面向无人机影像中基于图像块(patch-based)槲寄生分类的轻量化混合多目标神经架构搜索(Neural Architecture Search, NAS)

《Journal of Imaging》：Hybrid Multi-Objective Neural Architecture Search for Lightweight Patch-Based Mistletoe Classification in UAV Imagery

　　

摘要：本文提出一种用于自动设计轻量化卷积神经网络(Convolutional Neural Network, CNN)架构的新方法。(1) 背景：植被监测的自动化遥感面临结构复杂性与背景杂乱的挑战。针对寄生性绒桑寄生属(Phoradendron velutinum)侵染的检测，现有视觉框架依赖手工设计且参数量过大的过参数化CNN，限制了其在本地化边缘计算平台上的部署。(2) 方法：为解决这一效率—精度权衡问题，研究人员实施了一种两阶段混合多目标神经架构搜索(Neural Architecture Search, NAS)策略。首先，采用基于分解的多目标进化算法(Multi-Objective Evolutionary Algorithm based on Decomposition, MOEA/D)同时最小化分类误差与可训练参数数量；其次，利用迭代局部搜索(Iterated Local Search, ILS)元启发式算法对前景非支配解进行精炼。该方法使用低成本航拍RGB影像进行评估，处理由5000个平衡图像块(64×64像素)组成的数据集，并采用严格的三向数据划分以防止数据泄漏。(3) 结果：发现的10层CNN拓扑结构实现了高效的特征提取。在未见测试集上，模型取得准确率(Accuracy)与F1分数(F1-Score)均为，精确率(Precision)为，召回率(Recall)为，杰卡德指数(Jaccard Index)为，优于对比模型。优化后架构仅含2040个可训练参数，为硬件受限的监测设备上进行实时数字图像处理建立了高度可行的范式。

论文解读：面向无人机影像中基于图像块槲寄生分类的轻量化混合多目标神经架构搜索(NAS)

研究背景与意义

森林衰退日益受气候胁迫与生物因子交互作用驱动，其中槲寄生（hemiparasitic mistletoe, Phoradendron velutinum）侵染是冠层退化的重要诱因。传统地面调查难以观测上冠层症状，而搭载高分辨率相机的无人机(Unmanned Aerial Vehicle, UAV)可提供多尺度遥感观测，其中基于图像块(patch-based)的分类是个体树冠(Individual Tree Crown, ITC)评估的基础分析单元。然而，槲寄生症状表现为微妙、异质且空间多变的上冠层模式，需模型具备细粒度特征区分能力；现有深度学习方法虽性能良好，但通常为手工设计且过参数化，在参数量（内存占用）、推理时间与浮点运算量(Floating-Point Operations, FLOPs)上面面俱到地兼顾较难，制约了其在资源受限边缘设备上的部署。神经架构搜索(Neural Architecture Search, NAS)可自动发现满足特定设计准则的网络，将NAS建模为多目标优化问题可同时考量分类精度与资源效率，但将多目标NAS专门用于基于图像块的槲寄生分类尚属空白。为此，研究人员提出了一种专为UAV影像中轻量化槲寄生二分类（感染/未感染）设计的混合多目标NAS框架，假设结合基于分解的进化优化与局部迭代搜索的混合元启发式能系统性发现同时最小化分类误差与参数复杂度的紧凑卷积拓扑，为边缘端提供具竞争力的判别精度与极低计算开销的操作可行范式。本工作发表于《Journal of Imaging》。

关键技术方法

研究人员使用墨西哥城圣巴托洛·阿梅亚尔科保护林由CentroGeo与墨西哥城环境秘书处(SEDEMA-CORENA)合作采集的DJI P4 Multispectral UAV可见光(RGB)波段航拍影像，经林业专家手动分割标注Phoradendron velutinum侵染区域并建立5000张64×64像素平衡patch数据集（阳性/阴性各半）。数据按原始场景级别严格划分为训练集3600张、验证集400张、独立测试集1000张以防泄漏。CNN架构采用线性前馈编码方案，每一处理块(block)由7个编码单元(cell)构成，分别对应是否启用卷积层、卷积核尺寸(3×3或5×5)、滤波器数(2ⁿ, n∈{1,…,5}即2/4/8/16/32)、是否加入归一化(Batch Normalization)层、激活函数类型(无/Leaky ReLU/ReLU)、是否加入Dropout层及最大池化(Max-Pooling)层，六个串接块形成42维二进制/离散基因型向量。混合NAS分两阶段：(1) MOEA/D(Multi-Objective Evolutionary Algorithm based on Decomposition)以切比雪夫(Tchebycheff)标量化同时最小化(1?Accuracy)与可训练参数量，用10轮短周期代理训练快速淘汰劣质拓扑并产出近似帕累托前沿；(2)从帕累托前沿膝点(knee region)选代表性解，用ILS(Iterated Local Search)以严格帕累托占优准则（新解至少改善一目标且不劣化另一目标）做局部精炼，再对最终架构以500 epoch充分训练与评估。对比基线含其他进化搜索策略及数种经典CNN架构（均从头训练、无迁移学习）。

研究结果

4.1. NAS Results

研究人员通过混合MOEA/D–ILS框架搜索得到优化CNN架构，含10层、仅2040个可训练参数。网络接收3×64×64 RGB输入，前两层为步长(stride)=2的卷积层，将空间尺寸逐步降采样至32×32与16×16，其后接归一化与ReLU激活，第六层为最大池化进一步降维，第七层设Dropout正则化防过拟合，第八层展平(flatten)为特征向量，第九层为2神经元全连接层对应二分类，末层Softmax输出归一化概率。

4.2. Performance Results

该架构在30次独立500 epoch训练中表现稳定。与同类进化搜索策略相比，所提框架在保持显著更小参数量下获得更优分类性能。在1000张独立测试集上，混淆矩阵显示真阳性(TP)=488、真阴性(TN)=491、假阳性(FP)=9、假阴性(FN)=12，仅21例误判——假阴性多源于寄主与槲寄生光谱高度相似或遮挡区域，假阳性多由深阴影或拟态簇状枯枝引发，说明网络对真实P. velutinum结构具高特异性。定量指标为：准确率(Accuracy) 0.979、精确率(Precision) 0.982、召回率(Recall) 0.976、F1分数(F1-Score) 0.979、杰卡德相似系数(Jaccard Similarity Coefficient, JSC) 0.958，均优于ResNet50、VGG16、Inception-v3等从头训练的经典模型。计算效率方面，模型磁盘存储仅约8 KB（32位浮点），单帧推理约需若干MFLOPs，完整训练耗时约67分钟，单实例推理时延1.33毫秒，显著低于对比模型。Grad-CAM(Gradient-weighted Class Activation Mapping)热力图显示激活区与林业专家勾绘的槲寄生实际空间边界高度吻合，证实网络学到的特征定位具生物学可解释性。

讨论与结论（翻译浓缩）

本文提出一种混合多目标进化框架，通过MOEA/D宏观探索最小化分类误差与可训练参数数，继而对帕累托前沿膝点解施以ILS局部精炼（采用严格帕累托占优接受准则替代传统标量化），实现自动生成面向UAV影像Phoradendron velutinum基于图像块分类的轻量化CNN。所得优化架构为10层、仅2040可训练参数，在独立测试集上取得Accuracy=0.979、Precision=0.982、Recall=0.976、F1-Score=0.979、Jaccard Index=0.958，大幅超越对比模型的结构简洁性且具更低计算开销（训练约67分钟、单实例推理1.33毫秒）。结果表明多目标NAS在轻量化植被监测中具有显著潜力，但当前结论受限于单一评估数据集，模型跨地理区位、季节、森林类型及不同成像配置的泛化性尚未验证，需多生态系统广泛验证方可大范围业务化部署。未来研究将扩展架构表征以处理动态层数配置并量化不确定性传播，以实现该基于图像块推断引擎向区域森林管理自动化流程的无缝集成。