基于深度卷积神经网络的航空器检测与识别

Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　ＩＳＳＮ　１００１．９０８１　２０１７．０６．１０　计算机应用，２０１７，３７（６）：１７０２—１７０７，１７１５　文章编号：１００１—９０８１（２０１７）０６—１７０２—０６　ＣＯＤＥＮ　ＪＹＩＩＤＵ　ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｃｎ　ＤＯＩ：１０．１１７７２／ｊ．ｉｓｓｎ．１００１—９０８１．２０１７．０６．１７０２　基于深度卷积神经网络的航空器检测与识别　俞汝劫　，杨　贞　，熊惠霖　（１．上海交通大学电子信息与电气工程学院，上海２００２４０；　２．上海交通大学计算机模式识别实验室，上海２００２４０）　（　通信作者电子邮箱５１００３０９３４９＠ｓｊｔｕ．ｅｄｕ．ｅｎ）　摘要：针对军用机场大尺寸卫星图像中航空器检测识别的具体应用场景，建立了一套实时目标检测识别框架，　将深度卷积神经网络应用到大尺寸图像中的航空器目标检测与识别任务中。首先，将目标检测的任务看成空间上独　立的ｂｏｕｎｄｉｎｇ—ｂｏｘ的回归问题，用一个２４层卷积神经网络模型来完成ｂｏｕｎｄｉｎｇ—ｂｏｘ的预测；然后，利用图像分类网络　来完成目标切片的分类任务。大尺寸图像上的传统目标检测识别算法通常在时闻效率上很难突破，而基于卷积神经　网络的航空器目标检测识别算法充分利用了计算硬件的优势，大大缩短了任务耗时。在符合应用场景的自采数据集　上进行测试，所提算法目标检测实时性达到平均每张５．７６５　ｓ，在召回率６５．１％的工作点上达到了７９．２％的精确率，　分类网络的实时性达到平均每张０．９７２　ｓ，Ｔｏｐ一１错误率为１３％。所提框架在军用机场大尺寸卫星图像中航空器检测　识别的具体应用问题上提出了新的解决思路，同时保证了实时性和算法精度。　关键词：深度学习；卷积神经网络；航空器检测；目标检测识别　中图分类号：ＴＰ３９１．４１　文献标志码：Ａ　Ａｉｒｃｒａｆｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｄｅｅｐ　ｃｏｎｖｏｌｕｔｉｏｎａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　Ｙｕ　Ｒｕｊｉｅ　．ＹＡＮＧ　Ｚｈｅｎ　．ＸＩＯＮＧ　Ｈｕｉｌｉｎ　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ　Ｊｉａｏ　Ｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２４０，Ｃｈｉｎａ；　２．Ｃｏｍｐｕｔｅｒ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｌａｂｏｒａｔｏｒｙ，Ｓｈａｎｇｈａｉ　Ｊｉａｏ　Ｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２４０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｓｐｅｃｉｆｉｃ　ａｐｐｌｉｃａｔｉｏｎ　ｓｃｅｎａｒｉｏ　ｏｆ　ａｉｒｃｒａｆｔ　ｄｅｔｅｃｔｉｏｎ　ｉｎ　ｌａｒｇｅ—ｓｃａｌｅ　ｓａｔｅｌｌｉｔｅ　ｉｍａｇｅｓ　ｏｆ　ｍｉｌｉｔａｒｙ　ａｉｒｐｏｒｔｓ，ａ　ｒｅａｌ—ｔｉｍｅ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｆｒａｍｅｗｏｒｋ　ｗａｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ｄｅｅｐ　Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ（ＣＮＮ）　ｗａｓ　ａｐｐｌｉｅｄ　ｔｏ　ｔｈｅ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ｔａｓｋ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｔａｓｋ　ｏｆ　ａｉｒｃｒａｆｔ　ｉｎ　ｌａｒｇｅ—ｓｃａｌｅ　ｓａｔｅｌｌｉｔｅ　ｉｍａｇｅｓ．Ｆｉｒｓｔｌｙ，ｔｈｅ　ｔａｓｋ　ｏｆ　ａｉｒｃｒａｆｔ　ｄｅｔｅｃｔｉｏｎ　ｗａｓ　ｒｅｇａｒｄｅｄ　ａｓ　ａ　ｒｅｇｒｅｓｓｉｏｎ　ｐｒｏｂｌｅｍ　ｏｆ　ｔｈｅ　ｓｐａｔｉａｌｌｙ　ｉｎｄｅｐｅｎｄｅｎｔ　ｂｏｕｎｄｉｎｇ—ｂｏｘ，ａｎｄ　ａ　２４一ｌａｙｅｒ　ｃｏｎｖｏｌｕｔｉｏｎａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｍｏｄｅｌ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｃｏｍｐｌｅｔｅ　ｔｈｅ　ｂｏｕｎｄｉｎｇ—ｂｏｘ　ｐｒｅｄｉｃｔｉｏｎ．Ｔｈｅｎ，ａｎ　ｉｍａｇｅ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｎｅｔｗｏｒｋ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｃｏｍｐｌｅｔｅ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｔａｓｋ　ｏｆ　ｔｈｅ　ｔａｒｇｅｔ　ｓｌｉｃｅｓ．Ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｏｎ　ｌａｒｇｅ—ｓｃａｌｅ　ｉｍａｇｅｓ　ｉｓ　ｕｓｕａｌｌｙ　ｄｉｉｃｕｌｆｔ　ｔｏ　ｍａｋｅ　ａ　ｂｒｅａｋｔｈｒｏｕｇｈ　ｉｎ　ｔｉｍｅ　ｅｆｉｃｉｆｅｎｃｙ．Ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｆｒａｍｅｗｏｒｋ　ｏｆ　ａｉｒｃｒａｆｔ　ｂａｓｅｄ　ｏｎ　ＣＮＮ　ｍａｋｅｓ　ｆｕｌｌ　ｕｓｅ　ｏｆ　ｔｈｅ　ａｄｖａｎｔａｇｅｓ　ｏｆ　ｃｏｍｐｕｔｉｎｇ　ｈａｒｄｗａｒｅ　ｇｒｅａｔｌｙ　ａｎｄ　ｓｈｏｒｔｅｎｓ　ｔｈｅ　ｅｘｅｃｕｔｉｎｇ　ｔｉｍｅ．Ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｆｒａｍｅｗｏｒｋ　ｗａｓ　ｔｅｓｔｅｄ　ｏｎ　ａ　ｓｅｒｆ－ｃｏｌｌｅｃｔｅｄ　ｄａｔａ　ｓｅｔ　ｃｏｎｓｉｓｔｅｎｔ　ｗｉｔｈ　ａｐｐｌｉｃａｔｉｏｎ　ｓｃｅｎａｒｉｏｓ．Ｔｈｅ　ａｖｅｒａｇｅ　ｔｉｍｅ　ｏｆ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｆｒａｍｅｗｏｒｋ　ｉｓ　５．７６５　ｓ　ｆｏｒ　ｐｒｏｃｅｓｓｉｎｇ　ｅａｃｈ　ｉｎｐｕｔ　ｉｍａｇｅ，ｍｅａｎｗｈｉｌｅ，ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ｉｓ　７９．２％ａｔ　ｔｈｅ　ｏｐｅｒａｔｉｎｇ　ｐｏｉｎｔ　ｗｉｔｈ　ｔｈｅ　ｒｅｃａｌｌ　ｏｆ　６５．１％．Ｔｈｅ　ａｖｅｒａｇｅ　ｔｉｍｅ　ｏｆ　ｔｈｅ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｎｅｔｗｏｒｋ　ｉｓ　０．９７２　ｓ　ｆｏｒ　ｅａｃｈ　ｉｍａｇｅ　ａｎｄ　ｔｈｅ　Ｔｏｐ．１　ｅｒｒｏｒ　ｒａｔｅ　ｉｓ　１３％．　Ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｆｒａｍｅｗｏｒｋ　ｐｒｏｖｉｄｅｓ　ａ　ｎｅｗ　ｓｏｌｕｔｉｏｎ　ｆｏｒ　ａｐｐｌｉｃａｔｉｏｎ　ｐｒｏｂｌｅｍ　ｏｆ　ａｉｒｃｒａｆｔ　ｄｅｔｅｃｔｉｏｎ　ｉｎ　ｌａｒｇｅ—ｓｃａｌｅ　ｓａｔｅｌｌｉｔｅ　ｉｍａｇｅｓ　ｏｆ　ｍｉｌｉｔａｒｙ　ａｉｒｐｏｒｔｓ　ｗｉｔｈ　ｒｅｌａｔｉｖｅｌｙ　ｈｉｇｈ　ｅｆｉｃｉｆｅｎｃｙ　ａｎｄ　ｐｒｅｃｉｓｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｄｅｅｐ　ｌｅａｒｎｉｎｇ；Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ（ＣＮＮ）；ａｉｒｃｒａｆｔ　ｄｅｔｅｃｔｉｏｎ；ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　０　引言　目标检测识别是利用计算机技术对图像进行解译，并检　测识别出不同种类的目标和对象，是计算机视觉领域的一个　等高新科技产业以及生物学、医学和地质学等众多学科领域　具有广阔的应用前景　。而特定目标的检测这种对于人来　说是再简单不过的任务，计算机却很难直接得到图像中的高　层语义概念，也不清楚目标出现在图像中哪个区域。图像中　的目标可能出现在任何位置，目标的形态可能存在各种各样　的变化，背景千差万别，再加上遮挡问题、光照变化等众多难　主要研究方向，在以图像为主体的智能化数据采集与处理中　具有十分重要的作用和影响。它能够有效地处理特定目标物　体的检测和识别、图像的分类标注以及主观图像质量评估等　问题。目前图像检测识别技术在图像搜索、商品推荐、用户行　为分析以及人脸识别等互联网应用产品中具有巨大的商业市　点的存在，导致特定目标检测并不是一个容易解决的任务，一　直以来都是模式识别与计算机视觉研究领域中极为活跃的问　题。　场和良好的应用前景，同时在智能机器人、自动驾驶和无人机　在传统模式识别方法的系统框架中，通常需要相当专业　收稿日期：２０１６－１０－１２；修回日期：２０１７—０２—１０。　基金项目：国家自然科学基金资助项目（６１３７５００８）。　作者简介：俞汝劫（１９９２一），男，上海人，硕士研究生，主要研究方向：图像解译与评估；杨贞（１９８５一），男，山东菏泽人，博士研究生，主要　研究方向：模式识别、计算机视觉；熊惠霖（１９６４一），男，湖北黄冈人，教授，博士，主要研究方向：基于核方法的非线性模式识别和机器学习、图　像处理、机器视觉、生物信息学。　第６期　俞汝劫等：基于深度卷积神经网络的航空器检测与识别　１７０３　的知识来设计一个特征提取模块，把原始数据转换成一个适　当的特征表示或特征向量，之后则是利用合适的分类器，对输　离当前ｐａｔｃｈ中心的位置的信息；２）建立Ｈｏｕｇｈ　Ｆｏｒｅｓｔ可以优　化投票性能，叶子节点投票时的不确定度将降低。　入的样本进行检测或分类。因此传统的模式识别方法会在特　征选择和分类器选择上耗费研究人员绝大部分的精力。纵观　Ｈｏｕｇｈ　Ｆｏｒｅｓｔ实现目标检测算法流程如下：　１）训练部分。利用有监督的方式训练Ｈｏｕｇｈ　Ｆｏｒｅｓｔ：训　练数据特征提取；叶子节点存储总的类别构成和偏移量以形　成码本；每个节点得到很多ｐａｔｃｈ，如果达到成为叶子节点的　标准，该节点作为叶子节点；否则进行二值测试，将节点上的　ｐａｔｃｈ拆分给子节点。　二值测试的过程：给定一些ｐａｔｃｈ，其集合设为Ａ，且Ａ＝　｛Ｐ　：（ｔ，ｃ　，ｄ　）｝，其中，　表示第　个ｐａｔｃｈ，ｃ　为其类标，ｄ　为　近十年关于目标检测问题的研究，经典算法ＤＰＭ（Ｄｅｆｏｒｍａｂｌｅ　Ｐａｒｔｓ　Ｍｏｄｅ１）在方向梯度直方图（Ｈｉｓｔｏｇｒａｍ　ｏｆ　Ｏｒｉｅｎｔｅｄ　Ｇｒａｄｉｅｎｔ，ＨＯＧ）特征　的设计思路上进行改进，连续获得了　三年ＰＡＳＣＡＬ．ＶＯＣ（Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ，Ｓｔａｔｉｓｔｉｃａｌ　ｍｏｄｅｌｌｉｎｇ　ａｎｄ　ＣｏｍｐｕｔＡｔｉｏｎａｌ　Ｌｅａｒｎｉｎｇ　Ｖｉｓｕａｌ　Ｏｂｊｅｃｔ　Ｃｌａｓｓｅｓ）比赛的目标检测　冠军　；２００９年Ｇａｌｌ等　提出了一种霍夫森林（Ｈｏｕｇｈ　Ｆｏｒｅｓｔ）算法，在隐式形状模型（Ｉｍｐｌｉｃｉｔ　Ｓｈａｐｅ　Ｍｏｄｅｌ，ＩＳＭ）　的基础上作了改进，训练特定类目标的Ｈｏｕｇｈ　Ｆｏｒｅｓｔ投票模　型并根据各个部分对目标中心的投票结果，完成目标检测任　务。传统的模式识别方法实现的目标检测算法通常需要的训　练数据规模不大，时间成本较低，然而普遍具有对噪声敏感、　实时性低、模型泛化能力差等缺点。　深度学习作为机器学习的一个分支，属于特征学习方法，　计算机能够自发地把原始数据通过一些简单的非线性映射关　系组合转变成为更高层次、更加抽象的表达。并且通过足够　多的转换组合，能学习到极为复杂的模型。与此同时，更深层　的表达能够强化输入数据的判别性，并削弱不相关因素的影　响Ｅ６１。２００６年，Ｈｉｎｔｏｎ等　第一次提出了深度学习的思想，　主要提出了两个观点：１）多隐层的神经网络具有强大的特征　学习能力，通过训练模型所提取的特征对原始输入数据生成　更抽象、更体现本质的表述，从而有利于解决特征可视化或分　类问题；２）通过无监督学习算法实现一种称作“逐层初始化”　的方法，针对梯度在传播过程中消失的问题，有效地降低深度　神经网络的训练难度。随后，深度学习的研究在学术界和工　业界持续升温，并且在语音识别、图像识别和自然语言处理等　领域获得了突破性的进展。仅仅一年之后，基于卷积神经网　络（Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒｌａ　Ｎｅｔｗｏｒｋ，ＣＮＮ）的深度学习模型在大　规模图像分类任务上大幅提高了分类精度，掀起了深度学习　研究的热潮川。同时，基于卷积神经网络解决目标检测识别　问题的研究热度也呈现出爆发态势的增长。在目标检测领　域，Ｒｏｓｓ　Ｇｉｒｓｈｉｃｋ于２０１４年发表的Ｒ．ＣＮＮ算法　Ｊ，开创性地　结合了Ｒｅｇｉｏｎ—Ｐｒｏｐｏｓｌａ和ＣＮＮ，将目标检测任务转化为图像　分类任务，在ＰＡＳＣＡＬ　ＶＯＣ　２００７数据集上的ｍＡＰ（ｍｅａｎ　Ａｖｅｒａｇｅ　Ｐｒｅｃｉｓｉｏｎ）达到了５８％。之后在此基础上，改进版Ｒ－　ＣＮＮ——Ｆａｓｔ　Ｒ—ＣＮＮ　和Ｆａｓｔｅｒ．ＲＣＮＮ　被陆续提出，为该　领域的发展作出了巨大贡献。深度卷积神经网络实现的目标　检测算法充分利用了图形处理器（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ，　ＧＰＵ）等现代硬件优势，实时性相对更高，同时得益于百万甚　至千万级别的训练样本规模，模型的泛化能力和鲁棒性也得　到了显著增强。　１　相关工作　１．１　Ｈｏｕｇｈ　Ｆｏｒｅｓｔ目标检测　通过训练特定目标类别的Ｈｏｕｇｈ　Ｆｏｒｅｓｔ，由各个尺度不变　特征转换（Ｓｃａｌｅ－Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）特征ｐａｔｃｈ　对物体的中心位置投票，选取局部极值作为物体的中心。　Ｈｏｕｇｈ　Ｆｏｒｅｓｔ具有如下特点：１）叶子节点保存具有判别性的　码本，包含一个ｐａｔｃｈ是来自物体还是来自背景，物体中心距　离中心的偏移量；均匀采样得到一系列测试像素，然后随机选　择最小化类别不确定性或者偏移量不确定性。类别不确定性　表达式为：　（Ａ）＝ｌ　Ａ　Ｉ・Ｅｎｔｒｏｐｙ（｛Ｃ　｝）　（１）　式中：Ｅｎｔｒｏｐｙ（ｔ　Ｃ　｝）定义为Ｅ（｛Ｃ　｝）～Ｃ　ｌｏｇ　Ｃ一（１一Ｃ）・　ｌｏｇ（１一ｃ），式（１）用来衡量类别不纯度。　偏移量不纯度表达式为：　Ｕ２（Ａ）＝∑（ｄ　一ｄａ）　（２）　ｉ：ｃｉ＝１　均匀抽样后产生一系列测试像素｛ｔ　｝，对其不确定性求　和：　ａｒｇ　ａｒｉｎ（ｕ（｛Ｐ　ｌ　ｔ　（　＝０｝）＋Ｕ｛Ｐ　Ｉ　ｔ　（　）＝１｝）　（３）　其中随机选取可以保证叶子节点的类别不确定性和偏移　量不确定性都比较低　。　２）检测部分。将测试图像按尺度缩放，建立图像金字　塔，目的是提取不同尺度下的特征。　３）将每一个特征ｐａｔｃｈ输入Ｈｏｕｇｈ　Ｆｏｒｅｓｔ各个尺度内进　行投票。在Ｈｏｕｇｈ空间内搜索局部极值作为目标中心候选　点。最后用非极大值抑制去除冗余目标中心，输出目标。　本文选择尺度不变性特征（ＳＩＴＦ）［１２ｊ实现针对航空器目　标的Ｈｏｕｇｈ　Ｆｏｒｅｓｔ算法来作对比实验。该算法相对其他的传　统目标检测算法有一定速度上的优势，但仍然有很多明显的　缺陷，比如对于大尺寸检测图像来说，建立多层图像金字塔的　空间和时间成本并不低；投票仅能实现对目标中心的预测，预　设了同尺度下ｂｏｕｎｄｉｎｇ—ｂｏｘ的大小不变的前提。　１．２　ＹＯＬＯ实时目标检测　ＹＯＬＯ算法将目标检测和识别作为回归问题来解决，提　出了一种端到端的算法同时完成这两个任务　。　ＹＯＬＯ目标检测算法流程如下：　１）给定输入图像，将图像划分成７×７网格。　２）对于每个网格，通过卷积神经网络预测２个ｂｏｕｎｄｉｎｇ—　ｂｏｘｏ　３）调整阈值去除置信度过低的目标，用非极大值抑制去　除冗余ｂｏｕｎｄｉｎｇ—ｏｂｘ。　ＹＯＬＯ算法将Ｅｔ标检测任务转换成一个回归问题，大幅　提高了检测的速度，达到了４５　ｆｒａｌｎｅ／ｓ。在网络结构上，ＹＯＬＯ　采用了２４层卷积层加２层全连接层的结构，因此最终的分类　器能够很好地整合图像的全局信息，在充分的上下文关系帮　助下，使得虚警出现的比例大幅降低。然而ＹＯＬＯ也存在一　个关键问题：使用了７×７的网格回归，导致目标定位误差大，　检测精度受到限制，同时也无法检测到过小的目标。　１７０４　１．３　ＡｌｅｘＮｅｔ图像分类网络　计算机应用　第３７卷　如图１所示。ＡｌｅｘＮｅｔ在细节处理方面结合了文献［１４］的改　进方法，使用了ＲｅＬＵ作为激活函数，并使用了Ｄｒｏｐｏｕｔ的方　式防止过拟合现象。ＡｌｅｘＮｅｔ中一层完整的卷积层包括了卷　积、ＲｅＬＵ、Ｍａｘ—ｐｏｏｌｉｎｇ以及Ｎｏｒｍａｌｉｚａｔｉｏｎ四个部分。最后对　ＡｌｅｘＮｅｔ获得了ＩＬＳＶＲＣ２０１２图像分类第一名，是近几年　卷积神经网络在图像方面应用的里程碑式模型　。ＡｌｅｘＮｅｔ　采用了５层卷积层加３层全连接层的结构，相对卷积神经网　络的经典模型ＬｅＮｅｔ来说复杂了许多。ＡｌｅｘＮｅｔ的网络架构　训练数据作了增量处理，再次降低了过拟合的风险。　１９２　ｌ２８　Ｍａｘ　２０４８　ｐｏｏｌｉｎｇ　２０４８　１０００　图１　ＡｌｅｘＮｅｔ网络结构　Ｆｉｇ．１　Ｎｅｔｗｏｒｋ　ａｒｃｈｉｔｅｃｔｕｒｅ　ｏｆ　ＡｌｅｘＮｅｔ　２　基于ＣＮＮ的目标检测识别框架　２．１卷积神经网络　卷积神经网络是可以用作处理多维数组类型的数据的算　积和池化层灵感直接来源于视觉神经科学中的简单细胞和复　杂细胞”　，它们以ＬＮＧ－Ｖ１一Ｖ２．Ｖ４一ＩＴ层级结构形成视觉回　路　。卷积神经网络与神经认知的架构有点相似¨　，不过　在神经认知中并没有类似反向传播算法这种端到端的监督学　习算法。　２．２航空器检测识别　法，三通道的ＲＧＢ图像就是一个典型的例子，它的四个关键　部分分别是：局部连接、权值共享、池化以及多层卷积。　一个典型的卷积神经网络结构由这样一系列步骤组成：　本文所设计框架的应用场景是：针对对地卫星拍摄的包　含军用机场的大尺寸光学图像，需要分别输出航空器目标的　定位框和航空器类型识别结果。受限于应用场景的规定，本　框架需要分别完成ｂｏｕｎｄｉｎｇ－ｂｏｘ检测和类型识别两个模块，　并各自配有可视化输出。由于项目对目标检测的要求较高，　第一个阶段包含卷积层和池化层，卷积层单元（卷积核）位于　特征图（Ｆｅａｔｕｒｅ　Ｍａｐ）中，每一个卷积核通过一组权值和上一　层的特征图的某个局部块作卷积，即局部连接；然后将这个加　权和传递给一个非线性激活函数，例如Ｓｉｇｍｏｉｄ函数或者　ＲｅＬＵ。同一个特征图中所有单元共享权值，不同层的特征图　则使用不同的权值，即权值共享。显而易见，权值共享大大减　提高检测率的同时还要保证实时性。与此同时，通过观察数　据集，发现各类的训练数据不均衡，因此直接采用检测一识别　少权重参数的数量。使用局部连接和权值共享能够起作用主　要是因为：通常一个特征点附近的值是高度相关的，可以形成　同时完成的框架，会导致检测率和识别率大幅降低。综合考　虑各个因素，本文提出了融合两个网络来完成航空器目标检　测识别任务。　比较容易被探测到的有区分性的局部特征；其次，不同位置局　部统计特征不太相关，也就是说在一个地方出现的某个特征　可能会出现在别的地方，所以不同位置的单元可以共享权值。　卷积层的作用是感知上一层特征的局部连接，然而池化层的　作用则是在语义上把相似的特征合并起来，因为形成同一个　主题的特征的相对位置通常会不太一样。池化单元一般会计　如图２所示，本文算法流程大致可分为预处理输入图像、　目标检测、类型识别、以及输出综合结果四个阶段。　ｉ　算特征图中某一个局部块的最大值，相邻的池化单元通过移　动一行或者一列来从块上读取数据。多个卷积层、非线性变　换以及池化层串联起来，最后再加上全连接层，就构成了一组　【预处理】　——Ｔ—　垦堡）　ｉ　类型识别网络】　ｉ　ｌ　Ｉ　卷积神经网络的主体。在实际应用中，往往使用多层卷积的　方式，因为层数越多，越能学习到更高语义的特征。　神经网络所利用的很多自然信号是具有明显层级特征的　属性，其中高级的特征是通过对低级特征的组合来实现的。　【　型　墨　当Ｈ重建笪堡　当　盒　墨）　图２本文算法流程　Ｆｉｇ．２　Ｆｌｏｗ　ｃｈａｒｔ　ｏｆ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ａｌｇｏｒｉｔｈｍ　在图像中，边缘的组合形成基本图案，这些图案形成物体的局　部，然后再构成物体。这种层级结构也存在于语音数据以及　文本数据中，如：电话中的声音和音节、文档中的单词和句子。　当输人数据在前一层中的位置有变化的时候，池化操作使得　这些特征表示对这些变化具有鲁棒性。卷积神经网络中的卷　２．２．１检测网络　检测部分，本文在ＹＯＬＯ算法的基础上作了改进，ＹＯＬＯ　关键问题是采用网格分割图像导致的检测精度下降以及检测　过小目标的问题。　图３给出了目标检测部分的网络架构，由２４个级联的卷　第６期　积层以及２个全连接层构成。　俞汝劫等：基于深度卷积神经网络的航空器检测与识别　１７０５　像保持与网络输入层的目标尺寸接近，这样做能有效防止在　缩放过程中出现过小目标因而无法检测。同时，带重叠区域　的分割策略能避免目标被错分割，从而影响检测结果。图４　给出了预处理过程中分割步骤的例图，本例中对原图进行了　２×５的分割策略。　针对实际应用场景，本文主要有两点改进：１）简化　Ｐｒｅｄｉｃｔｉｏｎ．Ｔｅｎｓｏｒ，同时增加网格数量，在保证参数基本不增　加的情况下完成更为精确的￣）ｕｎｄｉｎｇ—ｂｏｘ预测。２）在预处理　部分对图像作参数自适应的带重叠区域分割，使分割后的图　卷积层　８　６　６　２　＝．２一一一一　一　／／１　一　４４８　鋈　圄　接层　熹甭　图３目标检测网络结构　移ｌ　小　ｒｌ×一＝一一三Ｉｌ，一二一　蕈１　Ｆｉｇ．３　Ｎｅｔｗｏｒｋ　ａｒｃｈｉｔｅｃｔｕｒｅ　ｏｆ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　层　Ⅲ一＝一一积　一＝一【　＝　印　一　）：｛．ｙｔ＇　ｙｔ＞０　Ｌａ　，　ｙ　≤０　（５）　其中：Ｙ　是非线性函数，（Ｙ　）的输入；Ⅱ　协同作用在函数非正　区域的效率上，是各个通道下网络在训练过程中学习到的参　数。虽然使用ＲｅＬＵ一定程度上增加了参数的个数，这与整个　网络所需要学习的参数个数相比是可以忽略的，因此由。　增　加的过拟合风险可以忽略。　训练过程中对ｏ．的更新加入了动量　，如式（６）：　Ａａ　：＝／ｚＡａ　＋Ｅ占　（６ａ　）　（６）　（ａ）输入图像　雠　其中：Ｅ是学习率；ｓ为目标函数。　损失函数（１ｏｓｓ　ｆｕｎｃｔｉｏｎ）的作用是估计模型的预测值与　真值的差别，它是经验风险函数的核心部分，也是结构风险函　数重要组成部分，通常被设计为一个非负实值函数，损失函数　越小，模型的性能就越好。模型的学习过程可以认为是一个　最优化目标损失函数的过程。在损失函数的设计上，本文采　用的是较易优化的误差平方和，来对模型进行训练。简单的　（ｂ）分割后图像　图４分割预处理示意图　Ｆｉｇ．４　Ｓｃｈｅｍａｔｉｃ　ｄｉａｇｒａｍ　ｏｆ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｐｒｅｐｒｏｅｅｓｓｉｎｇ　误差平方和应用在本文的Ｐｒｅｄｉｃｔｉｏｎ・Ｔｅｎｓｏｒ上有较大的缺　陷——会对存在与不存在目标的两种网格的得分同等对待，　由于实际应用中大部分网格不存在目标，这就导致了存在目　标的网格作用被放大，大部分网格的得分趋向于０，训练过程　过早发散，无法收敛。因此在ｌｏｓｓ函数中加入了权重因数Ａ　和Ａ　来调整两类网络的误差平方和，其中Ａ　：Ａ　＝１０：１。　损失函数表达式　Ｎ２　对于预处理后的输入图像，将其分成１０×１０个网格，每　个目标中心对应到所处网格内。每个网格最终会预测出２个　ｂｏｕｎｄｉｎｇ．ｂｏｘ以及对应的置信度，每个ｂｏｕｎｄｉｎｇ—ｂｏｘ包含５个　分量：目标中心位置　标（　，Ｙ）、ｂｏｕｎｄｉｎｇ—ｂｏｘ的长宽（　，ｈ）、　以及对应的置信度Ｃ。其中置信度Ｃ定义为ｃ＝　Ｐｒ（Ｏｂｊｅｃｔ）　，若不存在目标，ｃ的值为０；否则等于　预测值和真值之间的ＩＯＵ（Ｉｎｔｅｒｓｅｃｔｉｏｎ　Ｏｖｅｒ　Ｕｎｉｏｎ）。　Ｐｒｅｄｉｃｔｉｏｎ—Ｔｅｎｓｏｒ维度的计算公式为：　Ｐ＝Ｓ×Ｓ×（Ｂ×５＋Ｃ）　（４）　如下：　＾　＾　＝Ａ　∑∑［１　（　．一ｘ１　）。＋（ｙ．一　）　］＋　ｌ＝０　Ｊ＝Ｕ　辩Ｂ　Ａ　∑∑［１　（　一√　）　＋（　一　）　］＋　￡＝Ｕ　Ｊ＝０　＾　Ｓ２　＾　其中：Ｓ×Ｓ为网格数；曰为每个网格所预测的ｂｏｕｎｄｉｎｇ－ｂｏｘ　数；Ｃ则是网络监测目标的类别数。由于简化了检测网络中的　∑∑ｌ　（Ｃ　一Ｃ“ｉ）　＋Ａ　∑∑ｌ　ｍ￣Ｊｂｊ（Ｃ　一　。）　＋　ｌ＝Ｏ』　Ｕ　Ｉ：Ｕ　Ｊ　ｕ　Ｓ２　Ａ　类别数Ｃ＝ｌ，降低了该向量Ｐｒｅｄｉｃｔｉｏｎ—Ｔｅｎｓｏｒ的维数，最终　其维数为１　１００。　在激活函数的选择上，本文参考了ＰＲｅＬＵ（Ｐａｒａｍｅｔｒｉｃ　ＲｅＬＵ）　，使用了如下形式的函数：　∑ｌ　∑（ＪＤ　（ｃ）一ｐ　（ｃ））　（７）　其中：１　表示第ｉ个网格中是否存在目标，而ｌ　则表示了第ｉ　个网格中的目标是否由第　个ｂｏｕｎｄｉｎｇ—ｂｏｘ预测得到；Ａ　和Ａ　ｌ７０６　计算机应用　第３７卷　分别为针对包含目标与不包含目标网格所设置的权重系数；Ｓ　尺寸机场图像，共计３５　１１０个标注目标。１０　８４６张独立航空　器切片，分类目标为运输机、轰炸机、战斗机、预警机、直升机　以及民用客机。数据集中训练和测试数据比例为８．５：１．５。　图７（ａ）、（ｂ）显示了该框架中两个模块的输出结果，图７（Ｃ）　显示了检测实验中所采用对比方法Ｈｏｕｇｈ　Ｆｏｒｅｓｔ的检测效　图。　为网格数；　为每个网格预测的ｂｏｕｎｄｉｎｇ．ｂｏｘ数，其余变量分别　表示ｂｏｕｎｄｉｎｇ—ｂｏｘ包含的５个分量——目标中心位置坐标（　，　Ｙ）、ｂｏｕｎｄｉｎｇ－ｂｏｘ的长宽（　，ｈ），以及对应的置信度ｃ。　２．２．２分类网络　在目标分类任务中可以使用多种典型图像分类网络，包　括：ＡｌｅｘＮｅｔ、ＣａｆｆｅＮｅｔ、ＧｏｏｇｌｅＮｅｔ　、ＶＧＧＮｅｔ、ＲｅｓＮｅｔ等。针对　应用场景本文参考了ＡｌｅｘＮｅｔ和ＲｅｓＮｅｔ－５０两种网络结构来　实现分类任务。　为了尽量防止过拟合问题发生，本文同样采用了数据扩　充的策略。每一张来自上一级目标检测网络输出的图像都经　过了固定倍数的数据扩充，同时这也能改善自采数据集数据　规模过小带来的问题。图５简要表述了数据扩充部分中的３　个处理阶段。　图５数据扩充流程图　ｎｇ．５　Ｆｌｏｗ　ｃｈａａ　ｏｆ　ｄａｔａ　ａｕｇｍｅｎｔａｔｉｏｎ　（ｂ）叠加类型识别后的结果　训练过程中同样加入了Ｄｒｏｐｏｕｔ，目的是在模型训练时随　机让网络某些隐含层节点的权重不工作。不工作的那些节点　可以暂时认为不是网络结构的一部分，但是下次样本输入时　它可能会重新工作，所以它的权重依然会被保留下来。这种　策略一定程度上减少了每次迭代训练中参数的个数，可以有　效防止过拟合现象的发生。　本文的激活函数使用ＰＲｅＬＵ函数，和上一级网络保持一　致。在卷积神经网络中，Ｐｏｏｌｉｎｇ层总结了同一核映射中邻近　神经元组的输Ｈ｜。通过邻接Ｐｏｏｌｉｎｇ单元总结的邻近关系不　重叠，也就是说一个Ｐｏｏｌｉｎｇ层可以被认为是由间隔Ｓ像素的　Ｐｏｏｌｉｎｇ单元网格组成，每个网格输出一个Ｚ　Ｘ　Ｚ大小的邻近　关系，均位于Ｐｏｏｌｉｎｇ单元的中心位置。本文参考ＡｌｅｘＮｅｔ的　设计，在Ｐｏｏｌｉｎｇ层中设定了Ｓ＜Ｚ，这种重叠Ｐｏｏｌｉｎｇ的策略　（ｃ）Ｈｏｕｇｈ　Ｆｏｒｅｓｔ目标检测结果　图７　目标检测和类型识别输出结果　Ｆｉｇ．７　Ｏｕｔｐｕｔ　ｏｆ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｒｅｃｏｇｎｉｔｉｏｎ　实验平台硬件及操作系统信息如表ｌ所示。　表ｌ实验平台信息　Ｔａｂ．１　Ｅｘｐｅｒｉｍｅｎｔ　ｐｌａｔｆｏｒｍ　ｉｎｆｏｒｍａｔｉｏｎ　能有效改善分类结果，同时一定程度上降低了过拟合的风险。　图６给出了分类网络中的第一个卷积层所提取的图像特　操作系统　ＣＰＵ　Ｕｂｕｎｔｕ　１４．０４　ＬＴＳ　６４位　Ｉｎｔｅｌ　Ｘｅｏｎ（Ｒ）ＣＰＵ　Ｅ５－２６３０　ｖ３＠２．４０ＧＨｚ×８　征的可视化结果，可以看到较浅的卷积层提取的特征信息基　本上是边缘等底特征，具象且容易理解。　ｒ———＿＝●——］　ＧＰＵ　内存　硬盘　Ｑｕａｄｒｏ　Ｋ４２００／ＰＣＩｅ／ＳＳＥ２　３２　ＧｉＢ　１　ＴＢ　　［ｌ　Ｉ蕊　１１　Ｊ　目标检测阶段在该数据集上的对比测试结果如图８和表　２所示。　ｆ　．　麓…１　（ａ）提取特征可视化　（ｂ）特征图可视化　图６第一卷积层可视化　Ｆｉｇ．６　Ｖｉｓｕａｌｉｚａｔｉｏｎ　ｏｆ　ｌａｙｅｒ一１　ｃｏｎｖｏｌｕｔｉｏｎ　考虑到应用场景限制，航空器目标检测部分实验忽略了　Ｂｏｕｎｄｉｎｇ—ｂｏｘ的ＩＯＵ，仅考察了目标的召回率（ｒｅｃａｌ１）和精确　率（ｐｒｅｃｉｓｉｏｎ）。检测时间计算为检测整幅图像所耗的时间，　对比算法均使用Ｃ＋＋实现，其中Ｒ．ＣＮＮ和本文检测算法基　于ｃａｆｅ架构实现。　从图８以及表２可以看出，由于充分利用了ＧＰＵ并行计　算的性能优势，本文算法的实时性能相对仅仅基于ＣＰＵ计算　３　实验结果与分析　针对本文的应用场景，测试该框架所使用的数据集为自　采数据集，经过增量处理后，包含１９６００张带标注数据的统一　的传统目标检测算法ＤＰＭ和Ｈｏｕｇｈ　Ｆｏｒｅｓｔ有很大的提升。　第６期　俞汝劫等：基于深度卷积神经网络的航空器检测与识别　１７０７　同时，区别于同为卷积神经网络实现的Ｒ．ＣＮＮ算法，本文算　行了对比，精度处在一个可接受范围内，而实时陛则有大幅度　法直接将网格化后的原图像进行ｂｏｕｎｄｉｎｇ—ｂｏｘ的回归预测，　端到端的算法流程在实时性能上也有了显著提升。　…≮１．　薹■　‘　一　…　厂　、？、Ｌｌ　褂　；　Ｄ　Ｍ’　器　　‘　｜ｆ　・Ｈｅ　…“ｇ　ｎ　ｕ：ｒ＝　１≥　一　ｊ　ｆ’　　，９　　．ｆ．．　　、．　０　０．１　０．２　０．３　０．４　０．５　０．６　０．７　０．８　０．９　召回率　图８　目标检测精确率一召回率曲线　Ｆｉｇ．８　Ｐｒｅｃｉｓｉｏｎ・ｒｅｃａｌｌ　ｃｕｒｖｅ　ｏｆ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　表２目标检测实验结果　Ｔａｂ．２　Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｏｆ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　类型识别部分实验中，由于总类数仅有６类，所以仅考察　了两种网络下的Ｔｏｐ一１分类错误率（Ｔｏｐ．１分类错误率指的是　模型预测出最高置信度的类别不正确的比例），反映了该分　类模型的精确率；并且比较了平均每张切片的分类时间，两种　网络均基于ｃａｆｅ架构实现。表３给出了类型识别阶段在该　数据集上的实验结果，可以看出，对于此类规模的数据集，卷　积神经网络在图像分类问题上达到了较高的正确率，其性能　相对于传统的模式识别方法有显著优势；网络的深度增加也　在一定程度上提升了模型的泛化能力，同时带来的还有计算　资源开销的大幅上升，因此在具体应用问题中需要权衡这两　点来设计合适的网络模型。　表３类型识别实验结果　Ｔａｂ．３　Ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　４　结语　本文提出了一套针对具体应用场景的目标检测识别系统　框架，满足了应用场景中同时需要目标位置和目标内容两组　输出的要求，并应用到自采数据集上开展了实验。系统主要　由一个检测网络和一个识别网络级联而成，需要根据要求的　精确率和实时性来权衡选择具体的网络模型，比如在识别网　络中ＡｌｅｘＮｅｔ的精度较ＲｅｓＮｅｔ低了接近１５％，但是在实时性　上则提高了超过５０％。本文的检测网络与部分检测算法进　提升。实验验证，对于实时性要求较高并且样本是大尺寸图　片的应用问题来说，本文提出了一种可行的解决思路。　由于目前还无法从公开途径获取到聚焦于军用机场上多　类型航空器检测任务的公开数据集，本文仅在自采数据集上　进行了实验，因此其结果还存在一定的局限性，无法反映算法　在更大规模数据集上的泛化性能。其次，本文基于深度神经　网络实现的算法其效率很大程度上依赖于计算硬件的水平，　因此在不同等级的计算硬件上表现差异巨大，如何优化算法，　降低对硬件计算能力的要求是下一步的研究方向。　参考文献（Ｒｅｆｅｒｅｎｃｅｓ）　［１】　卢宏涛，张秦川．深度卷积神经网络在计算机视觉中的应用研究　综述［Ｊ］．数据采集与处理，２０１６，３１（１）：１—１７．（Ｌｕ　Ｈ　Ｔ，　ＺＨＡＮＧ　Ｑ　ｃ．Ａｐｐｌｉｃａｔｉｏｎｓ　ｏｆ　ｄｅｅｐ　ｃｏｎｖｏｌｕｔｉｏｎａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｄａｔａ　Ａｃｑｕｉｓｉｔｉｏｎ　ａｎｄ　Ｐｒｏｃｅｓｓｉｎｇ，　２０１６，３１（１）：１—１７．）　［２】ＤＡＬＡＬ　Ｎ，ＴＲＩＧＧＳ　Ｂ．Ｈｉｓｔｏｇｒａｍｓ　ｏｆ　ｏｒｉｅｎｔｅｄ　ｇｒａｄｉｅｎｔｓ　ｆｏｒ　ｈｕｍａｎ　ｄｅｔｅｃｔｉｏｎ［Ｃ］／／ＣＶＰＲ＇０５：Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００５　ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．　Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ，２００５：８８６—８９３．　【３］　ＦＥＬＺＥＮＳＺＷＡＬＢ　Ｐ　Ｆ，ＧＩＲＳＨＩＣＫ　Ｒ　Ｂ，ＭＣＡＬＬＥＳＴＥＲ　Ｄ．Ｃａｓ－　ｃａｄｅ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ｗｉｔｈ　ｄｅｆｏｒｍａｂｌｅ　ｐａｒｔ　ｍｏｄｅｌｓ【Ｃ】／／Ｐｒｃｏｅｅｄ－　ｉｎｇｓ　ｏｆ　ｔｈｅ　２０１０　ＩＥＥＥ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ，２０１０：２２４１—２２４８．　【４】　ＧＡＬＬ　Ｊ，ＬＥＭＰＩＴＳＫＹ　Ｖ．Ｃｌａｓｓ—ｓｐｅｃｉｉｆｃ　ｈｏｕｇｈ　ｆｏｒｅｓｔｓ　ｆｏｒ　ｏｂｊｅｃｔ　ｄｅ—　ｔｅｅｔｉｏｎ【Ｍ】／／Ｄｅｃｉｓｉｏｎ　Ｆｏｒｅｓｔｓ　ｆｏｒ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｍｅｄｉｃａｌ　Ｉｍａｇｅ　Ａｎａｌｙｓｉｓ．Ｌｏｎｄｏｎ：Ｓｐｒｉｎｇｅｒ，２０１３：１４３—１５７．　［５］ＬＥＩＢＥ　Ｂ，ＬＥＯＮＡＲＤＩＳ　Ａ，ＳＣＨＩＥＬＥ　Ｂ．Ｃｏｍｂｉｎｅｄ　ｏｂｊｅｃｔ　ｃａｔｅｇｏｒｉ—　ｚａｔｉｏｎ　ａｎｄ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｗｉｔｈ　ａｎ　ｉｍｐｌｉｃｉｔ　ｓｈａｐｅ　ｍｏｄｅｌ［ＥＢ／ＯＬ】．　【２０１６－０９—１０】．ｈｕｐ：／／ｖｉｓｉｏｎ．ｓｔａｎｆｏｒｄ．ｅｄｕ／ｅｓ５９８一ｓｐｒｉｎｇ０７／ｐａ—　ｐｅｍ／ＬｅｉｂｅＳｅｈｉｅｌｅ２００４．ｐｄｆ．　［６］ＬＥＣＵＮ　Ｙ，ＢＥＮＧＩＯ　Ｙ，ＨＩＮＴＯＮ　Ｇ．Ｄｅｅｐ　ｌｅａｒｎｉｎｇ［Ｊ】．Ｎａｔｕｒｅ，　２０１５，５２１（７５５３）：４３６—４４４．　【７］ＨＩＮＴＯＮ　Ｇ　Ｅ，ＳＡＬＡＫＨＵＴＤＩＮＯＶ　Ｒ　Ｒ．Ｒｅｄｕｃｉｎｇ　ｔｈｅ　ｄｉｍｅｎｓｉｏｎａｌ・　ｉｌｙ　ｏｆ　ｄａｔａ　ｗｉｔｈ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ［Ｊ］．Ｓｃｉｅｎｃｅ，２００６，３　１３（５７８６）：　５０４—５０７．　［８］　ＧＩＲＳＨＩＣＫ　Ｒ，ＤＯＮＡＨＵＥ　Ｊ，ＤＡＲＲＥＬＬ　Ｔ，ｅｔ　ａ１．Ｒｉｃｈ　ｆｅａｔｕｒｅ　ｈｉ—　ｅｒａｒｅｈｉｅｓ　ｆｏｒ　ａｃｃｕｒａｔｅ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｓｅｍａｎｔｉｃ　ｓｅｇｍｅｎｔａｔｉｏｎ　［Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１４　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉ・　ｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ：ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏ—　ｅｉｅｔｙ，２０１４：５８０—５８７．　【９］　ＧＩＲＳＨＩＣＫ　Ｒ．Ｆａｓｔ　Ｒ－ＣＮＮ【Ｃ］／／ＩＣＣＶ’１５：Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１５　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，　ＤＣ：ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ，２０１５：１４４０—１４４８．　［１０】　ＲＥＮ　Ｓ　Ｑ，ＨＥ　Ｋ　Ｍ，ＧＩＲＳＨＩＣＫ　Ｒ，ｅｔ　ａ１．Ｆａｓｔｅｒ　Ｒ—ＣＮＮ：ｔｏｗａｒｄｓ　ｒｅａｌ－ｔｉｍｅ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ｗｉｔｈ　ｒｅｇｉｏｎ　ｐｒｏｐｏｓａｌ　ｎｅｔｗｏｒｋｓ［Ｃ］／／Ｐｒｏ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１５　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｕｒａｌ　Ｉｎｆｏｒｍａ—　ｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ　Ｓｙｓｔｅｍｓ．Ｃａｍｂｒｉｄｇｅ，ＭＡ：ＭＩＴ　Ｐｒｅｓｓ，２０１５：９１—　９９．　［１１】　尤玮，戴声奎．基于多特征与改进霍夫森林的行人检测方法　［Ｊ】．计算机工程与设计，２０１４，３５（１０）：３５３８—３５４４．（ＹＯＵ　Ｗ，　ＤＡＩ　Ｓ　Ｋ．Ｐｅｄｅｓｔｉｒａｎ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｕｓｉｎｇ　ｍｕｌｔｉｐｌｅ　ｆｅａｔｕｒｅｓ　ａｎｄ　ｉｍｐｒｏｖｅｄ　Ｈｏｕｇｈｆｏｒｅｓｔ【Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｄｅｓｉｎｇ，　２０１４，３５（１０）：３５３８—３５４４．）　（下转第１７１５页）　第６期　徐超等：改进的卷积神经网络行人检测方法　１７１５　（上接第１７０７页）　［１２】ＬＯＷＥ　Ｄ　Ｇ．Ｄｉｓｔｉｎｃｔｉｖｅ　ｉｍａｇｅ　ｆｅａｔｕｒｅｓ　ｆｒｏｍ　ｓｃａｌｅ—ｉｎｖａｒｉａｎｔ　ｋｅｙ—　［Ｊ】．Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，１９８２，１５（６）：４５５—４６９．　［１８】　ＨＥ　Ｋ　Ｍ，ＺＨＡＮＧ　Ｘ　Ｙ，ＲＥＮ　Ｓ　Ｑ，ｅｔ　ａ１．Ｄｅｌｖｉｎｇ　ｄｅｅｐ　ｉｎｔｏ　ｒｅｃｔｉ—　ｉｅｒｓ：ｓｔｕｒｐａｓｓｉｎｇ　ｈｕｍａｎ・・ｌｅｖｅｌ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｎ　ｉｍａｇｅｎｅｔ　ｃｌａｓｓｉｉｆｃａ・－　ｐｏｉｎｔｓ【Ｊ】．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００４，６０　（２）：９１—１１０．　【１３】　ＲＥＤＭＯＮ　Ｊ，ＤＩＶＶＡＬＡ　Ｓ，ＧＩＲＳＨＩＣＫ　Ｒ，ｅｔ　ａ１．Ｙｏｎ　ｏｎｌｙ　ｌｏｏｋ　ｏｎｃｅ：ｕｎｉｆｉｅｄ，ｒｅａｌ—ｔｉｍｅ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ［Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１６　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉ—　ｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ：ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ，２０１６：７７９—　７８８．　ｔｉｏｎ（Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１５　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，Ｄｅ：ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ，　２０１５：１０２６—１０３４．　【１９］　ＳＺＥＧＥＤＹ　Ｃ，ＬＩＵ　Ｗ，ＪＩＡ　Ｙ　Ｑ，ｅｔ　ａ１．Ｇｏｉｎｇ　ｄｅｅｐｅｒ　ｗｉｔｈ　ｃｏｎｖｏｌｕ－　ｔｉｏｎｓ［Ｃ】／／Ｐｒｃｅｅｄｉｏｎｇｓ　ｏｆ　ｔｈｅ　２０１５　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔ－　ｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ：ＩＥＥＥ　Ｃｏｍ・　ｐｕｔｅｒ　Ｓｏｃｉｅｔｙ，２０１５：１—９．　【１４】　ＫＲＩＺＨＥＶＳＫＹ　Ａ，ＳＵＴＳＫＥＶＥＲ　Ｉ，ＨＩＮＴＯＮ　Ｇ　Ｅ．ＩｍａｇｅＮｅｔ　ｃｌａｓ—　ｓｉｆｉｃａｔｉｏｎ　ｗｉｔｈ　ｄｅｅｐ　ｃｏｎｖｏｌｕｔｉｏｎａｌ　ｎｅｕｒｌａ　ｎｅｔｗｏｒｋｓ【Ｃ】／／ＮＩＰＳ’１２：　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１２　２５ｔｈ　Ｉｎｔｅｍａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｕｒａｌ　Ｉｆｏｒｎｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ　Ｓｙｓｔｅｍｓ．Ｃａｍｂｒｉｄｇｅ，ＭＡ：ＭＩＴ　Ｐｒｅｓｓ，　２０１２：１０９７—１１０５．　Ｔｈｉｓ　ｗｏｒｋ　ｉｓ　ｐａｒｔｉｌｌａｙ　ｓｕｐｐｏｒｔｅｄ　ｂｙ　ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎ－　ｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ（６１３７５００８）．　ＹＵ　Ｒｕｊｉｅ，ｂｏｒｎ　ｉｎ　１９９２，Ｍ．Ｓ．ｃａｎｄｉｄａｔｅ．Ｈｉｓ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｉｍａｇｅ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ　ａｎｄ　ｅｖａｌｕａｔｉｏｎ．　［１５】ＨＵＢＥＬ　Ｄ　Ｈ，ＷＩＥＳＥＬ　Ｔ　Ｎ．Ｒｅｃｅｐｔｉｖｅ　ｆｉｅｌｄｓ，ｂｉｎｏｃｕｌａｒ　ｉｎｔｅｒａｃ－　ｔｉｏｎ　ａｎｄ　ｆｕｎｃｔｉｏｎａｌ　ａｒｃｈｉｔｅｃｔｕｒｅ　ｉｎ　ｔｈｅ　ｃａｔ＇ｓ　ｖｉｓｕａｌ　ｃｏｒｔｅｘ【Ｊ］．Ｊｏｕｒ－　ｎａｌ　ｏｆ　Ｐｈｙｓｉｏｌｏｇｙ，１９６２，１６０（１）：１０６—１５４．　【１６】　ＦＥＬＬＥＭＡＮ　Ｄ　Ｊ，ＶＡＮ　ＥＳＳＥＮ　Ｄ　Ｃ．Ｄｉｓｔｒｉｂｕｔｅｄ　ｈｉｅｒａｒｃｈｉｃａｌ　ｐｒｏ—　ｃｅｓｓｉｎｇ　ｉｎ　ｔｈｅ　ｐｒｉｍａｔｅ　ｃｅｒｅｂｒａｌ　ｃｏｄｅｘ［Ｊ］．Ｃｅｒｅｂｒｌ　Ｃｏｒｔａｅｘ，１９９１，　１（１）：１—４７．　［１７】　ＦＵＫＵＳＨＩＭＡ　Ｋ，ＭＩＹＡＫＥ　Ｓ．Ｎｅｏｃｏｇｎｉｔｒｏｎ：ａ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｔｏｌｅｒａｎｔ　ｏｆ　ｄｅｆｏｒｍａｔｉｏｎｓ　ａｎｄ　ｓｈｉｉｓｆ　ｉｎ　ｐｏｓｉｔｉｏｎ　ＹＡＮＧ　Ｚｈｅｎ，ｂｏｒｎ　ｉｎ　１９８５，Ｐｈ．Ｄ．ｃａｎｄｉｄａｔｅ．Ｈｉｓ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒ－　ｅｓｔｓ　ｉｎｃｌｕｄｅ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ，ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ．　ＸＩＯＮＧ　Ｈｕｉｌｉｎ，ｂｏｒｎ　ｉｎ　１９６４，Ｐｈ．Ｄ．，ｐｒｏｆｅｓｓｏｒ．Ｈｉｓ　ｒｅｓｅａｒｃｈ　ｉｎ—　ｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｎｏｎ・ｌｉｎｅａｒ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｎｄ　ｍａｃｈｉｎｅ　ｌｅａｒｎｉｎｇ　ｂａｓｅｄ　ｏｎ　ｋｅｒｎｅｌ　ｍｅｔｈｏｄ，ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ，ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ，ｂｉｏｉｎｆｏｒｍａｔｉｃｓ．