Page 94 - 《应用声学》2025年第1期

90 2025 年 1 月

提取网络中，采用 CPS(Cross stage partial)、C3 等 确率更高。在YOLOv5s网络中，损失函数由置信度
模块进行特征提取 [22] ，提取后特征通过 SPP (Spa- 损失 (object_loss)、分类损失 (class_loss)、定位损
tial pyramid pooling) 结构整合输入到特征融合网 失 (box_loss) 三部分构成。最初对于回归损失，采
络中；采用特征金字塔网络 [23] (Feature pyramid 用 IoU 来计算损失值，IoU 表示的是预测框与真实
networks) 和金字塔注意力网络 [24] (Path aggrega- 框之间的交并比，计算公式为
tion network)进行特征提取和融合。最后利用损失 |A ∩ B|
函数 [25] 对目标进行回归，并利用二元交叉熵损失 IoU = |A ∪ B| , (1)
函数进行分类和置信度回归。
式(1) 中：A为预测框，B 为真实框，A ∩ B 代表预测
1.2 引入注意力机制 框与真实框相交的面积，A ∪ B 代表预测框与真实
为了选择性地加强图像信息的特征，抑制无用 框相并的面积。
的特征，减少特征信息丢失，本文引入注意力机制 但当预测框与真实框不重叠时，根据公式 (1)
(Squeeze-and-excitation, SE) [26] ，图 2 为注意力机 的定义，IoU 值将为 0，并不会得到两框彼此之间的
制示意图。首先对输入 X 进行卷积处理，将其映射 距离，会造成梯度为 0 并且无法优化。为了解决上
为特征图 U；随后对特征图 U 进行全局平均池化获 述问题，本文采用了 SIoU 损失函数 [27] 。计算公式
得 1 × 1 × C 的特征层，采用简单的自选门机制的 如下：
形式，将嵌入作为输入，并产生每个通道调制权值的
集合；最后将各个权重与其相对应的通道相乘，得到 L SIoU = 1 − IoU + (∆ + Ω)/2, (2)
( ( ) π )
了权值不同的各个通道。加入注意力机制后的模型 Λ = 1 − 2 × sin 2 arcsin c h − , (3)
σ 4
加强了 HDPE 管缺陷的边缘特征提取，提升了检测
∆ = 2 − e (Λ−2)×(c w /C W ) − e (Λ−2)×(c h /C H ) , (4)
效果。
[ ( gt )] θ
|w − w |
1.3 改进损失函数 Ω = 1 − exp − gt
max (w, w )
损失函数的作用为度量预测信息与期望信息 [ ( gt )] θ
|h − h |
的距离，对识别框的位置进行调节，使预测结果的准 + 1 − exp − max(h, h ) , (5)
gt
ᣥКቫ ྲढ़ଢԩᎪፏ ྲढ़ᚸՌᎪፏ ᮕ฾Ꭺፏ

Focus CBL CSP1-1 CBL CSP1-3 CBL CSP1-3 CBL SPP CSP2-1 CBL ʽ᧔ನ
19T19 CSP2-1 CBL ʽ᧔ನ
608T608T3
304T304 152T152 76T76 38T38 Concat
CSP2-1 CONV
Concat
76T76T255
CBL
CSP2-1 CONV
Concat
38T38T255
CBL
CSP2-1 CONV
Concat
19T19T255
图 1 YOLOv5 网络架构图
Fig. 1 YOLOv5 network architecture diagram

F ex
F sq Xϕ
X U 1T1TC 1T1TC
H
F tr H
H ϕ F scale
W ϕ W
C ϕ C C W
图 2 注意力机制示意图
Fig. 2 Schematic diagram of attention mechanism