电光与控制Electronics Optics & ControlVol. 26 No. 4Apr. 2019第26卷第4期2019年4月
引用格式:郑志强，刘妍妍,潘长城，等.改进YOLO V3遥感图像飞机识别应用[J]•电光与控制,2019, 26(4) ：28-32. ZHENG Z Q, LIU Y Y, PAN C C, et al. Application of improved YOLO V3 in aircraft recognition of remote sensing images[ J J. Electronics Optics & Control, 2019, 26(4) ：28-32.
改进YOLO V3遥感图像飞机识别应用
郑志强'，刘妍妍-潘长城'，李国宁$
（1.长春理工大学，长春130022； 2.中国科学院长春光学精密机械与物理研究所，长春130033）
摘 要：为了准确识别遥感图像中的飞机，基于YOLO V3算法，通过使用K-mear-s算法对数据集进行聚类分析，借鉴 Densenet网络的思想，将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块，改进为一种Dense-YOLO深 度卷积神经网络结构，对改进前与改进后的网络进行训练，分别选出使两个网络识别效果最好的权重文件，针对高 质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析：实验结果表明，新改进的深度卷积神 经网络应用在两种图像上效果均有提升。其中，改进的算法在高质量的遥感图像中准确率高达99. 72% ,比原始算法 准确率提升了 0.85% ,召回率高达9& 34%,召回率提升了 1.94%。在低质量遥感图像中准确率高达96. 12% ,比原 始算法准确率提升了 5.07% 回率高达93. 10% ,召回率提升了 19.75%。关键词：卷积神经网络；YOLO V3； K-means； Densenet；飞机识别；遥感图像 .中图分类号：TP753 文献标志码：A doi：10.3969/j. issn. 1671 -637X. 2019.04.006
⽬标检测之YOLOv3
YOLOv3没有太多的创新，主要是借鉴⼀些好的⽅案融合到YOLO⾥⾯。不过效果还是不错的，在保持速度优势的前提下，提升了预测
精度，尤其是加强了对⼩物体的识别能⼒。本⽂主要讲v3的改进，由于是以v1和v2为基础，关于YOLOv1和YOLOv2的分析请移步和。
YOLOv3的改进有：调整了⽹络结构；利⽤多尺度特征进⾏对象检测；对象分类⽤Logistic取代了softmax。
⼀，YOLOv3算法
YOLOv3 处理流程
⾸先如上图所⽰，在训练过程中对于每幅输⼊图像，YOLOv3会预测三个不同⼤⼩的3D tensor，对应着三个不同的scale。设计这三个scale的⽬的就是为了能够检测出不同⼤⼩的物体。在这⾥我们以13*13的tensor为例做⼀个简单讲解。对于这个scale，原始输⼊图像会被分
割成13*13的grid cell，每个grid cell对应着3D tensor中的1*1*255这样⼀个长条形voxel。255这个数字来源于(3*(4+1+80))，其中的数字代表bounding box的坐标，物体识别度(objectness score)，以及相对应的每个class的confidence，具体释义见上图。
其次，如果训练集中某⼀个ground truth对应的bounding box中⼼恰好落在了输⼊图像的某⼀个grid cell中（如图中的红⾊grid cell），
那么这个grid cell就负责预测此物体的bounding box，于时这个grid cell所对应的objectness score就被赋予1，其余的grid cell 则为0。此
外，每个grid cell还被赋予3个不同⼤⼩的prior box。在学习过程中，这个grid cell会逐渐学会如何选择哪个⼤⼩的prior box，以及对这个prior 波形进⾏微调（即offset/coordinate）。但是grid cell是如何知道该选取哪个prior box呢？在这⾥作者定义了⼀个规则，即只选取与
YOLO（You Only Look Once）是一种实时目标检测算法，而 YOLOv3 是
YOLO 系列的第三个版本。以下是对 YOLOv3 的基本理解：
1. 实时目标检测：YOLO 的主要优势之一是它能够在实时环境中进行目标检测，即在一张图像中同时检测多个目标，并返回目标的类别和位置信息。
2. 网格划分：YOLO 将输入图像划分为一个固定大小的网格（grid）。每个网格负责检测图像中的目标，通过该网格的预测框（bounding box）来描述目标的位置和大小。
3. 多尺度预测：YOLOv3 使用多个尺度的网格来处理不同尺寸的目标。这通过引入不同尺度的特征图（feature map）和对应的预测框大小来实现。
4. 锚框（Anchor Boxes）：为了适应不同形状的目标，YOLOv3 引入了锚框的概念。每个网格负责预测多个锚框，每个锚框与某个特定尺寸和长宽比相关联。
5. 卷积神经网络（CNN）：YOLOv3 的骨干网络（backbone network）使用了 Darknet-53，这是一个深度的卷积神经网络，有助于提取图像特征。
6. 多尺度预测和特征融合：YOLOv3 使用多个尺度的特征图进行预测，并通过特征融合层将这些特征进行整合，以提高对小目标和大目标的检测能力。
7. 类别预测和置信度：对于每个预测框，YOLOv3 不仅预测目标的位置，还为每个类别分配一个置信度。该置信度表示目标属于某一类别的概率。
8. 非极大值抑制（NMS）：为了减少重叠的预测框，YOLOv3 使用 NMS 算法，保留具有高置信度的预测框，并删除与其高度重叠的其他预测框。
总的来说，YOLOv3 是一种高效的实时目标检测算法，通过使用多尺度预测、锚框、卷积神经网络等技术，实现对多个目标的同时检测。
Yolov3算法详解
YOLO系列算法是当前⽬标检测领域的当红算法，是⼀阶段⽬标检测算法的经典代表，正如其名称“You Only Look
Once”所述，其只需要⼀趟完整的过程即可完成⽬标的识别和位置定位，能够近乎实时得完成⽬标检测任务，堪称众多⽬
标检测算法中速度之最。
YOLO系列算法到现如今已有五个版本，最新的版本为Yolo v5，但本⽂先介绍YOLO v3算法，因为YOLO系列算法是
从YOLO v3开始“⾛红”进⽽被⼴泛应⽤，接下来的YOLO v4 和YOLO v5虽然是在YOLO v3基础上进⼀步改进，但都是在
细枝末节上进⾏的优化，反⽽丢失了YOLO v3在⼯业界的普遍适⽤性。
1 Darknet-53
在YOLOv2版本时，其主⼲⽹络是⼀个Darknet-19⽹络，到了YOLOv3版本，主⼲⽹络进化为了Darknet-53⽹络，⽹
络层数更多，同时也引进了更加先进的Resnet残差⽹络。与Darknet-19⽹络相⽐，Darknet-53⽹络在处理⼤量图⽚时整体
效率上有所不如，但是准去率上确提⾼了很多，且经证明，在相同准确率下，Darknet-53速度却要由于Darknet-19。
Darknet-19与Darknet-53⽹络结构对⽐如下所⽰。
2 特征⾦字塔（Feature Pyramid Netword, FPN）
进⾏⽬标检测时，⼀副图像与可能存在多个物体，物体有⼤有⼩，所以⽬标检测模型必须要有检测不同⼤⼩物体的能
⼒。⽽在实际卷积神经⽹络各层输出的特征图中，不同深度的卷积层所检测到的特征是有区别的，浅层⽹络的输出的特征
图经过的卷积操作少，保留较多的⼩尺⼨细节信息，例如物体颜⾊、位置、边缘等，信息更加低级、具体，随着⽹络深度
的加深，输出的特征图经过了更多层卷积操作，包含了更⼴视野范围的图像信息，特征图所提取的信息变得抽象，例如物
体的语义信息（物体的类别特征：猫、狗、汽车等）。另外，针对这⼀现象，许多模型开始尝试使⽤不同层次的特征图进
