測(cè)框作為輸出．主要由區(qū)域建議網(wǎng)絡(luò)(RPN)和包含感興趣區(qū)域(Region of Interest， RoI)池化層、全連接層和分類(lèi)與回歸層的檢測(cè)網(wǎng)絡(luò)組成．由于兩個(gè)網(wǎng)絡(luò)共享卷積層，將目標(biāo)檢測(cè)統(tǒng)一到一個(gè)深度網(wǎng)絡(luò)框架之內(nèi)，因此，整個(gè)網(wǎng)絡(luò)框架具有端到端的特點(diǎn)．

圖1 Faster R-CNN示意圖

圖2 RPN示意圖

1.1.1 區(qū)域建議網(wǎng)絡(luò)

RPN采用一個(gè)大小為3×3的滑動(dòng)窗口在特征圖上卷積運(yùn)算，每個(gè)滑動(dòng)窗口映射到一個(gè)低維向量，如圖2所示．經(jīng)過(guò) 1×1 的卷積核卷積運(yùn)算后輸入到分類(lèi)層和回歸層，同時(shí)進(jìn)行目標(biāo)分類(lèi)和候選框的定位回歸．特別指出的是，這里的分類(lèi)只是判斷目標(biāo)的有無(wú)，并不是具體的類(lèi)別，而定位回歸是指候選框的平移縮放參數(shù)．

為適應(yīng)多尺度目標(biāo)，對(duì)于卷積特征圖上的每個(gè)位置，考慮多個(gè)尺寸大小和長(zhǎng)寬比的候選框．將候選框的參數(shù)化表示稱(chēng)為一個(gè)錨(anchor)，每個(gè)錨對(duì)應(yīng)一組尺寸大小和長(zhǎng)寬比．對(duì)于每個(gè)滑動(dòng)窗口，一般考慮3種尺寸大小 (128× 128，256× 256，512× 512(pixels)) 和3種長(zhǎng)寬比(1∶1，1∶2，2∶1)，即9類(lèi)錨，以應(yīng)對(duì)圖像中的多尺度目標(biāo)．

為了訓(xùn)練RPN，給每個(gè)錨分配一個(gè)二進(jìn)制標(biāo)簽．分配正標(biāo)簽(目標(biāo))給兩類(lèi)錨: 與某一個(gè)人工標(biāo)定框的交集并集之比(Intersection-over-Union，IoU)最高的錨;與任意人工標(biāo)定框的IoU大于0.7的錨．分配負(fù)標(biāo)簽(非目標(biāo))給與所有人工標(biāo)定框的IoU都小于0.3的錨．利用多任務(wù)損失原則[7]同時(shí)完成目標(biāo)分類(lèi)和候選框回歸兩個(gè)任務(wù)，則RPN損失函數(shù)定義如下:

1.1.2 非極大值抑制

RPN網(wǎng)絡(luò)生成的候選框中，會(huì)出現(xiàn)多個(gè)候選框包圍同一個(gè)目標(biāo)且大量重疊的情況．因此，文中根據(jù)候選框的目標(biāo)分類(lèi)得分，使用非極大值抑制(Non-Maximum Suppression， NMS)剔除得分較低的候選框，以減少冗余．NMS具體實(shí)現(xiàn)流程為:將同一個(gè)目標(biāo)的分類(lèi)得分從高到低排序;選取一類(lèi)目標(biāo)中得分最高的候選框，與此目標(biāo)的其他候選框遍歷計(jì)算IoU值，若IoU大于閾值，則剔除得分較低的候選框，否則，認(rèn)為存在多個(gè)同一目標(biāo);排除步驟中得分最高的候選框，從剩余候選框中再選取得分最高的，重復(fù)步驟;重復(fù)步驟直到遍歷完所有候選框．上述抑制過(guò)程實(shí)質(zhì)上就是一個(gè)迭代—遍歷—剔除的過(guò)程，可以設(shè)置IoU的閾值來(lái)大幅減少候選框的數(shù)量，并且不會(huì)影響機(jī)場(chǎng)的檢測(cè)準(zhǔn)確率．

1.1.3 RoI池化層

實(shí)際上，由同一幅圖像生成的數(shù)千個(gè)候選區(qū)域(候選框包圍區(qū)域)之間重疊率很高，致使特征提取的時(shí)間成本很高．由于候選區(qū)域特征圖與完整特征圖存在一定的映射關(guān)系，可以先對(duì)整幅圖像進(jìn)行特征提取，再?gòu)耐暾卣鲌D上直接映射出候選區(qū)域特征圖，無(wú)需重復(fù)提取特征，從而大大降低了模型的時(shí)間成本．借鑒空間金字塔采樣網(wǎng)絡(luò)(Spatial Pyramid Pooling Network， SPP-Net)[10]的思路，上述操作可以通過(guò)RoI池化層實(shí)現(xiàn)．為了共享候選區(qū)域的卷積運(yùn)算，采用小批量(mini-batch)抽樣訓(xùn)練．對(duì)于每個(gè)mini-batchB，N幅圖像的候選區(qū)域被抽樣．也就是說(shuō)，共有B/N候選區(qū)域來(lái)自同一幅圖像，此時(shí)來(lái)自同一幅圖像的候選區(qū)域卷積運(yùn)算共享．

圖3 遷移學(xué)習(xí)示意圖

1.2 遷移學(xué)習(xí)

針對(duì)不同的目標(biāo)任務(wù)，傳統(tǒng)的機(jī)器學(xué)習(xí)算法每次都要重新訓(xùn)練，而遷移學(xué)習(xí)可以學(xué)到多個(gè)任務(wù)的共同特征，并將其應(yīng)用到新的目標(biāo)任務(wù)中[9]．卷積神經(jīng)網(wǎng)絡(luò)中較低的卷積層學(xué)到的是諸如邊緣、顏色等低級(jí)語(yǔ)義特征，這些特征在機(jī)場(chǎng)圖像與普通自然圖像中是相同的，如圖3所示．而較高的卷積層提取更加復(fù)雜和抽象的特征，如形狀和其他組合性特征，不同任務(wù)中起決定性作用的是最后的卷積層和全連接層．因此，對(duì)于新的機(jī)場(chǎng)檢測(cè)任務(wù)，預(yù)訓(xùn)練模型中較低卷積層的參數(shù)保持不變或以較小的學(xué)習(xí)率進(jìn)行迭代，以保證之前學(xué)到的共同特征可以遷移到新的任務(wù)中．文中使用在大型識(shí)別數(shù)據(jù)庫(kù)ImageNe上的預(yù)訓(xùn)練網(wǎng)絡(luò)VGG16來(lái)初始化共享卷積層的權(quán)重參數(shù)，然后使用機(jī)場(chǎng)數(shù)據(jù)庫(kù)進(jìn)行微調(diào)訓(xùn)練．實(shí)驗(yàn)最終證明，利用VGG16的初始值進(jìn)行遷移學(xué)習(xí)的方法十分有效．為了使網(wǎng)絡(luò)模型與機(jī)場(chǎng)檢測(cè)任務(wù)相匹配，根據(jù)數(shù)據(jù)集中機(jī)場(chǎng)尺寸和形狀的特點(diǎn)以及實(shí)驗(yàn)驗(yàn)證，對(duì)錨的尺寸和長(zhǎng)寬比進(jìn)行如表1所示的設(shè)定．

表1 參數(shù)設(shè)置

1.3 難分樣本挖掘

樣本訓(xùn)練集總是包含絕大多數(shù)的簡(jiǎn)單樣本(Easy Example)和少數(shù)的復(fù)雜樣本(Hard Example)，簡(jiǎn)單樣本對(duì)于訓(xùn)練意義不大，而具有多樣性和高損失值特點(diǎn)的復(fù)雜樣本對(duì)分類(lèi)和檢測(cè)結(jié)果影響較大，充分利用復(fù)雜樣本能夠提高網(wǎng)絡(luò)對(duì)于目標(biāo)的判別能力．實(shí)際上，樣本數(shù)據(jù)的類(lèi)別不均衡問(wèn)題并不是一個(gè)全新的挑戰(zhàn)，數(shù)據(jù)自舉[11](Dataset Bootstrapping)的思想已被成功應(yīng)用到許多檢測(cè)任務(wù)的訓(xùn)練中，該思想也被稱(chēng)為難分樣本挖掘(Hard Example Mining)．甚至近來(lái)利用生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Nets)產(chǎn)生遮擋和變形樣本的A-Fast-RCNN目標(biāo)檢測(cè)模型[12]也可以被看成是一種樣本挖掘的方式．而對(duì)于數(shù)據(jù)量較少的機(jī)場(chǎng)來(lái)說(shuō)，樣本挖掘變得更加重要．因此，文中借鑒難分樣本挖掘的思想來(lái)使樣本訓(xùn)練更加高效．整體結(jié)構(gòu)如圖4所示．

圖4 文中方法的整體結(jié)構(gòu)

將原本的檢測(cè)網(wǎng)絡(luò)復(fù)制成兩個(gè)，分別用網(wǎng)絡(luò)A和網(wǎng)絡(luò)B表示，且彼此共享網(wǎng)絡(luò)參數(shù)．網(wǎng)絡(luò)A只有前向操作，而網(wǎng)絡(luò)B是一個(gè)標(biāo)準(zhǔn)的檢測(cè)網(wǎng)絡(luò)，包括前向和后向操作．首先，所有候選區(qū)域經(jīng)過(guò)RoI池化層生成對(duì)應(yīng)的特征圖，輸入到網(wǎng)絡(luò)A進(jìn)行前向傳遞，并計(jì)算損失值; 然后，難分樣本采樣模塊將所有候選區(qū)域的損失值進(jìn)行排序，并篩選出損失值較大的B/N個(gè)樣本; 最后，B/N個(gè)復(fù)雜樣本輸入到網(wǎng)絡(luò)B進(jìn)行正常的模型訓(xùn)練．網(wǎng)絡(luò)A的輸入為N幅圖像的所有候選區(qū)域P，并不是mini-batchB，而網(wǎng)絡(luò)B的批量輸入為B．文中設(shè)定N=2 (同時(shí)P≈ 4 000)，B= 128．

1.4 網(wǎng)絡(luò)訓(xùn)練

整個(gè)網(wǎng)絡(luò)采用開(kāi)源的深度學(xué)習(xí)Caffe框架，除共享的卷積層外，其余層的權(quán)重用均值為0、標(biāo)準(zhǔn)差為0.01的高斯分布隨機(jī)初始化．網(wǎng)絡(luò)的基本學(xué)習(xí)率為 0.000 1，動(dòng)量為0.9，權(quán)重衰減為 0.000 5．采用交替優(yōu)化策略訓(xùn)練整個(gè)網(wǎng)絡(luò)，以實(shí)現(xiàn)RPN和檢測(cè)網(wǎng)絡(luò)共享卷積層．具體如下:

(1) 用預(yù)訓(xùn)練網(wǎng)絡(luò)VGG16初始化共享卷積層的權(quán)重，端到端地微調(diào)RPN權(quán)重參數(shù)，最后輸出機(jī)場(chǎng)候選框集合．

(2) 同樣用VGG16網(wǎng)絡(luò)初始化檢測(cè)網(wǎng)絡(luò)的權(quán)重，利用第(1)步生成的機(jī)場(chǎng)候選框來(lái)訓(xùn)練檢測(cè)網(wǎng)絡(luò)，此時(shí)兩個(gè)網(wǎng)絡(luò)沒(méi)有共享卷積層．

(3) 用第(2)步得到的檢測(cè)網(wǎng)絡(luò)來(lái)訓(xùn)練RPN，固定共享卷積層權(quán)重，僅微調(diào)RPN獨(dú)有的層，訓(xùn)練結(jié)束后再次輸出機(jī)場(chǎng)候選框集合．這個(gè)過(guò)程中兩個(gè)網(wǎng)絡(luò)共享卷積層．

(4) 保持共享的卷積層和RPN權(quán)重參數(shù)固定，再次微調(diào)檢測(cè)網(wǎng)絡(luò)的其他層．

2 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)使用的圖像數(shù)據(jù)均來(lái)自Google Earth， 大小為1 000×600 pixel，參照標(biāo)準(zhǔn)數(shù)據(jù)集V0C2007進(jìn)行機(jī)場(chǎng)數(shù)據(jù)集的制作．?dāng)?shù)據(jù)集總量為600張，其中有400張存在機(jī)場(chǎng)區(qū)域的圖像，剩余圖像主要為鐵路、公路、橋梁、建筑物等背景場(chǎng)景．隨機(jī)選取240張機(jī)場(chǎng)圖像和120張非機(jī)場(chǎng)圖像組成訓(xùn)練集，其余圖像組成測(cè)試集，訓(xùn)練時(shí)圖像以0.5的概率水平翻轉(zhuǎn)進(jìn)行數(shù)據(jù)增強(qiáng)．實(shí)驗(yàn)環(huán)境為i7-7700處理器，主頻為 3.6 GHz，內(nèi)存為 16 GB，顯卡為NVIDIA GTX1070．

圖5 損失值對(duì)比

2.1 實(shí)驗(yàn)結(jié)果

為了定量證明難分樣本挖掘方法的有效性，采用控制變量法進(jìn)行對(duì)比實(shí)驗(yàn)．模型訓(xùn)練過(guò)程中，每 20 000 次迭代記錄一次損失平均值(所有候選區(qū)域的損失函數(shù)平均值)，結(jié)果如圖5所示．從圖5可以看出，采用難分樣本挖掘方法的模型整個(gè)訓(xùn)練過(guò)程中損失值都較低，這充分表明難分樣本挖掘能夠有效降低訓(xùn)練過(guò)程中的損失值，使得模型訓(xùn)練更加高效．

為進(jìn)一步體現(xiàn)難分樣本挖掘?qū)μ岣邫z測(cè)性能的有效性，采用控制變量法在機(jī)場(chǎng)測(cè)試集上進(jìn)行對(duì)比實(shí)驗(yàn)，兩種方法的惟一區(qū)別是有無(wú)難分樣本挖掘，選取檢測(cè)率(Detection Rate， DR)和平均運(yùn)行時(shí)間作為對(duì)比實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)，結(jié)果如表2所示．

表2 結(jié)果對(duì)比

由表2可知，采用難分樣本挖掘提高了約5%的檢測(cè)率，同時(shí)沒(méi)有增加額外的時(shí)間成本．究其原因是，訓(xùn)練過(guò)程中復(fù)雜樣本得到了充分利用，使得模型訓(xùn)練更加高效，而且難分樣本挖掘只是增加了模型的訓(xùn)練時(shí)間并不影響檢測(cè)時(shí)間．

圖6顯示了文中方法的部分檢測(cè)結(jié)果，其中包含道路、河流和山脈等多種機(jī)場(chǎng)背景類(lèi)型，最后一行展示了一些形狀較為獨(dú)特的機(jī)場(chǎng)圖像．從測(cè)試結(jié)果中可以看出，圖像中機(jī)場(chǎng)區(qū)域均被準(zhǔn)確地識(shí)別，說(shuō)明所提方法能在復(fù)雜背景下準(zhǔn)確地檢測(cè)出不同類(lèi)型的機(jī)場(chǎng)．

圖6 檢測(cè)結(jié)果

2.2 方法對(duì)比

為了證明所提方法的優(yōu)越性，將以往具有代表性的方法與文中方法進(jìn)行實(shí)驗(yàn)對(duì)比．所有方法的實(shí)驗(yàn)環(huán)境保持高度一致，選取檢測(cè)率、虛警率(False-Alarm Rate， FAR)和平均運(yùn)行時(shí)間作為對(duì)比實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)，實(shí)驗(yàn)中的所有數(shù)據(jù)結(jié)果都是多次隨機(jī)實(shí)驗(yàn)的平均值且均精確到小數(shù)點(diǎn)后一位，結(jié)果如表3所示．文獻(xiàn)[13]是基于邊緣的機(jī)場(chǎng)檢測(cè)方法，文獻(xiàn)[14]是基于區(qū)域分割的機(jī)場(chǎng)檢測(cè)方法，文獻(xiàn)[5]是基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)場(chǎng)檢測(cè)方法，F(xiàn)aster R-CNN是指區(qū)域卷積神經(jīng)網(wǎng)絡(luò)Faster R-CNN在機(jī)場(chǎng)數(shù)據(jù)庫(kù)上遷移學(xué)習(xí)并進(jìn)行相應(yīng)參數(shù)修改得到的結(jié)果．

表3 結(jié)果對(duì)比

從表3可以看出，F(xiàn)aster R-CNN和文中方法的各項(xiàng)性能均優(yōu)于其他方法，其中文中方法的檢測(cè)率最高，虛警率最低，平均運(yùn)行時(shí)間最短．究其原因是，以往的機(jī)場(chǎng)檢測(cè)方法采用滑動(dòng)窗口加手工設(shè)計(jì)特征的方式，其滑動(dòng)窗口遍歷圖像計(jì)算效率很低，手工設(shè)計(jì)特征的魯棒性不強(qiáng)．而Faster R-CNN和文中方法均將圖像特征提取、候選框選擇和目標(biāo)分類(lèi)與回歸整合到一個(gè)端到端的深度網(wǎng)絡(luò)框架中，充分利用CNN強(qiáng)大的特征表達(dá)能力，并且區(qū)域建議網(wǎng)絡(luò)和檢測(cè)網(wǎng)絡(luò)間共享卷積層，從而大幅提高了機(jī)場(chǎng)檢測(cè)的準(zhǔn)確性和速度．文中方法充分挖掘了復(fù)雜樣本，使得模型訓(xùn)練更加高效，在不增加額外時(shí)間成本的前提下提高了檢測(cè)率．

3 結(jié) 束 語(yǔ)

文中拋棄以往滑動(dòng)窗口加手工設(shè)計(jì)特征的傳統(tǒng)方法，提出了一種遷移學(xué)習(xí)結(jié)合難分樣本挖掘的機(jī)場(chǎng)檢測(cè)方法．該方法以區(qū)域卷積神經(jīng)網(wǎng)絡(luò)為基本框架，采用RPN來(lái)代替以往的區(qū)域建議方法，使用非極大值抑制來(lái)進(jìn)一步減少候選框的冗余，以使獲取候選框的速度更快、質(zhì)量更高; 檢測(cè)網(wǎng)絡(luò)中的RoI池化層避免了候選框特征的重復(fù)提取; 利用預(yù)訓(xùn)練網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí)來(lái)解決機(jī)場(chǎng)數(shù)據(jù)量不足的問(wèn)題; 訓(xùn)練中充分挖掘復(fù)雜樣本使得訓(xùn)練更加高效; RPN和檢測(cè)網(wǎng)絡(luò)共享卷積層，大大提高了檢測(cè)的效率．實(shí)驗(yàn)結(jié)果表明，文中方法在復(fù)雜背景下能準(zhǔn)確地檢測(cè)出不同類(lèi)型的機(jī)場(chǎng)，且檢測(cè)性能均優(yōu)于其他方法，對(duì)機(jī)場(chǎng)的實(shí)時(shí)和精確檢測(cè)具有較強(qiáng)的理論和實(shí)際意義．