DSC-SSD在政務(wù)服務(wù)機器人場景理解中的應(yīng)用①

鄧繪梅

(中共安慶市委黨校,安徽 安慶246000)

0 引 言

隨著我國科技水平的不斷提高,機器人已廣泛應(yīng)用于服務(wù)業(yè)、制造業(yè)等各個領(lǐng)域中,而我國電子信息、人機交互等技術(shù)也在促進著機器人的不斷創(chuàng)新與優(yōu)化。在機器人工作的過程中,其對工作場景的感知與理解極為重要,唯有充分獲取到場景中的視覺信息,機器人才可進行信息的識別處理、打造場景中的事物空間層次等一系列作業(yè),進而提供更為優(yōu)質(zhì)的各項服務(wù)[1]。DSC-SSD算法是一種優(yōu)化的基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法,能夠通過深度學(xué)習(xí)、網(wǎng)絡(luò)模型訓(xùn)練等方式,在目標檢測中展現(xiàn)其較高的檢測精度[2]。因此實驗中將重點探究DSC-SSD目標檢測算法、圖像語義分割等相關(guān)技術(shù),并將其應(yīng)用至政務(wù)服務(wù)機器人的場景理解中,旨在提高服務(wù)機器人的場景理解能力。

1 DSC-SSD目標檢測算法與圖像處理技術(shù)

1.1 DSC-SSD算法的網(wǎng)絡(luò)結(jié)構(gòu)與模型訓(xùn)練

SSD是一種目標檢測算法,采用在不同層級中進行圖像識別的方式,來檢測并獲取到相應(yīng)的圖像特征[3]。SSD有效結(jié)合了大尺度特征圖與小尺度特征圖,可有效擴大目標檢測的范圍,在一定程度上規(guī)避漏檢、檢測效果較差、檢測召回率較低等風險[4]。SSD算法的目標檢測原理如圖1所示。

圖1 SSD算法的目標檢測原理示意圖

圖1 (a)中表現(xiàn)出在面對狗與貓等不同的目標 檢測對象時,SSD會采用根據(jù)其形狀特征來選擇不同的先驗框,進而實現(xiàn)后期的模型訓(xùn)練,在數(shù)據(jù)集制作的過程中,分別代表狗與貓的兩個矩形區(qū)域?qū)⒀杆偕?。圖1(b)所示為8×8大小的特征圖,圖1(c)中特征圖的大小為4×4,其中每個特征圖單元均含有k個默認框;任一默認框均會進行不同數(shù)量置信度與偏移量的運算;單一默認框的尺寸表示為S k,其計算公式見式(1)。

在式(1)中,Smax與Smin的取值分別為0.9與0.2,且任一默認框的縱橫比均可由式(2)計算得出。

式(2)中,a r表示默認框中所有縱橫比的集合分別表示該默認框的長度值與寬度值。若位于同一網(wǎng)絡(luò)層中,則其將表現(xiàn)出縱橫比不同的現(xiàn)象,據(jù)此可實現(xiàn)對形狀與大小各異的目標檢測對象的全面覆蓋[5]。DSC是指一種優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)算法,該算法將卷積運算的過程進行了劃分,即深度卷積與逐點卷積兩個部分,前者能夠?qū)斎氲乃型ǖ罃?shù)據(jù)與卷積核進行準確的運算,后者可完成對通道卷積的有序組合與快速輸出[6-7]。令圖像數(shù)據(jù)的輸入大小與輸出大小分別為D F·D F·M與D G·D G·N,其中D F,D G分別為輸入數(shù)據(jù)與輸出數(shù)據(jù)的尺寸,M與N表示相對應(yīng)的數(shù)據(jù)通道數(shù)量。同理可將卷積核的大小表示為D K·D K·M·N,其中D K表示卷積核的尺寸大小,因此標準卷積的輸出如式(3)所示。

與式(3)相對應(yīng)的運算量為D K·D K·M·N·D F·D F,在DSC中通道卷積與逐點卷積中的運算量分別為D K·D K·M·D F·D F與1·1·M·N·D F·D F。由此可知DSC運算與標準卷積運算的比值可表示為式(4)。

采用DSC對SSD進行改進,即可得到優(yōu)化后的DSC-SSD網(wǎng)絡(luò)結(jié)構(gòu),在DSC-SSD模型訓(xùn)練中,其損失函數(shù)主要分為兩個部分,即目標分類損失、回歸位置損失,如式(5)所示。

式(5)中N表示匹配的默認框數(shù)量;α表示其中的權(quán)重因子;L conf表示模型訓(xùn)練中的分類置信損失;L loc表示使用SmoothL1損失的目標定位損失,其定義見式(6)。

在DSC-SSD進行目標檢測時,通過多尺度特征層的相關(guān)信息在回歸層中生成數(shù)量較多的檢測框,隨后再利用非極大值抑制的方式,剔除其中冗余的、不符合要求的檢測框,最終實現(xiàn)對目標的精準定位。

1.2 基于圖像語義分割的圖像處理技術(shù)

圖像分割技術(shù)的本質(zhì)在于將目標圖像進行有效分割,使其成為多個具有獨特性質(zhì)的子區(qū)域。各子區(qū)域互不重疊,具有一定的區(qū)域相關(guān)性與差異性[8]。令輸入圖像區(qū)域為R,則其劃分后的子區(qū)域為R1,R2,…,R n,且滿足是R中的一個連通區(qū)域,i=1,2,…,n;由于每個子區(qū)域之間均互不重疊,因此R i∩R j=?,i≠j;P為一種邏輯關(guān)系,則有P（R i）=TRUE,i=1,2,…,n;對R中任意相鄰的兩個子區(qū)域R i與R j,均滿足作為一種集深度卷積神經(jīng)網(wǎng)絡(luò)、帶孔卷積于一體的圖像語義分割算法,Deep Lab能夠在帶孔卷積的作用下,實現(xiàn)對目標圖像分辨率的有效控制,并擴大其卷積核的感受野。全連接條件隨機場可在其高細節(jié)捕獲能力的作用下,與深度卷積神經(jīng)網(wǎng)絡(luò)進行有機的結(jié)合,共同進行圖像分割作業(yè),取得較為優(yōu)質(zhì)的分割效果,其能量函數(shù)表示為式(7)。

式(7)中x表示子區(qū)域中像素點的語義標簽;θ（x i）表示其中的一元勢函數(shù),滿足θ（x i）=-表示任一像素點分配到相應(yīng)語義標簽的概率。

1.3 場景理解與DSC-SSD算法的融合設(shè)計

要實現(xiàn)政務(wù)服務(wù)機器人的場景理解功能,實驗中將DSC-SSD目標檢測算法與圖像處理算法進行融合,獲取到了當前場景的內(nèi)容理解信息圖,其中囊括了目標圖像的特征位置、類別、深度表征等。圖像深度估計方法能夠使得二維圖像得到完全的分離,避免場景前置與后置內(nèi)容出現(xiàn)重疊的問題;DSC-SSD目標檢測算法與圖像語義分割算法共同作用,完成對特征圖像的準確定位與高效分割。融合設(shè)計算法的場景理解流程如圖2所示。

2 DSC-SSD在政務(wù)服務(wù)機器人場景理解中的應(yīng)用效果分析

2.1 DSC-SSD算法與其他目標檢測算法的比較

在深度學(xué)習(xí)框架進行網(wǎng)絡(luò)模型訓(xùn)練的過程中,在實驗中將網(wǎng)絡(luò)層、各項超參數(shù)進行定義,用以檢測DSC-SSD算法的訓(xùn)練效果。將最大迭代次數(shù)設(shè)置為80k次,迭代步長為1,學(xué)習(xí)率的初始值及其衰減系數(shù)分別為0.00001與0.5,權(quán)重衰減率的值與學(xué)習(xí)率初始值相等,網(wǎng)絡(luò)模型訓(xùn)練結(jié)果詳見圖3。

圖3 DSC-SSD算法的模型訓(xùn)練結(jié)果

從圖3(a)可以看出隨著迭代次數(shù)的持續(xù)增加,損失函數(shù)的值整體呈現(xiàn)出下降的趨勢,訓(xùn)練迭代次數(shù)達到約5000時,損失函數(shù)值降至2.5左右,隨后隨著訓(xùn)練迭代次數(shù)的增加,損失函數(shù)值下降幅度較小,幾乎維持穩(wěn)定狀態(tài)。圖3(b)顯示隨著訓(xùn)練迭代次數(shù)的增加而不斷提高,訓(xùn)練迭代次數(shù)少于30000時,測試準確率上升幅度較大,隨后增幅較小,逐漸維持平穩(wěn)狀態(tài)。這表明DSC-SSD算法隨著訓(xùn)練迭代次數(shù)的增加,在測試集上的表現(xiàn)愈來愈佳。將當前常用的目標檢測算法與DSC-SSD算法同時用于政務(wù)服務(wù)機器人場景理解中,其目標檢測結(jié)果見圖4。

圖4 DSC-SSD與不同算法的實驗結(jié)果對比

據(jù)圖4可知,相較于R-CNN,Faster RCNN,YOLO,SSD算法而言,DSC-SSD算法在查準率、查全率、平均精度、每秒識別幀數(shù)上均表現(xiàn)出較為優(yōu)越的性能,其結(jié)果分別為94.5%,92.4%,78.5%,95fps。在每秒識別幀數(shù)的比較中,R-CNN,Faster R-CNN,YOLO,SSD算法的實驗結(jié)果分別為6fps,7fps,45fps,46fps,而DSCSSD算法的實時檢測速度達到了95fps,約為YOLO算法與SSD算法檢測速度的2倍。這顯示出DSC-SSD算法具有更高的檢測精度與更強的目標檢測能力,能夠以其較強的目標檢測有效性廣泛應(yīng)用于場景理解中。

2.2 場景理解算法融合的效果研究

選擇政務(wù)服務(wù)機器人場景理解采集到的四張圖像,采用DSC-SSD目標檢測算法與常規(guī)算法進行對比實驗,進而獲取到相應(yīng)的定位準確度,即目標檢測對象的候選框與目標檢測對象真實位置的交并比,對比結(jié)果見圖5可知。

圖5 DSC-SSD與常規(guī)算法對目標檢測對象的定位準確性對比

從圖5可知,相較于常規(guī)檢測算法而言,DSC-SSD算法在對目標圖像進行識別檢測時,具有較為明顯的優(yōu)勢。對比分析兩種算法定位準確度的平均值,發(fā)現(xiàn)前者為0.927,后者為0.934。這表示采用DSC-SSD目標檢測算法能夠在一定程度上,保證目標定位的精確性。

3 結(jié) 語

在我國經(jīng)濟發(fā)展水平與科技水平不斷提高的過程中,機器人在各大領(lǐng)域中需求量的提升與其應(yīng)用環(huán)境的日漸復(fù)雜化,對其工作性能提出了更高的要求。為了探究DSC-SSD在政務(wù)服務(wù)機器人場景理解中的應(yīng)用成效,并有效提高機器人的場景理解能力,實驗中對DSC-SSD目標檢測算法進行深入研究,通過對圖像目標檢測、圖像語義分割等相關(guān)技術(shù)進行優(yōu)化與結(jié)合,設(shè)計場景理解與DSC-SSD的融合算法來進行實驗。結(jié)果顯示DSCSSD算法的目標定位準確度平均值可達到0.934,其查準率、查全率、平均精度、每秒識別幀數(shù)分別為94.5%,92.4%,78.5%,95fps,顯著優(yōu)于其他算法。這表明DSC-SSD算法能夠在政務(wù)服務(wù)中發(fā)揮出其優(yōu)越的工作性能,可大量投入到政務(wù)服務(wù)機器人的場景理解中。