基于改进YOLOv5s的轻量级水下鱼群检测与识别

张晨蕾，李梦晗，田存伟

（聊城大学物理科学与信息工程学院，聊城 252000）

0 引言

现代渔业发展的趋势是工厂化精准养殖，而养殖鱼群目标检测是鱼类生长状况自动监测的核心［1］。然而在实际的养殖环境中，检测任务通常会遇到由于水下环境特殊而导致成像模糊、颜色失真等问题。因此，如何提高水下目标检测精度并把它应用到实际中仍是热门话题之一。

随着计算机视觉方向技术的不断发展，深度学习方法逐渐应用于目标检测。目前目标检测算法主要可以分为两类，一类是以R-CNN 算法［2］、FastR-CNN 算法［3］、Faster R-CNN 算法［4］和Mask R-CNN 算法［5］为代表的两阶段目标检测算法；另一类是以SSD 算法［6］和YOLO 系列算法［7-9］为代表的一阶段目标检测算法。

在水下目标检测研究中，叶赵兵等［10］提出的改进YOLOv3-SPP 水下目标检测，通过引入K-Means++聚类算法，该算法在一定程度上解决了水下目标颜色失真、对比度低以及检测精度低等一系列问题；叶志杨等［11］提出的YOLOv5s算法模型提高了平均检测精度；赵梦等［12］在融合SKNet 与YOLOv5 深度学习的养殖鱼群检测中，提出了一种融合视觉注意力机制SKNet，有效地解决了水下模糊图像鱼群检测准确率低的问题；朱世伟等［13］在基于类加权YOLO 网络的水下目标检测中，构造了类加权损失函数并引入自适应维度聚类方法，有效解决了水下目标检测面对图像模糊、背景复杂等问题。

本文目标是在水下复杂的环境中精准快速地检测出水下鱼群的数量，以达到对鱼群生长状况的监测，针对这一问题提出了一种轻量化YOLOv5的检测模型。相关的改进工作有以下几点：首先对建立的数据集进行预处理，得到增强后的图片；其次通过增加可变形卷积DCNV2和轻量级上采样算子CARAFE，在增大感受野的同时进一步提高模型对于水下鱼群的识别效果；最后增加轻量化GhostBottleneck 结构来减少计算量。改进后的DCG-YOLOv5s 算法可以提升检测精度，同时降低计算量。

1 YOLOv5 目标检测算法

YOLOv5 注重对小尺寸目标的探测，并在准确性和效率方面取得了显著提升。YOLOv5s一共给出了5 个版本［14］，分别是YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，其模型在COCO 2017验证集上的测试参数见表1。

表1 YOLOv5在不同模型上的测试参数

可以看到随着网络模型深度增加，其平均检测精度也呈现逐渐提升的趋势，同时参数量也呈倍数增长。考虑到最终需要在硬件设备上部署模型，本研究选择了相对较小参数量的YOLOv5s作为实验对象。

YOLOv5s 模型架构包含了Input 输入端、Backbone 主干网络、Neck 颈部、Head 头部四个部分。YOLOv5网络结构图如图1所示。

图1 YOLOv5网络结构图

为了适应网络的规模，我们在输入图像进入网络之前对数据进行预处理，并采用Mosaic图像增强技术以提高模型的适应能力。

Backbone 特征提取端是网络模型的主干网络部分，整体来看，YOLOv5 采用了改进后的CSPDarknet53 结构，包括Conv 卷积模块、C3 模块和SPPF模块。

颈部Neck 是网络衔接部分，它采用了特征金字塔网络和聚合网络FPN-PAN 结构。其中FPN 是一种自上而下的结构，通过上采样和融合底层特征信息来生成预测特征图［15］。PAN 则是利用自下而上的结构对FPN 特征图进行补充融合，以提高网络对不同特征层次的识别能力。

最终在Head 网络的输出部分，将生成三个预测层用于目标的预测和回归。

2 模型改进与优化

2.1 Deformable Conv V2可变形卷积

为了更好地辨别不同形态下的鱼群并实现模型多尺度特征提取，本文采用可变形卷积［16］（DCN V2）来提升网络特征提取能力，DCN V2通过平行卷积层学习offset 偏移，用来增加采样点的偏移量，对目标物体每个采样点周围区域进行采样。可变卷积的计算流程如图2所示。

图2 可变卷积计算流程图

可变形卷积计算过程如下：

（1）在特征图上的映射x上，使用规则网格R进行取样；

（2）利用卷积核w对样本点进行权重计算，同时R规定了感受野的范围和扩张程度。

式（1）定义了一个大小为3×3、扩张率为1 的卷积核。传统卷积公式为

可变卷积公式为

其中：y是输出特征图，p0是y中的每个位置，pn是对R中所列位置的枚举。{Δpn|n= 1,2,…,N}是R的偏移量。可变卷积在传统卷积的基础上引入了每个位置的偏移量，偏移量是由输入特征图与另一个卷积生成，因此需要通过双线性插值法计算x的值。

其中：q枚举了特征图中的所有积分空间位置，G(·)是双线性插值［17］。

2.2 上采样算子CARAFE

特征上采样又称为特征重组，它可以被理解为对每个位置进行卷积运算，将输入特征图与相应邻域像素点进行乘积计算的过程。本文采用轻量级CARAFE 算子［18］进行上采样，以替代YOLOv5s 模型中原有的插值上采样算子。该算子能够根据输入特征指导重组过程，在大的感受野内聚合上下文信息，并以简洁高效的方式将输入信息与特征图的语义信息关联起来。CARAFE 原理如图3所示。

图3 CARAFE原理图

上采样算子CARAFE 最主要分为上采样核预测模块和特征重组模块。假设上采样倍率为σ，给一个形状为H×W×C的输入特征图，CARAFE 首先利用上采样核预测模块预测上采样核，然后利用特征重组模块完成上采样，得到形状为σH×σW×C的输出特征图［19］。

2.3 轻量化GhostBottleneck结构

在YOLOv5 模型中，为了提高目标检测能力，减少漏检并保持轻量［20］，我们选择用轻量级GhostBottleneck 替代主干网络中部分卷积C3。轻量化GhostBottleneck 是根据GhostNet模型中的“幻影卷积”（GhostConv）所设计，以Ghost 模块为构建基础，接着对GhostBottleneck 进一步设计得到最终GhostNet 神经网络。其中Ghost-Bottleneck 分为stride=1 和stride=2 两种结构，分别如图4（a）和图4（b）所示。

图4 GhostBottleneck结构图

在图4（a）中，stride=1 的GhostBottleneck 结构主要由两个堆叠的Ghost 模块、BN 层以及ReLU 激活函数组成。第一个Ghost 模块用作膨胀层，用于增加通道数，其中把输出与输入通道数的比值称为膨胀比。第二个Ghost 模块压缩通道数，经过BN 后的通道数与输入通道数一致，这样就构成了能使信息损失更少的逆残差结构［21］。在图4（b）中，stride=2 的GhostBottleneck 结构保持了stride=1 的结构，并在两个Ghost 模型之间加入了步长为2 的深度可分离卷积进行连接，大幅度降低计算量，实现加速的效果。

本文将stride=2 的GhostBottleneck 结构替换YOLOv5s 主干网络中部分的C3 模块，用来减少计算量。

2.4 改进的YOLOv5s算法

改进后的网络结构如图5 所示。首先使用CALHE 对原始数据集进行增强处理，得到对比度更大的数据集；其次使用可变形卷积C3_DCN与GhostBottleneck 结构替换Backbone 主干网络中的部分C3，构建轻量化网络；最后在颈部Neck 部分利用轻量级上采样CARAFE 算子替换原算法中的Upsample算子。

图5 改进后的YOLOv5网络结构图

3 实验结果与分析

3.1 实验环境

实验平台见表2。

表2 实验平台

3.2 数据集的建立与处理

目前已知公开的水下鱼群数据集相对较少，为了丰富鱼群的特征，实验所涉及的数据来源于两个部分：一部分是对FISHES-IN-THE-WILD数据集进行筛选，选出带有鱼群的部分；另一部分是通过爬虫软件在互联网中收集水下鱼群的图片。通过对图像的筛选整理出672 张JPG 格式的图像，然后使用LabelImg 工具进行手动注释，生成.txt 标签文件。其中训练集、验证集和测试集按照7∶2∶1的比例进行分配。部分数据集如图6所示。

图6 部分数据集展示

本文采用CALHE 自适应直方图均衡方法对水下原始图像进行修复与处理，以获得全新的数据集。图7 所示为通过CALHE 自适应直方图均衡法生成的图像。

图7 使用CALHE前后对比图

此外，实验还采用Mosaic 方法对数据集随机抽取4 张图片进行旋转、缩放、裁剪等处理，再将选定的4 张图片拼接成为1 张新的图片，作为训练数据，这种技术能够有效地增加训练数据集的规模，从而提升模型的泛化性和鲁棒性。

3.3 模型的评价指标

本文从平均检测精度（mAP）、参数量、计算量对模型进行比较。其中平均精度，是指在所有召回率的可能取值下对全部精度的平均值。其中，精确率（Precision，P）和召回率（Recall，R）计算公式分别见式（5）和式（6），以P和R分别作为横纵坐标，形成的图称为P-R曲线，其与坐标轴相交所占的面积可用AP来表示。mAP则是所在类别下的平均AP值。AP与mAP的计算见式（7）和式（8）。

其中，TP（True positives）可以理解为真，且被预测为真；FP（False positives）是假，却被预测为真；TN（True Negatives）是假，且被预测为假，FN（False Negatives）是真，却被预测为假。

3.4 实验结果分析

实验在自建数据集上进行，首先针对YOLOv5s 修改训练所需的配置文件，根据训练日志结果发现，在训练达到80 轮左右时数据变动逐渐趋于平稳，为确保数据的准确性，最终将训练次数设定为100 轮。部分训练日志图如图8 所示。

图8 部分训练日志图

3.4.1 Deformable Conv V2可变形卷积

从表3可知，YOLOv5s表示的是原算法在自建数据集上的实验结果，mAP为80.7%，计算量为15.8 GFLOPs。根据训练结果可知，增加可变形卷积后，mAP 提升了1.2%，同时也降低了计算量。

表3 使用Deformable Conv V2可变形卷积实验数据

3.4.2 上采样算子CARAFE不同参数的对照试验

为了验证上采样算子CARAFE 对算法改进的有效性，本实验采用对照实验的原理，分析改进后的模块对算法的提升。分别对比了不同编码器内核大小kencoder 和重组内核大小up 的检测结果，结果见表4。

表4 引用上采样算子CARAFE实验数据

表4 中参数1 与参数2 中两个数字分别代表编码器和重组的内核大小。加入上采样算子CARAFE 后，C-2 模型和C-5 模型中mAP达到了82.5%，提升了2.2%，但对比计算量可知，C-2模型的训练计算量更小，只比原YOLOv5s 模型提高了0.1 GFLOPs，后续实验中的模型将使用C-2 的数据。根据训练结果可知，上采样算子CARAFE 引入了很小的计算开销，但检测精度有了明显提升。

3.4.3 GhostBottleneck 结构不同参数的对照试验

为了验证GhostBottleneck 结构对算法改进的有效性，本实验采用对照实验的原理，分析改进后的模块对计算量的减少，结果见表5。

表5 使用GhostBottleneck结构实验数据

在加上GhostBottleneck 结构后，总体mAP值有所降低，但是计算量明显减少，Ghost-Bottleneck 结构增加的越多，计算量减少的越多，综合来看选定B-1 模型，在mAP 基本没有变化的同时，计算量降低了10.8%。

3.4.4 消融对比实验

为了更好地验证本实验三种改进方法对实验的有效性，在自建数据集上开展消融对比实验，依次在YOLOv5s上加入可变形卷积、上采样算子以及GhostBottleneck 结构，实验结果见表6。

表6 消融实验对比数据

如表6所示，YOLOv5s表示的是原算法在自建数据集上的实验结果，mAP为80.7%，计算量为15.8 GFLOPs，分别加入可变形卷积和上采样算子后计算量的变化不大，但对于检测精度的提升较为明显，同样在DC_YOLOv5s 算法实验结果中也可以看出；加入GhostBottleneck 结构后，虽对模型检测精度并没有太大影响，却明显降低了计算量。在同时引入三种改进方法后，检测模型得到最优结果，检测精度提升3%，计算量降低13.7%。

图9 所示为YOLOv5s 和DCG-YOLOv5s 的检测结果，从图中可以看出，改进后的算法在检测同位置鱼群时置信度更高；相较于原始图片漏检、错检的情况也得到了很大的改善。

图9 算法改进前后检测对比图

4 结语

为了更准确便捷地检测和识别水下鱼群，针对光照等原因导致的低对比度和颜色失真问题，在算法中引入了可变形卷积和上采样算子，同时通过使用GhostBottleneck 模块替换主干网络中的部分C3 模块来降低算法深度，从而提高了水下鱼群的检测精度。实验结果显示，改进后的DCG-YOLOv5 算法平均检测精度提升了3%，计算量减少了13.7%。这表明改进后的模型在提升检测精度同时也降低了计算量，基本满足当前水下鱼群检测的精度要求。未来还将探索更优化的算法，以解决由于鱼群数量多而引起重叠目标时出现的问题。