基于改進(jìn)YOLOv5s的機(jī)坪特種車輛檢測(cè)算法研究

諸葛晶昌，李 想

（中國民航大學(xué) 電子信息與自動(dòng)化學(xué)院，天津 300300）

0 引言

機(jī)坪特種車輛檢測(cè)是從計(jì)算機(jī)視覺技術(shù)出發(fā)，使用目標(biāo)檢測(cè)算法實(shí)現(xiàn)圖像或視頻序列中機(jī)坪特種車輛的檢測(cè)。目前，大多數(shù)的航班保障任務(wù)依賴人工對(duì)特種車輛進(jìn)行判別、記錄。該方式消耗大量的人力且數(shù)據(jù)的隨意性較大，不利于提升航班保障效率。因此，針對(duì)機(jī)坪特種車輛提出一種車輛細(xì)粒度分類的算法具有重要意義。

傳統(tǒng)算法對(duì)于物體的檢測(cè)通常包括區(qū)域選取、特征提取及特征分類這3個(gè)階段。傳統(tǒng)算法通常使用滑動(dòng)窗口算法，在得到待測(cè)目標(biāo)位置后，一般使用人工精心設(shè)計(jì)的提取器進(jìn)行特征提取，如尺度不變特征變換［1］和類Haar特征［2］等。最后，對(duì)提取到的特征進(jìn)行分類得到最終的檢測(cè)結(jié)果。由于傳統(tǒng)算法是人工設(shè)計(jì)的提取器，魯棒性較差［3］，因此無法達(dá)到實(shí)際應(yīng)用的要求。

隨著人工智能的發(fā)展和計(jì)算機(jī)算力的提升，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法逐漸成為主流。深度學(xué)習(xí)的目標(biāo)檢測(cè)算法又可以分為基于區(qū)域建議的二階檢測(cè)算法和基于回歸的一階檢測(cè)算法。

基于區(qū)域建議的二階檢測(cè)算法由Girshick等人［4］提出，之后發(fā)展出Fast R-CNN［5］目標(biāo)檢測(cè)方法，而Fast R-CNN由于候選區(qū)域提取的計(jì)算量過大，嚴(yán)重影響了檢測(cè)的速度。Ren等人［6］在此基礎(chǔ)上進(jìn)行改進(jìn)，提出了Faster R-CNN 目標(biāo)檢測(cè)算法，相較Fast R-CNN 算法而言在速度上優(yōu)勢(shì)明顯。

王林等人［7］將Faster R-CNN 應(yīng)用于車輛檢測(cè)，但對(duì)于小型目標(biāo)車輛的檢測(cè)效果并不理想。Yang等人［8］基于Faster R-CNN 算法采用小區(qū)域放大檢測(cè)的策略，進(jìn)行道路車輛檢測(cè)，但在實(shí)際檢測(cè)場(chǎng)景下該算法計(jì)算量大實(shí)時(shí)性較差，且容易受到遮擋的影響。

YOLO 系列算法是具有代表性的一階目標(biāo)檢測(cè)算法。最初的兩代YOLO 算法在檢測(cè)精度和速度兩方面并沒有較為亮眼的表現(xiàn)，直到采用Darknet 作為主干網(wǎng)絡(luò)的YOLOv3［9］誕生才真正做到了檢測(cè)精度與檢測(cè)速度較好的平衡。在YOLOv3之后提出的YOLOv4［10］以及YOLOv5［11］又在此基礎(chǔ)上進(jìn)行了大規(guī)模的改進(jìn)，成為了現(xiàn)階段性能突出的目標(biāo)檢測(cè)算法。

馬睿等人［12］使用YOLOv4算法實(shí)現(xiàn)水位的自動(dòng)識(shí)別，葉樹芬等人［13］針對(duì)電力線和桿塔應(yīng)用場(chǎng)景使用深度可分離卷積技術(shù)降低YOLOv5的模型計(jì)算量，并改進(jìn)NMS算法提升檢測(cè)算法性能。在車輛檢測(cè)研究方面，王銀等人［14］在YOLOv4基礎(chǔ)上使用MobileNetv2深度可分離卷積模塊代替?zhèn)鹘y(tǒng)卷積，并將CBAM 注意力模塊融合到特征提取網(wǎng)絡(luò)中，解決了傳統(tǒng)車輛檢測(cè)算法檢測(cè)精度低，小尺度目標(biāo)識(shí)別效果差的問題。郭宇陽等人［15］針對(duì)路側(cè)交通監(jiān)控場(chǎng)景和智能交通管控需要，借鑒GhostNet結(jié)構(gòu)，在YOLOv4基礎(chǔ)上提出了輕量化車輛檢測(cè)算法，在檢測(cè)速度上有顯著優(yōu)勢(shì)。

目前大部分的車輛檢測(cè)算法研究面向交通監(jiān)控場(chǎng)景，主要?jiǎng)澐制?、卡車、公交車三類，針?duì)特定場(chǎng)景下的車輛細(xì)粒度分類研究較少。對(duì)此，本文提出了一種基于改進(jìn)YOLOv5s的機(jī)坪特種車輛檢測(cè)方法，主要有以下三個(gè)貢獻(xiàn)：

1）將位置信息融入通道注意力中，使檢測(cè)算法將注意力集中于感興趣區(qū)域，擴(kuò)大機(jī)坪特種車輛特征權(quán)重覆蓋的范圍，對(duì)特種車輛全局特征的把握能力更強(qiáng)。

2）在三尺度特征檢測(cè)網(wǎng)絡(luò)的基礎(chǔ)上，提出了一種四尺度特征檢測(cè)網(wǎng)絡(luò)，對(duì)尺度差異較大的機(jī)坪特種車輛具有更好的檢測(cè)效果。

3）針對(duì)多尺度特征融合中各輸入對(duì)于最終輸出貢獻(xiàn)不同的問題，結(jié)合四尺度檢測(cè)網(wǎng)絡(luò)提出了一種雙向加權(quán)融合結(jié)構(gòu)。各節(jié)點(diǎn)根據(jù)輸入分辨率的不同學(xué)習(xí)匹配相應(yīng)的權(quán)重，使機(jī)坪特種車輛多尺度特征融合的結(jié)果更合理。

1 改進(jìn)的YOLOv5s網(wǎng)絡(luò)

YOLOv5s由Input輸入、Backbone主干網(wǎng)絡(luò)、Neck層及Detect輸出四部分構(gòu)成。本文在YOLOv5s中融合CA 注意力機(jī)制（CA，coordinate attention）［16］，增強(qiáng)網(wǎng)絡(luò)對(duì)不同特種車輛特征信息的獲取能力；網(wǎng)絡(luò)Neck部分增加第四層檢測(cè)尺度，結(jié)合加權(quán)雙向特征金字塔（BiFPN）［17］結(jié)構(gòu)對(duì)路徑聚合網(wǎng)絡(luò)PANet［18］（PANet，path aggregation network）結(jié)構(gòu)進(jìn)行改進(jìn)，加強(qiáng)網(wǎng)絡(luò)對(duì)目標(biāo)特征更高層次的融合及網(wǎng)絡(luò)對(duì)不同尺度特種車輛的檢測(cè)能力，改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 改進(jìn)的YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)

1.1 融合CA注意力機(jī)制

機(jī)坪特種車輛檢測(cè)相較城市交通場(chǎng)景下汽車、卡車、公交車三類車輛的檢測(cè)來說，車輛的種類更多，難度更大，需要檢測(cè)算法對(duì)特種車輛特征有更高的分辨力。注意力機(jī)制的核心是讓卷積神經(jīng)網(wǎng)絡(luò)更多的關(guān)注圖像中重要的部分，而不是對(duì)圖像中所有物體都進(jìn)行關(guān)注。

傳統(tǒng)的注意力機(jī)制包括SENet［19］、ECA［20］、CBAM［21］等。CA 注意力機(jī)制相較于傳統(tǒng)的通道注意力，將位置信息融入注意力中，利用獲取的位置信息更快的定位感興趣位置，在幾乎不額外消耗計(jì)算資源的同時(shí)對(duì)于算法性能的提升效果更好。

CA 注意力機(jī)制將兩個(gè)通道注意力分解為兩個(gè)一維特征編碼，分別沿兩個(gè)空間方向進(jìn)行特征聚合。CA 注意力機(jī)制結(jié)構(gòu)如圖2所示。

圖2 CA 注意力機(jī)制結(jié)構(gòu)

首先，是CA 注意力機(jī)制的嵌入，CA 注意力機(jī)制分別使用尺寸為（H，1）和（1，W）的卷積核沿著水平坐標(biāo)和垂直坐標(biāo)對(duì)每一個(gè)通道進(jìn)行編碼，其中高度為h的c通道輸出表示為：

同理，寬度為w的c通道輸出表示為：

上述兩種變換分別沿兩個(gè)空間方向聚合特征，得到一對(duì)方向感知的特征圖。這兩種轉(zhuǎn)換允許注意力模塊捕捉到沿著一個(gè)空間方向的長期依賴關(guān)系，并保存沿著另一個(gè)空間方向的精確位置信息，這有助于網(wǎng)絡(luò)更準(zhǔn)確地定位感興趣的目標(biāo)。

通過這兩種變換后生成CA 注意力。在轉(zhuǎn)換過程中，CA 注意力機(jī)制先將之前生成的兩個(gè)特征圖進(jìn)行級(jí)聯(lián)，用一個(gè)1＊1的卷積進(jìn)行F1變換，表示為：

其中：生成的f∈RC／r×（H＋W）是空間信息在水平方向和垂直方向上的中間特征圖，r表示下采樣比例。

接著，沿著空間維度將f分為兩個(gè)單獨(dú)的張量fh∈RC／r×H和fw∈RC／r×W，經(jīng)過兩個(gè)1＊1卷積Fh和Fw將兩者變換到與輸入相同的通道數(shù)，上述過程可以表示為：

其中：σ表示sigmoid激活函數(shù)。

最后，對(duì)gh和gw進(jìn)行拓展，得到注意力權(quán)重。CA 注意力機(jī)制的最終輸出可以表示為：

YOLOv5s網(wǎng)絡(luò)各部分對(duì)輸入特征的提取作用有所不同，Backbone網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行初始階段的特征提取，SPPF模塊將提取的初始階段特征圖轉(zhuǎn)化為特征向量輸出，Neck部分對(duì)輸入提取深層語義特征圖，并將Backbone網(wǎng)絡(luò)提取的淺層語義特征圖與深層語義特征圖進(jìn)行融合。因此，在特征提取的不同階段融合CA 注意力機(jī)制效果會(huì)有一定的差別。

在YOLOv5s網(wǎng)絡(luò)中融合注意力機(jī)制的方式通常有4種，如圖3所示，分別為：融入Backbone網(wǎng)絡(luò)的每個(gè)C3模塊后（a）、單獨(dú)融入Backbone網(wǎng)絡(luò)的SPPF模塊前（b1）或后（b2）、融入網(wǎng)絡(luò)Neck的每個(gè)C3模塊后（c）、將注意力機(jī)制融合進(jìn)網(wǎng)絡(luò)的Backbone（d）或Neck（e）部分的每個(gè)C3模塊中。除此以外，也可以將上述方式進(jìn)行組合。

圖3 注意力機(jī)制融入網(wǎng)絡(luò)方式

其中，C3CA 模塊是把CA 注意力機(jī)制融入C3 模塊，具體實(shí)現(xiàn)方式如圖4 所示，給C3 模塊賦予一層注意力。C3CA 模塊相較單獨(dú)融合CA 注意力機(jī)制來說，不改變網(wǎng)絡(luò)的總層數(shù)，且參數(shù)量更低。

圖4 CA 融入C3模塊的方式

1.2 提出四尺度特征檢測(cè)網(wǎng)絡(luò)

YOLOv5s網(wǎng)絡(luò)分別經(jīng)過8倍、16 倍、32 倍下采樣輸出P3、P4、P5三個(gè)尺度的特征圖。三個(gè)尺度的特征圖分別適用于檢測(cè)小、中、大三類目標(biāo)。

考慮到機(jī)坪監(jiān)控視角下特種車輛形態(tài)差異較大，以中、中大型目標(biāo)為主的情況，在原始輸出P3、P4、P5三個(gè)分別為80＊80、40＊40、20＊20尺度特征圖的基礎(chǔ)上增加P6檢測(cè)尺度，輸出10＊10的特征圖。如圖5所示，改進(jìn)的四尺度的特征檢測(cè)網(wǎng)絡(luò)對(duì)于大、中、小型目標(biāo)的檢測(cè)精度均有一定程度的提升。

圖5 改進(jìn)的多尺度特征融合結(jié)構(gòu)

1.3 改進(jìn)多尺度特征融合結(jié)構(gòu)

YOLOv5s的Neck部分采用的PANet結(jié)構(gòu)是在特征金字塔［22］（FPN，feature pyramid networks）的基礎(chǔ)上增加了一條自底部向上的通道，雖然在一定程度上提升了網(wǎng)絡(luò)對(duì)不同尺度特征融合的能力，但這種融合方式只是簡單的相加。由于機(jī)坪應(yīng)用場(chǎng)景對(duì)特種車輛檢測(cè)精度的要求更高，因此，本文針對(duì)PANet結(jié)構(gòu)進(jìn)行改進(jìn)?？紤]到不同通道的輸入對(duì)于最終輸出貢獻(xiàn)不同的問題，結(jié)合加權(quán)雙向特征金字塔結(jié)構(gòu)，改進(jìn)Neck中通道連接結(jié)構(gòu)，各通道節(jié)點(diǎn)采用加權(quán)融合的方式，改進(jìn)的特征金字塔結(jié)構(gòu)如圖6所示。

圖6 改進(jìn)的特征金字塔結(jié)構(gòu)

改進(jìn)的特征金字塔結(jié)構(gòu)是雙向跨尺度連接與快速歸一化融合兩者的結(jié)合，其中快速歸一化融合相較Softmax融合來說，精度相近卻有更快的速度。

加權(quán)雙向特征金字塔的快速歸一化融合可以表示為：

其中：ωi表示特征Ii對(duì)應(yīng)的一個(gè)可學(xué)習(xí)權(quán)重且ωi≥0，為避免數(shù)值不穩(wěn)定∈＝0.000 1，其余的權(quán)重值在歸一化后都介于0～1之間。以加權(quán)雙向特征金字塔輸出P5（out）為例，可以表示為：

其中：P5（in）表示P5特征層的輸入節(jié)點(diǎn)，P5（td）表示P5特征層的第一個(gè)輸出節(jié)點(diǎn)，P5（out）表示P5特征層的第二個(gè)輸出節(jié)點(diǎn)，Conv表示卷積操作，Resize表示上采樣或下采樣操作。

改進(jìn)后的特征金字塔結(jié)構(gòu)在四尺度特征檢測(cè)網(wǎng)絡(luò)的基礎(chǔ)上增加了P4（in）到P4（out）及P5（in）到P5（out）兩條通道，在不占用更多計(jì)算資源的前提下，擴(kuò)大了多尺度特征融合范圍。改進(jìn)后各節(jié)點(diǎn)可以根據(jù)輸入特征尺度的分辨率不同，學(xué)習(xí)匹配相應(yīng)的權(quán)重，使網(wǎng)絡(luò)在多尺度特征融合過程中得到更合理的特征權(quán)重。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)準(zhǔn)備

鑒于通用數(shù)據(jù)集無法為機(jī)坪特種車輛檢測(cè)提供數(shù)據(jù)支持，本文在實(shí)驗(yàn)前期構(gòu)建了機(jī)坪特種車輛數(shù)據(jù)集。針對(duì)機(jī)場(chǎng)旅客航班保障工作中較為重要且暫無替代方式的車輛，包括飛機(jī)牽引車、行李拖車、客梯車、加油車、食品車及擺渡車共六類。數(shù)據(jù)包含白天、夜晚不同時(shí)間段及遠(yuǎn)近不同視角，示例如圖7所示。其中，部分圖片來自機(jī)坪視頻數(shù)據(jù)篩選提取，又從網(wǎng)絡(luò)上搜集了部分特種車輛圖片進(jìn)行補(bǔ)充，六類車輛共計(jì)5 022張圖片。所有數(shù)據(jù)均采用Labelimg進(jìn)行標(biāo)注，其中4 472張作為訓(xùn)練集，500張作為測(cè)試集，50張作為驗(yàn)證集。

圖7 數(shù)據(jù)集示例

使用k-means算法對(duì)自建的機(jī)坪特種車輛數(shù)據(jù)集進(jìn)行重新聚類，結(jié)果如圖8所示。聚類得到12個(gè)錨點(diǎn)框［29，52］，［87，54］，［57，106］，［80，103］，［73，197］，［112，133］，［140，176］，［93，272］，［229，155］，［198，266］，［353，355］，［553，433］，將其按先后順序分為4組，分別適用于小、中、中大、大型四類機(jī)坪特種車輛的檢測(cè)。

圖8 聚類結(jié)果

本文實(shí)驗(yàn)均在Windows10 操作系統(tǒng)下進(jìn)行，CPU 為Intel（R）Core（TM）i7-10700＠2.90GHz，內(nèi)存為64G。

GPU 型號(hào)為Nvidia GeForce RTX3080，實(shí)驗(yàn)仿真使用PyTorch深度學(xué)習(xí)框架，開發(fā)環(huán)境為Python3.7，CUDA 版本為11.0。

實(shí)驗(yàn)中輸入圖像的分辨率統(tǒng)一設(shè)置為640＊640，網(wǎng)絡(luò)的初始學(xué)習(xí)率為0.01，動(dòng)量因子為0.937，訓(xùn)練epochs為300。

2.2 評(píng)價(jià)指標(biāo)

為了對(duì)改進(jìn)后的算法性能做出評(píng)估，本文選取了精確度（P，Precision）、召回率（R，Recall）、平均精度mAP0.5、mAP0.5：0.95、參數(shù)量Params及浮點(diǎn)計(jì)算量GFLOPs作為評(píng)價(jià)指標(biāo)。

其中，mAP0.5表示IoU 閾值為0.5時(shí)所有目標(biāo)類別的平均檢測(cè)精度，mAP0.5：0.95 表示以步長0.05，計(jì)算IoU 從0.5到0.95的10個(gè)IoU 閾值下的平均檢測(cè)精度，通常情況下IoU 閾值越高對(duì)于算法的回歸能力要求更高；Params表示參數(shù)量，用于計(jì)算內(nèi)存消耗；GFLOPs表示每秒10億次浮點(diǎn)計(jì)算，是衡量訓(xùn)練復(fù)雜程度的重要指標(biāo)。精確率、召回率以及平均精度的計(jì)算式如下所示：

其中：TP表示把正類預(yù)測(cè)為正類，F(xiàn)P表示把負(fù)類預(yù)測(cè)為正類，F(xiàn)N表示把正類預(yù)測(cè)為負(fù)類，Nc表示類別數(shù)。

2.3 不同YOLOv5模型對(duì)比實(shí)驗(yàn)

YOLOv5根據(jù)不同網(wǎng)絡(luò)深度和寬度，劃分出n、s、m、l、x五種模型，模型規(guī)模依次增大，檢測(cè)精度也有所差異。其中，YOLOv5n網(wǎng)絡(luò)深度和寬度分別為0.33 和0.25；YOLOv5s網(wǎng)絡(luò)深度和寬度分別為0.33和0.50；YOLOv5m網(wǎng)絡(luò)深度和寬度分別為0.67和0.75；YOLOv5l網(wǎng)絡(luò)深度和寬度分別為1.0和1.0；YOLOv5x網(wǎng)絡(luò)深度和寬度分別為1.33和1.25。

本文依據(jù)5種模型在機(jī)坪特種車輛數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果選擇最為適合的模型進(jìn)行改進(jìn)，選擇的依據(jù)主要是模型精度、參數(shù)量及計(jì)算量的平衡。

網(wǎng)絡(luò)參數(shù)量的增大、模型計(jì)算量的提升會(huì)在一定程度上降低網(wǎng)絡(luò)檢測(cè)速度，訓(xùn)練所消耗的時(shí)間也有所增加。如表1所示，YOLOv5n和YOLOv5s是五種模型中相對(duì)較小的兩種模型，在網(wǎng)絡(luò)訓(xùn)練階段二者所消耗的時(shí)間較為接近，遠(yuǎn)少于其余三種模型所需時(shí)間。YOLOv5x由于參數(shù)量和計(jì)算量均最大，因而訓(xùn)練所需的時(shí)間也最長。

表1 不同深度和寬度的YOLOv5模型對(duì)比實(shí)驗(yàn)

網(wǎng)絡(luò)規(guī)模最小的YOLOv5n在實(shí)驗(yàn)中由于網(wǎng)絡(luò)深度和寬度的限制，精度與其余4 種模型有著較為明顯的差距，YOLOv5s在參數(shù)量和計(jì)算量僅高于YOLOv5n的情況下，精度與網(wǎng)絡(luò)規(guī)模更大的YOLOv5m 很接近，mAP0.5 僅低0.1%，參數(shù)量卻減少了66.3%，計(jì)算量減少了66.9%。在與YOLOv5系列更大的模型對(duì)比中，YOLOv5s的mAP0.5僅低于YOLOv5l模型0.6%，而參數(shù)量和計(jì)算量分別只有YOLOv5l 的15.2% 和14.7%，與網(wǎng)絡(luò)模型最大的YOLOv5x相比mAP0.5也僅低了0.7%。

此外，兩岸流行音樂受眾雖然都具有“懷舊”的審美偏好，但各自所偏愛的歌手及其風(fēng)格截然不同。在臺(tái)北與北京舉辦個(gè)人演唱會(huì)的“懷舊”歌手，無一相同。大陸流行歌手崔健及其所演繹的搖滾音樂，是北京乃至大陸流行音樂受眾最為喜愛的“懷舊”流行音樂風(fēng)格，但搖滾風(fēng)格并非臺(tái)灣流行音樂受眾的“懷舊”點(diǎn)。而深受臺(tái)灣流行音樂受眾喜愛的閩南語歌曲，則在大陸缺乏市場(chǎng)。

結(jié)合實(shí)驗(yàn)結(jié)果，在考慮算法部署難易程度外，還應(yīng)杜絕資源消耗與算法性能提升不匹配的情況。因此，本文選擇網(wǎng)絡(luò)參數(shù)量與計(jì)算量較低但精度表現(xiàn)尚佳的YOLOv5s作為改進(jìn)的基礎(chǔ)。

2.4 注意力融合位置及不同注意力對(duì)比實(shí)驗(yàn)

在YOLOv5s網(wǎng)絡(luò)的不同位置融合CA 注意力機(jī)制的效果有較大差異，本文針對(duì)圖3所述的YOLOv5s網(wǎng)絡(luò)融合注意力機(jī)制的幾個(gè)位置進(jìn)行實(shí)驗(yàn)。

由表2的實(shí)驗(yàn)結(jié)果可以看出，CA 注意力機(jī)制并非在所有位置都能提升網(wǎng)絡(luò)的檢測(cè)性能。位置d，即對(duì)Backbone網(wǎng)絡(luò)的C3模塊融合CA 注意力機(jī)制的效果最差；位置a，即在Backbone網(wǎng)絡(luò)的每個(gè)C3模塊后單獨(dú)加一層CA 注意力機(jī)制的效果也較差。

表2 CA 注意力機(jī)制不同位置對(duì)比實(shí)驗(yàn)

在b1、b2、c、e四個(gè)位置添加CA 注意力機(jī)制對(duì)原始網(wǎng)絡(luò)有一定的效果，在四個(gè)有效位置基礎(chǔ)上進(jìn)行組合實(shí)驗(yàn)，注意力機(jī)制組合實(shí)驗(yàn)結(jié)果可以看出b2結(jié)合e的嵌入方式和單獨(dú)在位置c進(jìn)行注意力機(jī)制嵌入的方式效果是最好的。然而，比較P、R、mAP各項(xiàng)指標(biāo)可見，上述兩種注意力機(jī)制組合的提升效果還是不如在b1位置單獨(dú)融合CA 注意力機(jī)制。

綜上，在YOLOv5s網(wǎng)絡(luò)的b1位置，即SPPF 模塊前單獨(dú)融合CA 注意力機(jī)制的實(shí)驗(yàn)效果最好。由此可見，在初始階段特征提取結(jié)束，將提取的特征圖轉(zhuǎn)化為特征向量輸出前，CA 注意力機(jī)制能夠最大程度上地提升網(wǎng)絡(luò)感受野，提升算法對(duì)特種車輛特征的檢測(cè)能力。

為了驗(yàn)證CA 注意力機(jī)制與其他注意力機(jī)制相比對(duì)原始網(wǎng)絡(luò)性能提升的優(yōu)劣，本文對(duì)實(shí)驗(yàn)效果最好的b1位置，融合SE、CBAM、ECA 三種注意力機(jī)制進(jìn)行對(duì)比實(shí)驗(yàn)，對(duì)比實(shí)驗(yàn)結(jié)果如表3所示。

表3 不同注意力機(jī)制對(duì)比實(shí)驗(yàn)

從表3中可以看出，并非幾種注意力機(jī)制都能夠提升網(wǎng)絡(luò)的檢測(cè)能力，SE、CBAM 兩種注意力機(jī)制只能對(duì)精確率有輕微的提升作用，其他幾項(xiàng)如召回率和平均精度均低于原始實(shí)驗(yàn)數(shù)據(jù)。

為了評(píng)估算法在融合CA 注意力機(jī)制前后對(duì)特種車輛特征檢測(cè)能力的差異，本文將改進(jìn)后的算法與原始算法進(jìn)行特征權(quán)重?zé)崃D對(duì)比。

由圖9可以看出，原始網(wǎng)絡(luò)對(duì)于機(jī)坪特種車輛的特征把握能力較弱，特征權(quán)重所占比例較低，而加入CA 注意力后的算法對(duì)于機(jī)坪特種車輛全局特征的把握能力更好，權(quán)重覆蓋范圍也更大。

圖9 加入CA 前后熱力圖對(duì)比

2.5 不同算法對(duì)比實(shí)驗(yàn)

為了驗(yàn)證本文改進(jìn)后的算法與其他檢測(cè)算法性能的優(yōu)劣，本文選取經(jīng)典算法SSD［23］、Faster-RCNN、YOLOv3、YOLOv4-tiny［24］以及YOLOv4算法作為對(duì)照。此外，本文分別使用輕量化網(wǎng)絡(luò)ShuffleNetv2［25］、MobileNetv3［26］替換YOLOv5原始主干網(wǎng)絡(luò)，得到輕量化的YOLOv5-Shuffle-Netv2、YOLOv5-MobileNetv3兩種檢測(cè)算法。使用上述7種算法和本文算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果如表4所示。

表4 不同目標(biāo)檢測(cè)算法對(duì)比實(shí)驗(yàn)

從表4中可以看出：本文改進(jìn)后的算法在參數(shù)量和模型復(fù)雜程度較低的情況下，取得了最高的mAP0.5。與參數(shù)量更低，模型復(fù)雜程度更低的YOLOv5-ShuffleNetv2、YOLOv5-MobileNetv3及YOLOv4-tiny 三種算法相比，本文算法精度優(yōu)勢(shì)明顯；與參數(shù)量更大，模型復(fù)雜程度更高的SSD、Faster-RCNN、YOLOv3、YOLOv4算法相比，本文算法依舊具有優(yōu)勢(shì)。本文改進(jìn)算法的mAP0.5高出對(duì)比算法中性能最優(yōu)的YOLOv3 算法1.6%，而參數(shù)量卻比YOLOv3算法少了79.6%，模型復(fù)雜度低了89.3%。

2.6 消融實(shí)驗(yàn)

為驗(yàn)證本文改進(jìn)的CA 注意力機(jī)制、四層特征檢測(cè)網(wǎng)絡(luò)以及雙向加權(quán)特征金字塔結(jié)構(gòu)的有效性，進(jìn)行消融實(shí)驗(yàn)，評(píng)估各個(gè)部分在相同實(shí)驗(yàn)條件下對(duì)本文檢測(cè)算法性能的影響。消融實(shí)驗(yàn)以原始的YOLOv5s網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果作為基準(zhǔn)，實(shí)驗(yàn)數(shù)據(jù)如表5所示。

表5 消融實(shí)驗(yàn)

由消融實(shí)驗(yàn)結(jié)果可以看出：四尺度特征檢測(cè)和三尺度特征檢測(cè)相比，檢測(cè)效果的提升是全面的。此外，無論是改進(jìn)的雙向加權(quán)特征金字塔結(jié)構(gòu)還是融合CA 注意力機(jī)制都對(duì)算法的Precision、Recall、mAP 有顯著的提升。與原始網(wǎng)絡(luò)相比，Recall提升3.5%，mAP0.5：0.95提升了3.3%，mAP0.5有2.3%的提升，Precision雖有輕微波動(dòng)也提升了1.6%。

將改進(jìn)后的算法與YOLOv5s在機(jī)坪應(yīng)用場(chǎng)景下的檢測(cè)結(jié)果進(jìn)行對(duì)比，由圖10 可以看出，YOLOv5s算法在遮擋較大的場(chǎng)景下無法有效的對(duì)特種車輛進(jìn)行檢測(cè)，而改進(jìn)后的算法對(duì)機(jī)坪特種車輛的特征檢測(cè)能力更強(qiáng)，在面對(duì)部分遮擋時(shí)算法的魯棒性更好?？偟膩碚f，改進(jìn)后的機(jī)坪特種車輛檢測(cè)算法在精度更高的同時(shí)，穩(wěn)定性也更為出眾。

圖10 實(shí)際檢測(cè)結(jié)果對(duì)比

3 結(jié)束語

本文提出了一種基于改進(jìn)YOLOv5s的目標(biāo)檢測(cè)算法，旨在提升機(jī)坪應(yīng)用背景下對(duì)常見航班保障特種車輛的檢測(cè)能力。

首先，考慮YOLOv5不同模型大小和性能的差異，基于實(shí)驗(yàn)結(jié)果選擇YOLOv5s 作為改進(jìn)算法。之后，在YOLOv5s網(wǎng)絡(luò)的不同位置融合CA 注意力機(jī)制，確定融合效果最佳的位置。為了驗(yàn)證CA 注意力機(jī)制性能的優(yōu)劣，在效果最佳的位置上分別融合SE、CBAM、ECA 三種注意力機(jī)制進(jìn)行對(duì)比實(shí)驗(yàn)。接著，提出了一種四尺度特征檢測(cè)網(wǎng)絡(luò)，在原始三尺度檢測(cè)網(wǎng)絡(luò)的基礎(chǔ)上增加了10＊10的輸出尺度，強(qiáng)化了網(wǎng)絡(luò)對(duì)不同尺度特種車輛的檢測(cè)能力，并結(jié)合加權(quán)雙向特征金字塔結(jié)構(gòu)進(jìn)行改進(jìn)，改進(jìn)后的算法對(duì)不同尺度特征的融合更為合理。此外，使用kmeans算法對(duì)機(jī)坪特種車輛數(shù)據(jù)集進(jìn)行聚類，用聚類得到的錨框數(shù)據(jù)替換原始數(shù)據(jù)。在自建的機(jī)坪特種車輛數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明：本文提出的機(jī)坪特種車輛檢測(cè)算法在Precision、Recall、平均精度mAP指標(biāo)上較原始網(wǎng)絡(luò)均有顯著提升。

最后，需要指出本文在采用四尺度特征檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)后，雖帶來了更優(yōu)的檢測(cè)效果，但網(wǎng)絡(luò)參數(shù)量和模型整體的復(fù)雜程度均有一定增加，與一些輕量化算法相比對(duì)設(shè)備性能的要求較高。因此，下一步將考慮如何將檢測(cè)網(wǎng)絡(luò)整體輕量化的同時(shí)依然保持較高的檢測(cè)能力，便于在更低算力設(shè)備上的部署。