船舶检测在港口管理、海洋监测、航行安全等诸多领域都具有重要的应用价值,对提高海上交通管理效率、保障海域安全有着重要的作用。在过去的几年里,利用图像信息进行船舶检测的技术在不断地发展,根据图像生成源,基于图像的船舶目标检测方法大致分为三类: 遥感图像、雷达图像和视觉图像船舶检测。从卫星遥感图像与雷达图像中自动提取目标进行船舶的检测虽然取得了一些成果[1-2],但由于处理流程较长,难以进行实时检测,实现成本高,在具体应用中存在很多不足。视觉图像中船舶目标分辨率高,细节、颜色特征丰富,获取成本低,对于许多特殊的应用,如安全导航、无人船等需要准确和实时的船舶检测(船舶定位和分类),视觉图像更适合实时船舶目标检测,因此视觉图像中的船舶检测受到越来越多的研究关注[3]。Zhang等[4]通过离散余弦变换区域特征进行水平线检测、背景建模、背景减影实现了大波浪情况下视觉图像船舶检测,但受限于非学习的特征提取方式,背景存在相似物体时检测效果较差。Kim等[5]结合贝叶斯方法与Faster R-CNN网络通过深度学习方法在自建数据集的船舶检测任务上达到了93.92%的较高平均精度。Lee等[6]采用增加passthrough改进YOLOv2在新加坡海事数据集[7]上实现了对快艇、帆船等10类目标的实时检测。Shao等[8]发布了名为SeaShips的视觉图像船舶目标检测公共数据集,涵盖了6种常见船舶类型(矿石船、散货船、杂货船、集装箱船、渔船和客船)31 455张, 公开部分7 000张,为视觉图像船舶检测提供了良好的数据基础。基于SeaShips数据集,Shao等[3]提出了Saliency-aware CNN,利用海岸线分割的方法减少背景干扰、缩小检测区域,结合显著性图增强船舶目标定位准确性以提高检测平均精度但由于引入显著图计算检测效率有所下降。Liu等[9]在YOLOv3模型基础上改善了损失函数,加入了不确定性边框回归来提升船舶目标定位能力,提出的eYOLOv3在小目标检测上有所改善,使得在SeaShips数据集上检测平均准确率提高到87.74%,但总体提升有限。通过海岸线分割或进行后处理的方式间接减少背景干扰,提升效果有限,为了直接有效地优化船舶特征、抑制背景干扰特征,本文在简洁高效的YOLOv3模型基础上引入了SimAM无参3D注意力机制直接对相关特征进行优化以提升检测性能,并在SMD数据集上进行了泛化性能验证。视觉图像船舶检测不同于常见的人脸检测、车辆检测等问题,船舶图像背景复杂,存在多种干扰信息,包括光照因素、云雾天气、水面波动、船舶目标小,使得提取船舶目标变得困难,增加了处理时间甚至造成了大量的漏检误检等现象[10]。此外,数据集稀缺,样本不均衡,使得训练高精度的模型难度较大,现有文献较少考虑此方面问题,本文通过采用强实时数据增强结合迁移学习的方法进行了改善。在目标检测领域,已经涌现出多种基于卷积神经网络的目标检测算法[11-14],在速度和精度上大大超过传统的目标检测算法。基于深度学习方法进行船舶目标检测已经成为当前主流的研究方向[3, 9-10],在数据量少、样本不均衡情况下实现从复杂真实场景视觉图像中通过端到端神经网络准确、高效地检测船舶目标面临着巨大的挑战也具有重要意义。本文的主要贡献包括4个方面:
1) 使用强实时数据增强改善了数据不均衡的问题,通过迁移学习的方式使得在小样本情况下仍能获得较好的船舶检测性能。
2) 针对船舶目标检测易受背景干扰的问题在YOLOv3的基础上引入SimAM注意力机制对模型进行改进,提高了船舶目标检测的精度,同时保持了高效的检测效率,并通过实验对比验证了改进模型的有效性。
3) 利用特征图可视化的方法对改进模型精度提升做出了阐释。
4) 将改进模型应用于不同数据集与基线模型对比的实验结果表明提出的改进模型具有较好泛化能力。
1 引入注意力机制的改进YOLOv3船舶检测模型主流的卷积神经网络目标检测模型分为一阶段类型与两阶段类型两大类。YOLOv3是一种一阶段的检测模型,它将整个检测流程直接作为一个回归及分类问题同时进行处理,与Faster RCNN为代表的两阶段的目标检测模型相比,无需进行候选区域提取再进行分类和回归,因此检测速率远高于两阶段的目标检测模型,在实际生产应用中YOLOv3凭借较高的效率获得了广泛的应用。YOLOv3模型结构简洁未集成大量技巧且结构设计成熟适合作为模型改进的基线。较新发表的YOLOv4[15]在YOLOv3的基础上集成了大量训练技巧在不同情景的特定任务上可能存在冲突,造成分析上的困难,并且与YOLOv3相比并未有理论上的突破,因此大多数如YOLOX[16]、YOLOR[17]等基于YOLO框架改进的模型均在YOLOv3的基础上进行优化。为了面向船舶检测任务更好地分析与优化模型并使得模型能够兼顾检测精度与检测效率,改进模型以YOLOv3作为基线。
YOLOv3模型由Darknet-53主干网络、特征金字塔网络与检测头三部分组成。Darknet-53引入了残差连接使得网络深度堆叠更深以获得更强的特征表达能力,原始输入图像通过Darknet-53主干网络进行特征的提取,为了提高对不同尺寸目标的预测精度,YOLOv3主干网络中将降采样率为8、16、32三个不同分辨率下提取到的特征组成特征金字塔结构并进行高低层特征融合,融合后的特征送入检测头中进行分类与回归。检测训练的损失函数如式(1)~(5)所示由边界框损失、分类损失、目标损失加权组成。其中s为格点尺寸; B为box; 1i, jobj为若在i, j处的box有目标,其值为1,否则为0;1i, jnoobj为若在i, j处的box无目标,其值为1,否则为0;cf为存在目标的置信度。
$ \begin{aligned} l_{\mathrm{box}}= & \lambda_{\text {coord }} \sum\limits_{i=0}^{s^2} \sum\limits_{j=0}^B 1_{i, j}^{\text {obj }}\left(2-w_i * h_i\right)\left[\left(x_i-\hat{x}_i\right)^2+\right. \\ & \left.\left(y_i-\hat{y}_i\right)^2+\left(w_i-\hat{w}_i\right)^2+\left(h_i-\hat{h}_i\right)^2\right] \end{aligned} $ | (1) |
$ l_{\text {cls }}=\lambda_{\text {class }} \sum\limits_{i=0}^{s^2} \sum\limits_{j=0}^B 1_{i, j}^{\text {obj }} \sum\limits_{c \in \text { classes }} \operatorname{BCE}_i(c) $ | (2) |
$ \begin{aligned} l_{\text {obj }}= & \lambda_{\text {noobj }} \sum\limits_{i=0}^{s^2} \sum\limits_{j=0}^B 1_{i, j}^{\text {noobj }} \mathrm{BCE}_i\left(c_{\mathrm{f}}\right)+ \\ & \lambda_{\mathrm{obj}} \sum\limits_{i=0}^{s^2} \sum\limits_{j=0}^B 1_{i, j}^{\text {obj }} \operatorname{BCE}_i\left(c_{\mathrm{f}}\right) \end{aligned} $ | (3) |
$ \begin{aligned} \operatorname{BCE}_i(x)= & -\left[p_i(x) \log \left(\hat{p}_i(x)\right)+\right. \\ & \left.\left(1-p_i(x)\right) \log \left(1-\hat{p}_i(x)\right)\right] \end{aligned} $ | (4) |
$ \operatorname{loss}=l_{\mathrm{box}}+l_{\mathrm{cls}}+l_{\mathrm{obj}} $ | (5) |
在船舶检测任务中船舶目标所处背景相对于通用目标检测而言通常更加复杂多变。如图 1所示背景中水面区域存在波动、天空中不规则的云和陆地区域的建筑等无关特征,对船舶目标的检测造成了很大干扰。与通用目标检测场景中目标常处于图像的中心位置不同,航行中的船舶目标存在较大的位置变化和朝向变化,这对于模型的定位与检测能力提出了更高要求。
为了降低复杂背景的干扰,传统的检测方法常采用霍夫变换等方法提取海岸线的方式将水面区域划分出来进行进一步检测[3],该方法处理效率较低且在海岸线变化大时分割效果较差。受通用目标检测中为了提升模型特征表示能力在主干网络中引入非3D的带参注意力机制的Attention-YOLO[18]的启发,针对船舶目标检测情景中干扰影响的问题,为了提高模型的干扰抑制能力,本文提出的改进模型在特征金字塔网络中引入了3D的无参SimAM注意力机制[19],相比于3D带参注意力机制在不引入额外可学习参数情况下能够更全面高效地评估特征权重,以增强船舶特征,减弱背景干扰特征,提高了模型的干扰抑制能力并通过直接有效的方式对船舶目标特征优化,减小了对变化较大的海岸线等先验信息提取的依赖。SimAM建立在视觉神经科学理论的基础之上,具有更多信息的神经元, 与其相邻神经元相比表现更加显著,并会对相邻神经元产生空间抑制现象,在处理视觉相关任务时这些神经元带有更多关键信息应该赋予更高的权重,在船舶检测任务中这些网络的神经元往往负责提取出船舶目标的关键特征需要进行增强。如图 2所示本文在YOLOv3模型的特征金字塔结构中引入了SimAM注意力机制对主干网络提取出的特征进行优化,通过端到端的方式减少背景噪声对检测的干扰,相比海岸线划分对水域形状变化更有鲁棒性。如式(6)~(8)所示SimAM通过定义线性可分性的能量函数对网络中的每个神经元进行评估,其中t为目标神经元,x为相邻神经元,λ为超参数,et*能量越低表明神经元与相邻的区分度越高,神经元的重要程度也越高,如式(9)所示通过1/et*对神经元根据重要性进行加权。与SENet[20]、CBAM[21]关注于通过池化、全连接层手工设计注意力模块不同,依据神经科学理论中的能量函数评估各处特征的重要性提出的SimAM更具有可解释性, 无需引入可学习参数。且SimAM是一种3D注意力机制与SENet关注于通道维度重要性、CBAM依次关注于通道、空间维度重要性相比直接评估了各个独立神经元的重要性,在保持运算高效性的同时能够更全面地评估各神经元的重要性进行加权。
$ e_t^*=\frac{4\left(\hat{\sigma}^2+\lambda\right)}{(t-\hat{\mu})^2+2 \hat{\sigma}^2+2 \lambda} $ | (6) |
$ \hat{\mu}=\frac{1}{M} \sum\limits_{i=1}^M x_i $ | (7) |
$ \hat{\sigma}^2=\frac{1}{M} \sum\limits_{i=1}^M\left(x_i-\hat{\mu}\right)^2 $ | (8) |
$ \widetilde{\boldsymbol{X}}=\operatorname{sigmoid}\left(\frac{1}{E}\right) \odot \boldsymbol{X} $ | (9) |
在提出的改进船舶目标检测模型中SimAM模块通过能量函数的闭式解高效地评估Darknet-53提取特征的重要性,对具有更多有效信息的神经元输出进行增强,并有效地抑制其他无关特征的干扰,使得网络具有更强的特征表示能力,在降低背景干扰的同时也提高了模型的目标定位能力。
2 数据增强与迁移学习实验使用的数据集为SeaShips7000,该数据集是由真实场景监控视频中选取的图像组成的视觉图像船舶检测的公开数据集,它涵盖了6种常见的船舶类型,充分考虑了目标尺寸变化、背景变化、视角变化、光照变化等重要的变差因素,能够反映实际场景中的船舶目标分布情况。SeaShips数据集公开部分为7 000张,其中训练集1 750张、验证集1 750张、测试集3 500张,如图 3所示各集合中船舶目标样本分布接近,可使得训练出的模型具有较好的泛化性。
训练所使用的训练集仅包含1 750张训练数据,对于具有几十兆参数的大型目标检测模型而言少量的数据难以使得模型训练收敛,会使得对学习率、mini batch size的设置要求很严格,因此为了使得模型能够得到更好训练, 采用合适的数据增强方法对数据的进行扩充。如图 4所示按照COCO数据集中尺寸分类标准对训练集船舶目标进行分布分析,训练集中不仅存在样本数量不足的问题,样本的尺度分布也存在不均衡的问题,小尺寸目标占比较小,中尺寸与大尺寸目标数量占主导地位,会使得模型忽略小尺寸船舶目标的检测产生漏检导致性能下降。
为了使训练数据数量得到扩充并改善尺寸分布不均衡的问题,提出的模型采用强实时数据增强方法,在训练时每个epoch都进行随机数据增强。对输入的图像进行随机纵横比变换、随机尺寸变换相结合的方式改善目标尺寸分布不均衡的问题,进行随机平移使得目标位置分布多样化以提高模型的定位能力,并通过随机色域变换与随机翻转相结合的方式提高模型的鲁棒性与泛化能力。如图 5所示为增强数据可视化结果,如图 6所示增强后的训练集数据在尺寸分布上得到了改善,各类别船舶目标中小尺寸目标的比例得到了提升。
在数据量较少的情况下,如图 7(b)所示直接从头开始训练的基线模型无法很好地训练出模型的特征提取能力,对于船舶目标的特征响应较弱,提取细节的能力不足。在COCO 2017数据集上先对模型预训练使得模型具备较好的特征提取能力,将获得的权重在SeaShips7000数据集上通过迁移学习的方式先保持Darknet-53主干网络的参数不变, 训练30个epoch后再降低学习率与mini batch size进行参数微调以提高在船舶检测任务上的性能。如图 7(c)所示通过迁移学习的方式使得模型的特征提取能力得到了增强,对于船舶目标特征提取效果更加突出。
实验中实验设置与性能评价指标进行介绍,通过应用不同注意力机制改进结合实时数据增强效果与提出的SimAM改进模型进行横向对比,与在SeaShips数据集上其他改进模型性能进行纵向对比,最后在新加坡海事数据集上进行了模型的泛化性能验证。
3.1 实验设置实验在Ubuntu 20.04平台上进行,CPU为Intel Core i7-10700F@2.90 GHz,使用的GPU为Nvidia GeForce RTX 3070,采用CUDA11.2加速库进行并行加速,基于python3.7的PyTorch深度学习框架实现。为了保证对比实验的公平性,各模型输入尺寸均为416×416并在SeaShips7000上训练100个epoch,进行相同的数据增强,使用Adam优化器进行参数的优化。作为基线的YOLOv3原始模型学习率为0.001,学习率衰减为0.92,mini batch size设置为8,其他模型都使用了预训练权重进行迁移学习,前30个epoch保持了主干网络参数不变,学习率为0.001,学习率衰减为0.92,mini batch size设置为8,后70个epoch学习率为0.000 1,学习率衰减为0.92,mini batch size设置为4。
3.2 评价指标IoU(intersection over union)为预测框和真实框的交集和并集之比如式(10)所示,用于评价预测框的精准程度以判定预测是否正确。IoU越大说明预测框的与真实框重合程度越高,预测框质量越高。
$ I_{\mathrm{oU}}=\frac{B \cap G}{B \cup G} $ | (10) |
对于目标检测中的分类问题,可以根据目标的真实类别和预测类别的组合,将样本划分真正例(true positive)、真负例(true negative)、假正例(false positive)、假负例(false negative)4种情况,令TP、TN、FP、FN分别为其对应的样本数量,则在给定IoU阈值下,可以根据式(11)和式(12)计算样本预测的查准率P和查全率R。P为被正确检测的样本数量占所有被检测到的样本数量的比例,R为被正确检测的样本数量占应该被检测到的样本数量的比例。查准率和查全率相互制约,为了综合评价算法有效性,采用平均精度AP(average precision)进行评价,以R为横坐标,P为纵坐标,可以得到一条P - R曲线,如式(13)所示AP为该曲线所包围的面积。
$ P=\frac{T_{\mathrm{P}}}{T_{\mathrm{P}}+F_{\mathrm{P}}} $ | (11) |
$ R=\frac{T_{\mathrm{P}}}{T_{\mathrm{P}}+F_{\mathrm{N}}} $ | (12) |
$ A_{\mathrm{P}}=\int\limits_0^1 P \mathrm{~d} R $ | (13) |
多类别检测时,如式(14)所示每一个类别i都对应一个AP值,一共有n种类别。mAP(mean average precision)为所有类别AP值的平均值,IoU阈值为0.5时得到mAP.5,IoU阈值为0.75时对于定位要求更严格,可得到mAP.75用于反映模型的定位能力。
$ m_{\mathrm{AP}}=\frac{\sum\limits_{i=1}^n A_{\mathrm{P}, i}}{n} $ | (14) |
除了评价精度,为了评价模型的检测效率,还采用每秒帧数(frame/s)评估模型的速度,frame/s表示检测器一秒钟能够检测的帧数,30 frame/s为进行实时检测的最低标准。
3.3 实验结果与分析如表 1所示通过强实时数据增强的方式在SeaShips7000上对YOLOv3进行训练作为基线,基线模型在训练后在测试集上的mAP.5达到了91.69%,在矿砂船、散货船、杂货船、集装箱船这些大型船舶目标上检测AP.5达到了93%以上,但由于数据量较少训练出的模型细节特征提取能力不足导致在渔船、客船这类小型船舶目标上检测性能较差,模型的定位能力较弱,mAP.75仅有49.64%。在COCO 2017上预训练后模型的特征提取能力与定位能力都得到了加强,在小型船舶目标的检测性能提升到93%以上,mAP.5由91.69%提升到96.47%得到了较大提升,并且mAP.75提升到69.89%表明了目标定位的性能得到很大的改善。提出的改进模型通过SimAM注意力机制调整目标与干扰的权重信息,抑制了背景特征的干扰,增强了船舶目标特征的强度,有效改善了原始模型在小目标检测性能,与预训练模型相比易受背景干扰影响的小型目标渔船、客船的AP.5分别提高了0.37%与1.58%,模型的目标定位能力也得到了提升,与预训练模型相比mAP.75提高了1.6%。
为了进一步说明改进模型的有效性,通过主干网络提取出的特征图可视化对提出改进模型性能提升原因做出了阐述。如图 8(c)所示预训练模型特征相比于图 8(b)中基线模型特征经过预训练后模型提取的特征更加丰富,对于细节特征的提取能力得到了很大增强,使得模型的mAP.5与mAP.75均得到了较大提升。图 8(d)中提出的SimAM改进模型特征与预训练模型特征相比,在不同的场景下船舶目标处特征响应强度显著高于预训练模型特征,这主要因为在注意力机制作用下船舶特征的权重被加强,使得改进模型更加关注于检测的船舶目标特征。在增强了船舶目标特征提取能力的同时,对于水面波动与天空中云影等无关特征在改进模型中也得到了有效的抑制。通过引入SimAM注意力机制使得船舶检测任务中背景干扰特征强度得到抑制、船舶目标特征得到增强,从而实现了改进模型的检测性能提升。
如表 2所示对于不同注意力机制进行了对比实验,引入SimAM注意力机制的改进模型相比于其他类型的注意力机制[18]能够直接评估神经元的3D权重,因此对于模型定位能力的提升最高mAP.75达到了71.49%,在不引入额外学习参数的情况下对检测精度进行了有效提升。并且SimAM具有计算量小的优势,在提升检测精度的同时能保持较高的运行效率,达到了66.16 frame/s。综合来看SimAM改进模型在模型参量、检测精度提升与运行效率方面得到了较好的均衡。
在SeaShips数据集上,如表 3所示提出的模型与Saliency-aware CNN通过海岸线提取减少背景干扰区域的方式相比, 更少受到水域形状变化影响,且与额外计算显著图改善定位相比计算代价更小,因此使用SimAM注意力机制抑制背景干扰、提升模型特征提取能力更加有效,在提升检测精度的同时保持了更高的检测效率。Liu等[9]提出的不确定性边框回归与改进损失函数相结合的eYOLOv3模型与Saliency-aware CNN相比在渔船小目标上提升效果显著,但该方法主要通过间接的后处理方式来改善检测效果,与提出的改进模型可直接抑制无关干扰、优化目标特征相比,未能直接改善模型特征提取能力,导致总体提升效果一般。与检测精度较高的两阶段Faster R-CNN相比,改进模型采用了更高效的一阶段YOLOv3为基线,因此维持了较高的检测效率。在SeaShips数据集上mAP.5检测性能对比表明了提出的引入SimAM注意力机制的改进模型通过预训练迁移学习与强实时数据增强结合能够有效地提高网络特征提取与目标定位能力,与Faster R-CNN、Saliency-aware CNN、eYOLOv3相比在各类大尺寸与小尺寸船舶目标的检测精度与效率上均得到了提高。
为了验证本文提出SimAM改进模型的泛化能力,在新加坡海事数据集上进行了模型泛化性的验证,使用的数据由岸上采集视频中抽取的图像组成,其中包含6种类别的船舶,使用的图像数据中训练集3 926张、验证集1 962张和测试集2 508张。将在SeaShips数据集上预训练的模型在新加坡海事数据集上进行迁移学习,如表 4所示提出的改进模型在Ferry、Sailboat、Vessel/ship类别船舶目标检测上达到了88%以上,与基线模型YOLOv3相比在船舶目标类别检测上mAP.5由70.23%提升到81.81%有了较大改善,验证了提出的改进模型在船舶检测任务上具有较好的泛化能力。
针对船舶目标检测任务中复杂背景特征对船舶目标检测造成干扰的问题,提出了引入SimAM注意力机制的YOLOv3改进模型,通过注意力机制对背景特征的干扰进行了抑制,增强了模型对船舶目标特征提取能力,提高了模型定位准确性。在样本数量受限情况下,结合迁移学习与强实时数据增强的方法, 改善了船舶目标尺寸分布不均、小目标检测性能差的问题。提出的改进模型在不引入额外可学习参数的情况下, 在SeaShips数据集上与Saliency-aware CNN、eYOLOv3相比提高检测精度的同时保持了较高检测效率。与基线模型在SMD上的检测性能对比, 验证了提出的改进模型在船舶检测任务上具有较好的泛化能力。
[1] |
LI Linhao, ZHOU Zhiqiang, WANG Bo, et al. A novel CNN-based method for accurate ship detection in HR optical remote sensing images via rotated bounding box[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 59(1): 686. DOI:10.1109/TGRS.2020.2995477 |
[2] |
LIU Tao, YANG Ziyuan, MARINO A, et al. PolSAR ship detection based on neighborhood polarimetric covariance matrix[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 59(6): 4874. DOI:10.1109/TGRS.2020.3022181 |
[3] |
SHAO Zhenfeng, WANG Linggang, WANG Zhongyuan, et al. Saliency-aware convolution neural network for ship detection in surveillance video[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2019, 30(3): 781. DOI:10.1109/TCSVT.2019.2897980 |
[4] |
ZHANG Yang, LI Qingzhong, ZANG Fengni. Ship detection for visual maritime surveillance from non-stationary platforms[J]. Ocean Engineering, 2017, 141: 53. DOI:10.1016/j.oceaneng.2017.06.022 |
[5] |
KIM K, HONG S, CHOI B, et al. Probabilistic ship detection and classification using deep learning[J]. Applied Sciences, 2018, 8(6): 936. DOI:10.3390/app8060936 |
[6] |
LEE S J, ROH M I, OH M J. Image-based ship detection using deep learning[J]. Ocean Systems Engineering, 2020, 10(4): 415. DOI:10.12989/ose.2020.10.4.415 |
[7] |
PRASAD D K, RAJAN D, RACHMAWATI L, et al. Video processing from electro-optical sensors for object detection and tracking in a maritime environment: a survey[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(8): 1993. DOI:10.1109/TITS.2016.2634580 |
[8] |
SHAO Zhenfeng, WU Wenjing, WANG Zhongyuan, et al. SeaShips: a large-scale precisely annotated dataset for ship detection[J]. IEEE Transactions on Multimedia, 2018, 20(10): 2593. DOI:10.1109/TMM.2018.2865686 |
[9] |
LIU R W, YUAN W, CHEN X, et al. An enhanced CNN-enabled learning method for promoting ship detection in maritime surveillance system[J]. Ocean Engineering, 2021, 235: 109435. DOI:10.1016/j.oceaneng.2021.109435 |
[10] |
NIE Xin, YANG Meifang, RYAN W L. Deep neural network-based robust ship detection under different weather conditions[C]//Proceedings of IEEE Intelligent Transportation Systems Conference (ITSC). Piscataway: IEEE, 2019: 47. DOI: 10.1109/ITSC.2019.8917475
|
[11] |
REN Shaoqing, HE Kaiming, GIRSHICK R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 39(6): 1137. DOI:10.1109/TPAMI.2016.2577031 |
[12] |
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. Piscataway: IEEE, 2016: 779. DOI: 10.1109/CVPR.2016.91
|
[13] |
REDMON J, FARHADI A. YOLO9000: better, faster, stronger[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2017: 7263. DOI: 10.1109/CVPR.2017.690
|
[14] |
REDMON J, FARHADI A. YOLOv3: an incremental improvement[Z/OL]. (2018-04-08). https://arxiv.org/abs/1804.02767
|
[15] |
BOCHKOVSKIY A, WANG C Y, LIAO H Y M. YOLOv4: optimal speed and accuracy of object detection[Z/OL]. (2020-04-23) https://arxiv.org/abs/2004.10934
|
[16] |
GE Zheng, LIU Songtao, WANG Feng, et al. YOLOX: exceeding YOLO series in 2021[Z/OL]. (2021-07-18). https://arxiv.org/abs/2107.08430
|
[17] |
WANG C Y, YEH I H, LIAO H Y M. You only learn one representation: unified network for multiple tasks[Z/OL]. (2021-05-10). https://arxiv.org/abs/2105.04206
|
[18] |
徐诚极, 王晓峰, 杨亚东. Attention-YOLO: 引入注意力机制的YOLO检测算法[J]. 计算机工程与应用, 2019, 55(6): 13. XU Chengji, WANG Xiaofeng, YANG Yadong. Attention-YOLO: YOLO detection algorithm that introduces attention mechanism[J]. Computer Engineering and Applications, 2019, 55(6): 13. DOI:10.3778/j.issn.1002-8331.1812-0010 |
[19] |
YANG Lingxiao, ZHANG Ruyang, LI Lida, et al. SimAM: a simple, parameter-free attention module for convolutional neural networks[C]//Proceedings of the 38th International Conference on Machine Learning. New York: PMLR, 2021: 11863.
|
[20] |
HU J, SHEN L, SUN G. Squeeze-and-excitation networks[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018: 7132. DOI: 10.1109/TPAMI.2019.2913372
|
[21] |
WOO S, PARK J, LEE J Y, et al. CBAM: convolutional block attention module[C]//Proceedings of the 15th European Conference on Computer Vision. Cham: Springer, 2018: 3. DOI: 10.1007/978-3-030-01234-2_1
|