基于深度學(xué)習(xí)的車輛檢測(cè)算法之特點(diǎn)分析

劉 哲 朱東弼

（延邊大學(xué)，吉林 延吉 133002）

0 引言

隨著科學(xué)技術(shù)的日益更新，家家戶戶的生活水平直線上升，私家車數(shù)量在不斷增加，因此智能交通系統(tǒng)的概念被提出。車輛檢測(cè)是智能交通系統(tǒng)的關(guān)鍵部分，對(duì)減少交通擁堵，減少交通事故的發(fā)生以及輔助駕駛應(yīng)用都有著重要的意義。

車輛檢測(cè)方法一般可分為傳統(tǒng)的車輛檢測(cè)算法和基于深度學(xué)習(xí)的車輛檢測(cè)算法。傳統(tǒng)的目標(biāo)檢測(cè)算法大多需要人工設(shè)計(jì)特征，精度差、模型魯棒性不強(qiáng)。近年來(lái)，計(jì)算機(jī)視覺(jué)領(lǐng)域主要采用的是深度學(xué)習(xí)理論，現(xiàn)有的目標(biāo)檢測(cè)算法比較經(jīng)典的主要分成兩類：一類是Two Stage算法，如R-CNN、Fast R-CNN、Faster R-CNN；另一類的目標(biāo)檢測(cè)算法是One Stage，如YOLO系列，SSD算法。本文將對(duì)三種有代表性的車輛檢測(cè)算法Faster R-CNN算法、YOLOv3算法、SSD算法的特點(diǎn)進(jìn)行分析。

1 基于Faste r R-CNN的車輛檢測(cè)算法分析

2015年Faster R-CNN算法問(wèn)世，該算法檢測(cè)框的生成使用了區(qū)域建議網(wǎng)絡(luò)（Region Proposal Network，RPN），新的RPN會(huì)更快更有效地生成ROI[1]，讓目標(biāo)檢測(cè)又向前邁進(jìn)了一大步。Faster R-CNN由四部分組成，分別是特征提取網(wǎng)絡(luò)、RPN網(wǎng)絡(luò)、ROIpooling（池化）層、分類與回歸。特征提取網(wǎng)絡(luò)由卷積層、池化層、激活層構(gòu)成，首先將車輛圖片輸入，會(huì)經(jīng)過(guò)13個(gè)卷積層和激活層，使用的激活函數(shù)是Relu，同時(shí)會(huì)經(jīng)過(guò)4個(gè)池化層，每一個(gè)池化層會(huì)把圖片變成原來(lái)的1/2，最后圖片就變成了原圖的1/16，這樣就提取出了車輛圖片的feature maps（特征），常用的特征提取網(wǎng)絡(luò)有ResNet、VGG等。這些feature maps分為兩個(gè)走向：第一個(gè)是直接映射至ROIpooling層，另一個(gè)則是通過(guò)RPN來(lái)生成候選區(qū)域。特征圖輸入至RPN中，為了集中特征信息首先進(jìn)行3*3卷積。接下來(lái)同樣有兩個(gè)分支，一個(gè)分支我們手動(dòng)定義一個(gè)base_anchor則會(huì)生成9個(gè)Anchor box，即特征圖上的每個(gè)像素點(diǎn)會(huì)有9個(gè)Anchor box，使用softmax對(duì)其篩選出含有車輛目標(biāo)的[2]。去掉超過(guò)原圖邊界線上的Anchor box，設(shè)置合適的IOU閾值，對(duì)于范圍外的Anchor box也去掉，對(duì)剩下的檢測(cè)框進(jìn)行標(biāo)記。另一個(gè)分支，我們可以得到每個(gè)anchor的四個(gè)坐標(biāo)信息：中心位置（x，y）、寬w、高h(yuǎn)，將計(jì)算得出的anchor box與ground truth的坐標(biāo)信息偏移量訓(xùn)練學(xué)習(xí)，使用邊框回歸 （bounding box regression）方法對(duì)這四個(gè)坐標(biāo)信息變化量進(jìn)行回歸，可以從fg anchors得出proposal大致位置。接下來(lái)在Proposal層再次生成anchors，并對(duì)其使用bbox回歸，從而得到更加準(zhǔn)確的proposals。ROIpooling層的輸入是之前得到的特征圖和proposals，將region proposal映射至特征圖中，在將這個(gè)區(qū)域劃分為7*7份，從而會(huì)有許多個(gè)固定長(zhǎng)度的7*7feature map，這些固定長(zhǎng)度的feature map是全連接層的輸入。最終利用全連接層和softmax對(duì)車輛種類識(shí)別，并回歸出準(zhǔn)確的預(yù)測(cè)框得到位置。

Faster R-CNN檢測(cè)精度較高，魯棒性強(qiáng)，代碼開(kāi)源，方便使用。但是網(wǎng)絡(luò)容易丟失原始圖像的空間結(jié)構(gòu)信息，而且兩階段網(wǎng)絡(luò)的速度較慢，無(wú)法達(dá)到實(shí)時(shí)性的要求。

2 基于YOLOv 3的車輛檢測(cè)算法分析

YOLOv3算法就是將一張車輛圖片分成s*s個(gè)網(wǎng)格，如果物體的中心點(diǎn)落在網(wǎng)格上，那么該網(wǎng)格就負(fù)責(zé)預(yù)測(cè)這個(gè)物體的bounding box，每次預(yù)測(cè)時(shí)會(huì)有坐標(biāo)參數(shù)（x，y，w，h）和置信度[3]，置信度可以用IOU計(jì)算，我們選擇IOU最大的作為車輛檢測(cè)輸出。YOLOv3使用Darknet53作為主干特征提取網(wǎng)絡(luò)，Darknet53里面含有殘差網(wǎng)絡(luò)Residual，容易優(yōu)化，可以通過(guò)增加網(wǎng)絡(luò)深度來(lái)提高準(zhǔn)確率。首先把圖片轉(zhuǎn)換成416*416尺寸，為了防止圖片失真可以加入灰度條，經(jīng)過(guò)一個(gè)卷積層（卷積層都是正常的卷積、標(biāo)準(zhǔn)化、激活函數(shù)），然后通過(guò)五個(gè)殘差塊，殘差塊均由一個(gè)1*1卷積、一個(gè)3*3卷積、一個(gè)shortcut path組成，有效緩解了梯度消失問(wèn)題，這五個(gè)殘差塊重復(fù)次數(shù)分別是1，2，8，8，4，使用殘差網(wǎng)絡(luò)來(lái)提取特征。在這五次下采樣過(guò)程中，圖片的寬高不斷被壓縮，通道數(shù)擴(kuò)張，這樣就獲得了一堆的特征層。我們使用后三個(gè)特征層構(gòu)建FPN特征金字塔來(lái)加強(qiáng)特征提取，后三個(gè)特征層分別是52*52（預(yù)測(cè)小物體）、26*26（預(yù)測(cè)中物體）、13*13（預(yù)測(cè)大物體）。將這三個(gè)特征層結(jié)果分別進(jìn)行五次卷積，卷積出來(lái)的結(jié)果一個(gè)分支用來(lái)做分類回歸，另一個(gè)分支將結(jié)果卷積再進(jìn)行上采樣與前一個(gè)特征層堆疊，再重復(fù)的進(jìn)行五次卷積，接下來(lái)重復(fù)兩次上述步驟，我們就可以得到三個(gè)加強(qiáng)特征層。最后利用YoloHead對(duì)三個(gè)有效特征層進(jìn)行預(yù)測(cè)，Yolo Head本質(zhì)上是一次3*3卷積用來(lái)特征融合加上一次1*1卷積調(diào)整通道數(shù)。

YOLOv3算法將圖片端到端目標(biāo)檢測(cè)，喪失了部分精度，難以檢測(cè)小目標(biāo)，但是速度快，漏檢率低，對(duì)全局信息有較好表現(xiàn)。

3 基于SSD的車輛檢測(cè)算法分析

SSD（Single-Shot MultiBox Detector）在2016年算法問(wèn)世，不僅提升了識(shí)別速度，還提高了mAP值[4]。首先將車輛圖片統(tǒng)一成300*300輸入，SSD采用VGG16作為基礎(chǔ)網(wǎng)絡(luò)，并對(duì)VGG16做出了一些改進(jìn)：全連接層（Fully Connected Layer）的6、7層分別轉(zhuǎn)換成3*3卷積層和1*1卷積層，同時(shí)采用Atrous Algorithm方法指數(shù)級(jí)增加感受野；去除全連接層8和Dropout層；池化層5由2*2-s2變成3*3-s1；增加4個(gè)卷積層。顯而易見(jiàn)，SSD算法網(wǎng)絡(luò)結(jié)構(gòu)中應(yīng)用多個(gè)卷積層，每一個(gè)卷積層都可以提取feature map，那么我們?cè)谶@個(gè)過(guò)程中獲得多個(gè)不同大小的特征圖，即SSD可以多尺度地檢測(cè)車輛。在特征圖中選擇原卷積層Conv4_3，和新增卷積層7、8_2、9_2、10_2、11_2作為有效特征圖，尺寸分 別 為：（38，38）、（19，19）、（10，10）、（5，5）、（3，3）、（1，1）。但是設(shè)置先驗(yàn)框（prior box）數(shù)目時(shí)這六個(gè)特征圖是不同的，先驗(yàn)框是實(shí)際選用的默認(rèn)框，prior box的設(shè)置包括尺度和長(zhǎng)寬比的選擇，式（1）是生成默認(rèn)框（default boxes）的公式。

其中，m：特征圖個(gè)數(shù)；sk，prior box大小相對(duì)于圖片的比例；smin和smax，比例的最小值與最大值每個(gè)特征圖有6個(gè)先驗(yàn)框{1，2，3，1/2，1/3，1'}，但Conv4_3、Conv10_2、Conv11_2層只用{1，2，1/2，1'}這4個(gè)prior box。SSD算法不需要全連接層，直接使用這些不同的特征圖來(lái)進(jìn)行檢測(cè)，會(huì)同時(shí)有兩個(gè)3*3卷積，第一個(gè)用來(lái)檢測(cè)車輛類別，以及先驗(yàn)框是否含有物體，第二個(gè)用來(lái)回歸預(yù)測(cè)框的坐標(biāo)信息（中心位置、寬、高）。SSD算法一共可以預(yù)測(cè)8 732個(gè)邊界框，可以說(shuō)是非常密集，不過(guò)計(jì)算量也變得極其龐大，因此采用非極大值抑制（NMS）方法設(shè)置合適的閾值，來(lái)去除掉一些重疊的Default boxes，最后對(duì)剩下的prior box檢測(cè)，即可通過(guò)他們得出車輛類別和位置信息。

SSD算法在特征圖上進(jìn)行了大量采樣，有效避免了漏檢，提高車輛檢測(cè)精度，分類回歸同時(shí)進(jìn)行，大大提高了速度，但是需要設(shè)計(jì)者手工依靠經(jīng)驗(yàn)來(lái)設(shè)置default boxes的初始值，增加了工作量，而且不能很好識(shí)別檢測(cè)出小目標(biāo)，對(duì)大目標(biāo)檢測(cè)效果較好。

4 結(jié)語(yǔ)

隨著深度學(xué)習(xí)算法的不斷發(fā)展，深度學(xué)習(xí)在智能交通系統(tǒng)領(lǐng)域有著越來(lái)越廣泛的應(yīng)用。通過(guò)上述分析可知基于深度學(xué)習(xí)的三種經(jīng)典的車輛檢測(cè)算法——Faster R-CNN算法、YOLOv3算法、SSD算法，各有千秋，在選擇網(wǎng)絡(luò)的時(shí)候可以根據(jù)不同的應(yīng)用場(chǎng)景和實(shí)際需求來(lái)實(shí)現(xiàn)。