改進SSD 算法的道路小目標(biāo)檢測研究

鄒慧海，侯 進

（1.西南交通大學(xué) 唐山研究生院，河北 唐山 063000；2.西南交通大學(xué) 信息科學(xué)與技術(shù)學(xué)院，成都 611756）

0 概述

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，語義分割、目標(biāo)跟蹤、目標(biāo)檢測、車道線檢測在計算機視覺領(lǐng)域得到廣泛關(guān)注，尤其是無人駕駛汽車。目標(biāo)檢測任務(wù)是對車輛前方道路環(huán)境的目標(biāo)進行識別檢測及定位，因?qū)嶋H道路環(huán)境的復(fù)雜多變性，使得該任務(wù)面臨諸多挑戰(zhàn)。

傳統(tǒng)的目標(biāo)檢測方法通常分為區(qū)域選擇、特征手工提取、分類回歸3 個步驟。文獻［1］提出一種差異訓(xùn)練、多尺度的目標(biāo)檢測方法DPM。該方法通過計算模型梯度方向直方圖（Histogram of Οriented Gradients，HΟG），利用支持向量機（Support Vector Machine，SVM）對模型進行分類訓(xùn)練，從而得到物體的梯度信息。但是，在網(wǎng)絡(luò)選擇區(qū)域時因耗費大量時間，導(dǎo)致檢測速度慢，而且手工提取的特征語義信息比較少，導(dǎo)致檢測精度差。

近年來，將深度學(xué)習(xí)與目標(biāo)檢測相結(jié)合的方法成為研究熱點。相比傳統(tǒng)目標(biāo)檢測方法，深度學(xué)習(xí)方法的模型網(wǎng)絡(luò)層數(shù)深、參數(shù)多。在目標(biāo)檢測領(lǐng)域中，該方法具有較高的檢測精度和較優(yōu)的實時性?；诖?，研究人員將深度學(xué)習(xí)理論融入到目標(biāo)檢測工作中。深度學(xué)習(xí)目標(biāo)檢測方法分為［2］單階段（one-stage）檢測方法和雙階段（two-stage）檢測方法。基于區(qū)域候選框的two-stage檢測方法提取輸入圖像的候選區(qū)域，并對其進行候選區(qū)域的分類與修正，從而實現(xiàn)目標(biāo)檢測。代表模型有R-CNN系列，包括R-CNN［3］、Fast R-CNN［4］、Faster R-CNN［5］，以及Mask R-CNN［6］等，都具有較優(yōu)的檢測精度，但是檢測速度較慢，從而無法滿足實時性要求。與此相反，one-stage檢測方法是一種端到端的目標(biāo)檢測方法，基于回歸分析的原理，利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像的特征信息，以識別檢測目標(biāo)的位置和類別，能夠有效加快檢測速度。代表模型有YΟLΟ 系列，包括YΟLΟv1［7］、YΟLΟ9000［8］、YΟLΟv3［9］及YΟLΟv4［10］算法、SSD［11］和EfficientDet［12］等。YΟLΟv4［10］檢測模型作為單目標(biāo)檢測模型類別中的最優(yōu)模型，在主干部分引入跨階段局部網(wǎng)絡(luò)（CSPNet）［13］和特征融合金字塔網(wǎng)絡(luò)（PAN）［14］，以解決梯度信息重復(fù)問題，從而提高同一物體在不同尺度上的識別精度，還可以通過數(shù)據(jù)增強等訓(xùn)練方式，提高檢測精度和實時性。

在汽車行駛過程中，目標(biāo)檢測方法不僅對近距離的大目標(biāo)進行精準(zhǔn)實時檢測，而且還要對遠距離的小目標(biāo)進行位置檢測。針對道路前方行人和車輛類別的小目標(biāo)檢測問題，本文提出一種基于改進SSD 的道路小目標(biāo)檢測算法。通過引入改進特征金字塔網(wǎng)絡(luò)，融合不同層感受野特征信息，利用深層特征網(wǎng)絡(luò)ResNet50代替VGGNet16，同時在殘差結(jié)構(gòu)中引入批量歸一化，從而提高檢測精度并加快收斂速度。

1 相關(guān)工作

1.1 SSD 算法

SSD 是單階段多類別的目標(biāo)檢測算法，具有較優(yōu)的檢測精度和較快的檢測速度，但是小目標(biāo)檢測效果并不理想。SSD［11］網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。SSD 網(wǎng)絡(luò)結(jié)構(gòu)主要分為2 個部分：1）VGGNet16 特征提取網(wǎng)絡(luò)，通過提取圖片目標(biāo)的特征信息，得到特征圖；2）分類回歸層，對每個候選框進行分類與回歸，從而識別檢測出圖片目標(biāo)。

圖1 SSD 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of SSD network

SSD 算 法分別在尺度為38×38、19×19、10×10、5×5、3×3、1×1的特征圖上產(chǎn)生候選框，以檢測不同尺度的目標(biāo)大小。本文是在這些尺度特征圖后通過連接特征金字塔融合結(jié)構(gòu)進行消融實驗，提高小目標(biāo)的檢測性能。SSD 算法候選框的數(shù)量為38×38×4+19×19×6+10×10×6+5×5×6+3×3×4+1×1×4=8 732。先驗框尺度的計算如式（1）所示，位置計算如式（2）所示：

其中：h、w為先驗框的長、寬；sk為面積；αr為系數(shù)因素；d為距離；cx、cy為距離x、y軸系數(shù)。

邊界框位置的計算如式（3）所示：

研究表明，匹配先驗框與邊界框遵循的原理是：首先計算邊界框與先驗框的所有IoU 值，當(dāng)IoU 值大于等于設(shè)定的閾值時，說明匹配成功，即為正樣本；反之為負(fù)樣本。若存在一個先驗框與多個邊界框的IoU 值超過設(shè)定閾值時，此時匹配其中最大的邊界框為正樣本，剩余的邊界框為負(fù)樣本。

SSD 的損失函數(shù)采用多任務(wù)損失函數(shù)，由分類損失值和邊框回歸損失值2 個部分相加得到。其中分類損失采用交叉熵函數(shù)，回歸損失采用SmoothL1loss 函數(shù)，整體損失函數(shù)如式（4）所示：

其中：Lconf為分類損 失；Lloc為回歸損 失；α為權(quán)重系數(shù)，系數(shù)越大，表明回歸損失在整體損失中占比越大，在訓(xùn)練過程中正樣本的邊框坐標(biāo)優(yōu)化效率越高。

1.2 ResNet50 特征網(wǎng)絡(luò)模型

ResNet（Residual Network）［15-16］是一種用于深度學(xué)習(xí)目標(biāo)檢測的卷積神經(jīng)網(wǎng)絡(luò)主干特征提取網(wǎng)絡(luò)，因其高效性和實用性，廣泛應(yīng)用于計算機視覺檢測、分割、識別等領(lǐng)域。層數(shù)越深的網(wǎng)絡(luò)可以提取到更加復(fù)雜的特征信息，效果也越好，但是網(wǎng)絡(luò)層數(shù)的增加導(dǎo)致深層梯度在反向傳播過程中越來越小甚至消失，從而阻礙網(wǎng)絡(luò)的收斂，即網(wǎng)絡(luò)退化問題。網(wǎng)絡(luò)退化問題不僅增大了訓(xùn)練誤差和測試誤差，也降低了網(wǎng)絡(luò)精度。

ResNet網(wǎng)絡(luò)中的殘差結(jié)構(gòu)（Residual Block）可以解決網(wǎng)絡(luò)退化問題，殘差網(wǎng)絡(luò)結(jié)構(gòu)對比如圖2 所示。

圖2 不同的殘差網(wǎng)絡(luò)結(jié)構(gòu)對比Fig.2 Comparison of different residual networks structure

在殘差網(wǎng)絡(luò)結(jié)構(gòu)中，當(dāng)輸入為x時，殘差學(xué)習(xí)特征為H（x），網(wǎng)絡(luò)層的原始學(xué)習(xí)特征為F（x）。則殘差結(jié)構(gòu)的學(xué)習(xí)特征H（x）如式（5）所示：

相比原始學(xué)習(xí)特征F（x），殘差網(wǎng)絡(luò)能夠?qū)W習(xí)殘差特征H（x），其原因是當(dāng)卷積網(wǎng)絡(luò)層數(shù)加深時，特征隨網(wǎng)絡(luò)層向下傳遞，而梯度隨網(wǎng)絡(luò)層向上回傳。在此過程中，因網(wǎng)絡(luò)層數(shù)太深導(dǎo)致梯度消失。然而，本文的殘差網(wǎng)絡(luò)可以解決此類問題，即使左邊深層網(wǎng)絡(luò)向上回傳的梯度值過小甚至消失，但是右邊原始梯度值向上回傳，整體梯度值等于兩邊梯度值相加，從而解決梯度消失的問題。

本文使用的改進殘差結(jié)構(gòu)如圖2（b）所示，在原殘差結(jié)構(gòu)的基礎(chǔ)上，將relu［17］激活函數(shù)替換為Leaky-relu［18］激活函數(shù)，并加入批量歸一化（Batch Normalization，BN）［19］。在網(wǎng)絡(luò)訓(xùn)練過程中，當(dāng)relu函數(shù)在部分輸入小于0 的情況下，輸出恒為0，導(dǎo)致對應(yīng)權(quán)重難以更新，從而無法訓(xùn)練學(xué)習(xí)特征。Leaky-relu 函數(shù)在輸入小于0 的情況時，輸出持續(xù)變化，以更新權(quán)重并繼續(xù)學(xué)習(xí)。BN 是對特征圖進行歸一化處理，加快收斂速度。同樣在訓(xùn)練時，部分輸入只通過直線連接前向傳播，導(dǎo)致整體結(jié)構(gòu)變成一條直線結(jié)構(gòu)。因此，在殘差結(jié)構(gòu)右側(cè)加入1×1 卷積核操作，可以解決上述整體直線結(jié)構(gòu)問題。

2 本文算法

2.1 特征金字塔結(jié)構(gòu)改進

隨著網(wǎng)絡(luò)層數(shù)的加深，主干特征網(wǎng)絡(luò)提取特征圖的感受野逐漸增大，導(dǎo)致小目標(biāo)的有效信息缺失，從而無法檢測出小目標(biāo)。由于不同深度對應(yīng)不同層次分辨率的語義特征信息，因此通過學(xué)習(xí)不同層之間相同的特征信息，提高網(wǎng)絡(luò)識別目標(biāo)的精確度。特征金字塔融合結(jié)構(gòu)如圖3 所示。增加雙向融合的特征金字塔網(wǎng)絡(luò)（Path Aggregation Network，PAN）［14］結(jié)構(gòu)能夠有效解決小目標(biāo)檢測的問題，PAN 結(jié)構(gòu)如圖3（a）所示。通過自底向上和自頂向下融合不同網(wǎng)絡(luò)層提取的特征圖，整合不同感受野大小和語義強度的特征信息，以得到目標(biāo)信息更加豐富的特征圖，從而提高檢測精度。

圖3 特征金字塔融合結(jié)構(gòu)Fig.3 Structure of fusion feature pyramid

PAN 的提出驗證了雙向融合的有效性，但是其結(jié)構(gòu)較簡單。因此，針對實際小目標(biāo)檢測場景，本文提出更復(fù)雜的SFPN 特征融合結(jié)構(gòu)，如圖3（b）所示。首先進行第1 次自底向上的特征融合，將每層特征網(wǎng)絡(luò)提取的特征圖進行相應(yīng)倍數(shù)的上采樣，并分別與第1 層、上一層特征圖級聯(lián)相加融合得到特征圖Pi（i表示層數(shù)），然后再進行第2 次自頂向下特征融合，在此過程中，將第1 層特征圖P1分別與每層特征圖Pi級聯(lián)相加融合得到2 次融合特征圖Ni，其他結(jié)構(gòu)保持不變。SFPN 特征融合結(jié)構(gòu)的目的是為了融合淺層特征圖感受野?。ò啃∧繕?biāo)）的有效信息，得到小目標(biāo)語義特征信息更豐富的特征圖，從而提高小目標(biāo)檢測性能。

2.2 RFG_SSD 網(wǎng)絡(luò)結(jié)構(gòu)改進

為提高小目標(biāo)檢測性能，改進的SSD 網(wǎng)絡(luò)是通過引入特征融合金字塔SFPN 網(wǎng)絡(luò)，并加載在原SSD特征提取網(wǎng)絡(luò)之后，對不同尺度分辨率的特征圖進行融合，利用融合淺層和深層的特征圖感受野，以提高小目標(biāo)檢測性能，進而分類回歸預(yù)測目標(biāo)。同時為提升整體RFG_SSD 網(wǎng)絡(luò)性能，改進RFG_SSD 網(wǎng)絡(luò)結(jié)構(gòu)選用ResNet50 替換VGGNet16，并將其作為改進模型的主干特征提取網(wǎng)絡(luò)，通過加深網(wǎng)絡(luò)層數(shù)提升性能。改進RFG_SSD 網(wǎng)絡(luò)結(jié)構(gòu)分為主干特征提取結(jié)構(gòu)、SFPN 特征融合結(jié)構(gòu)、分類回歸檢測層結(jié)構(gòu)3 個部分，如圖4 所示。

圖4 RFG_SSD 網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Structure of RFG_SSD network

在主干網(wǎng)絡(luò)中，輸入圖片尺寸為300×300×3，首先通過ResNet50 網(wǎng)絡(luò)對輸入圖片進行特征提取，每經(jīng)過一個殘差塊將提取的特征圖送入SFPN網(wǎng)絡(luò)中并進行特征金字塔融合操作，尺度分別為56×56、28×28、14×14 和7×7。在ResNet50 網(wǎng)絡(luò)結(jié)構(gòu)中主要使用改進殘差結(jié)構(gòu)（ResBlock），引入批量歸一化（BN）和Leaky-relu 激活函數(shù)。BN 操作是在特征圖的批量大小、長、高3 個維度上進行歸一化處理，目的是通過規(guī)范化方法將偏離的分布拉回到標(biāo)準(zhǔn)化，使梯度變大，以加快學(xué)習(xí)收斂速度，從而解決梯度消失的問題。Leaky-relu 激活函數(shù)操作是向上回傳梯度，以避免網(wǎng)絡(luò)退化現(xiàn)象的出現(xiàn)，從而為網(wǎng)絡(luò)增加了非線性表達能力且提高了網(wǎng)絡(luò)檢測性能。

在2 次縱向融合過程中，SFPN 特征融合結(jié)構(gòu)將下一層特征圖進行2 倍上采樣、上一層特征圖進行1×1 卷積，進而將兩者級聯(lián)相加連接，得到融合不同層語義信息的特征圖，使得網(wǎng)絡(luò)學(xué)習(xí)特征更加精準(zhǔn)，如圖4中SFPN模塊實線連接。為提取更多的小目標(biāo)特征信息，在第1 次融合過程中，將各層不同感受野大小的特征圖Ci做2 倍、4 倍、6 倍上采樣后，并與C1特征圖融合得到P1，在第2 次融合過程中，將P1進行核為3×3 大小、步長分別為2、4、6 的3 種最大池化方式降采樣后，并與各層Pi融合得到Ni，如圖4 中SFPN 模塊虛線連接。最后分別將各層融合得到的高語義信息特征圖Ni傳入到檢測層進行分類回歸，以預(yù)測目標(biāo)。

在檢測層結(jié)構(gòu)中，依次經(jīng)過批量歸一化BN 和Leaky-relu 激活函數(shù)操作層、全局平均池化層（Global Average Pooling，GAP）［20］、softmax 層［21］，最終得到目標(biāo)檢測結(jié)果。標(biāo)準(zhǔn)目標(biāo)檢測網(wǎng)絡(luò)模型在特征提取后連接全連接層（Full Connected，F(xiàn)C），其目的是將前面學(xué)習(xí)得到的特征語義表示映射到樣本空間，降維得到一維向量組，并將其輸入到softmax 層進行分類，以得到相應(yīng)類別目標(biāo)。由于FC 層參數(shù)冗余，占據(jù)整個網(wǎng)絡(luò)參數(shù)量的80%以上，導(dǎo)致運算量過大，且容易過擬合，因此使用代替FC 層，如圖4 中檢測層結(jié)構(gòu)。全局平均池化方式不僅能夠降維得到與FC 相同的結(jié)果，而且可以降低50%以上的參數(shù)量，同時去除了對輸入圖片大小的限制，以提高網(wǎng)絡(luò)運算速度。

3 實驗結(jié)果與分析

3.1 實驗平臺配置

本文選用pytorch 開源框架進行訓(xùn)練、測試，基于ubuntu16.04 操作系 統(tǒng)，CPU 為Inter Core i7-9700K，3.60 GHz，顯卡為NVIDIIA GTX2080。編譯環(huán)境為torch-1.2、torchvision-0.40，cuda10.0、cudnn10.0，python 3.7語言編程。

3.2 BDD100K 數(shù)據(jù)集

針對道路行駛過程中車輛前方的行人和車輛目標(biāo)，本文選用的數(shù)據(jù)集必須滿足車輛行駛過程中有足夠多的行人和車輛，并且是真實的路況環(huán)境。因此，本文使用BDD100K 數(shù)據(jù)集［22］，該數(shù)據(jù)集是2018 年伯克利大學(xué)發(fā)布的大規(guī)模、內(nèi)容多樣性的公開駕駛數(shù)據(jù)集。其中道路目標(biāo)數(shù)據(jù)有1×105張圖片，包括城市街道、高速公路等路況場景，包含晴天、陰天、雨天等天氣環(huán)境。這些因素使得數(shù)據(jù)集具備豐富多樣性的行人、車輛路況場景，網(wǎng)絡(luò)能夠?qū)W習(xí)更豐富的特征，從而適用于道路上各種復(fù)雜場景，保障無人駕駛汽車的安全出行。

該數(shù)據(jù)集的道路目標(biāo)數(shù)據(jù)包含訓(xùn)練集7×104張圖片、測試集2×104張圖片、驗證集1×104張圖片，包括多種目標(biāo)類別標(biāo)簽數(shù)據(jù)。編寫代碼提取兩個數(shù)據(jù)集的行人、車輛類別標(biāo)簽，并保存得到訓(xùn)練集、測試集、驗證集txt 格式。同時使用式（1）計算每個類別標(biāo)簽框尺度大小，設(shè)定尺度小于或等于19×19 的標(biāo)簽框為小目標(biāo)，統(tǒng)計類別標(biāo)簽個數(shù)和小目標(biāo)標(biāo)簽個數(shù)，以得到小目標(biāo)框個數(shù)約占所有框個數(shù)的40%，各標(biāo)簽框數(shù)目統(tǒng)計如表1 所示。

表1 標(biāo)簽框數(shù)目Table 1 The number of label boxes

3.3 訓(xùn)練與消融實驗

本文通過控制變量法（不同模塊組合）進行消融實驗，以對比各模塊作用程度。各網(wǎng)絡(luò)的結(jié)構(gòu)模塊如表2所示。本文使用BDD100K 訓(xùn)練集對4 種網(wǎng)絡(luò)進行模型訓(xùn)練實驗。訓(xùn)練過程中批次大小為8，迭代次數(shù)為500，初始學(xué)習(xí)率為0.000 1，權(quán)值衰減為0.000 5。其中學(xué)習(xí)率決定得到最優(yōu)值參數(shù)的速度，如果學(xué)習(xí)率過大，參數(shù)可能會跳過最優(yōu)值，從而導(dǎo)致網(wǎng)絡(luò)無法收斂甚至發(fā)散；如果學(xué)習(xí)率過小，則優(yōu)化效率過低，網(wǎng)絡(luò)長時間無法收斂，可能得到局部最優(yōu)。因此，在訓(xùn)練中權(quán)值衰減系數(shù)的設(shè)置是根據(jù)模型訓(xùn)練情況來動態(tài)改變學(xué)習(xí)率大小，使得網(wǎng)絡(luò)在訓(xùn)練迭代中得到最優(yōu)值參數(shù)。

表2 不同網(wǎng)絡(luò)的模塊結(jié)構(gòu)Table 2 Module structure of different networks

訓(xùn)練時調(diào)用原SSD 在VΟC2007 數(shù)據(jù)集上訓(xùn)練得到的權(quán)重并進行初始化，并且在訓(xùn)練中將訓(xùn)練損失值變化繪制成曲線，如圖5 所示。損失值越小表示模型預(yù)測目標(biāo)越接近真實目標(biāo)，模型的性能越好。

圖5 不同算法的損失值對比Fig.5 Loss values comparison among different algorithms

從圖5 可以看出，各算法經(jīng)過迭代100 次后損失變化趨于穩(wěn)定，曲線波動不大。SSD 算法使用VGGNet16 特征提取網(wǎng)絡(luò)，損失值最大；只將原SSD結(jié)構(gòu)中特征提取網(wǎng)絡(luò)替換為ResNet50，損失值排在第2；在原SSD 結(jié)構(gòu)中只增加SFPN 特征融合網(wǎng)絡(luò)，損失值排在第3；同時替換ResNet50 網(wǎng)絡(luò)和增加SFPN 網(wǎng)絡(luò)設(shè)計得到RFG_SSD 網(wǎng)絡(luò)，損失值最小，相對應(yīng)的性能最優(yōu)。

3.4 實驗結(jié)果

3.4.1 消融實驗精度評估

在目標(biāo)檢測領(lǐng)域中，本文選用準(zhǔn)確率和召回率來評估系統(tǒng)的性能。準(zhǔn)確率是指在所有正樣本中，正確目標(biāo)所占的比例，衡量查準(zhǔn)率；召回率是指在所有真實的目標(biāo)中，被模型正確檢測出來的目標(biāo)所占的比例，衡量查全率。精確率和召回率如式（6）和式（7）所示：

其中：P為準(zhǔn)確率；R為召回率；TTP為模型正確檢測的目標(biāo)個數(shù)；FFP表示模型錯誤檢測的目標(biāo)個數(shù)；FFN為模型漏檢的正確目標(biāo)個數(shù)。

在實際過程中，準(zhǔn)確率和召回率相互關(guān)聯(lián)，因此將計算得到的P、R值繪制成P-R 曲線，綜合考慮P-R 曲線下的面積AAP值來評估各類別檢測性能，AAP值越大，表示模型檢測精度越高，即性能越好，如式（8）所示：

針對多個類別N，本文使用平均值mmAP評估模型整體性能，如式（9）所示：

本文分別使用原SSD 算法、ResNet50 算法、VGG16+SFPN 算法和RFG_SSD 算法對BDD100K測試集測試檢測精度。編寫代碼利用各個算法訓(xùn)練得到的權(quán)重模型計算P、R值，并繪制成P-R 曲線，得到各個算法類別AP 值，如圖6 所示。

圖6 不同算法的P-R 曲線對比Fig.6 P-R curves comparison among different algorithms

不同算法的檢測精度對比如表3所示。從表3可以看出，ResNet50算法相對于SSD算法mmAP提高了6.42個百分點，表明深層特征提取模塊ResNet50能夠有效提高模型的檢測精度。VGG16+SFPN算法相對于SSD算法mmAP提高8.6個百分點，表明SFPN結(jié)構(gòu)有效提高模型的檢測精度。最終改進算法RFG_SSD 是將ResNet50模塊和SFPN 模塊相結(jié)合得到，與SSD 相比，其mmAP提高12.69個百分點，與單獨使用ResNet50模塊或SFPN 模塊相比，其mmAP分別提高6.72和4.09個百分點，表明2個模塊結(jié)合使用能夠有效提高模型的檢測精度。

表3 不同算法的檢測精度對比Table 3 Detection accuracy comparison among different algorithms %

3.4.2 不同算法的性能對比

算法性能的評估不僅要考慮平均檢測精度mmAP值，同時也需要評估檢測速度，即實時性（FFPS）的快慢情況。實時性表示目標(biāo)檢測網(wǎng)絡(luò)檢測一張圖片需要的時間，假設(shè)網(wǎng)絡(luò)檢測一張圖片需要s，F(xiàn)FPS值越大，表示檢測時間越少，速度越快。FFPS如式（10）所示：

本文分別使用SSD 算法、YΟLΟv4 算法及改進SSD 算法對VΟC2007+2012 測 試集 與BDD100K 測試集進行測試評估，并對比各類算法的檢測精度和速度。其中文獻［23］算法在原SSD 淺層網(wǎng)絡(luò)結(jié)構(gòu)上設(shè)計淺層特征增強模塊，以提高淺層小目標(biāo)的特征提取能力，文獻［24］算法在檢測識別時利用小目標(biāo)強化檢測模塊與原SSD 級聯(lián)方式，提高小目標(biāo)的檢測效果。這2 種改進算法都只是針對小目標(biāo)部分結(jié)構(gòu)，雖然小目標(biāo)檢測效果有所提高，但是整體檢測性能并沒有顯著提高。本文改進算法RFG_SSD不僅能夠提高小目標(biāo)檢測性能，還提高了整體性能。

本文利用編寫代碼計算各類算法在兩個數(shù)據(jù)集上的平均精度和實時性表現(xiàn)，同時使用式（1）計算模型檢測的目標(biāo)框尺度大小，并統(tǒng)計尺度小于19×19 的小目標(biāo)框檢測個數(shù)。在VΟC2007+2012 和BDD100K 測試集上不同方法的檢測結(jié)果及適用場景對比如表4所示。從表4 可以看出，在VΟC2007+2012 和BDD100K 測試集上，VGG16+SFPN 算法相對文獻［22］、文獻［23］及SSD 算法的檢測精度和速度都有所提高，并且小目標(biāo)檢測個數(shù)增多，驗證了SFPN 模塊結(jié)構(gòu)提升小目標(biāo)檢測性能的有效性，但是與YΟLΟv4 算法相比，VGG16+SFPN 算法的性能優(yōu)勢并不明顯。在BDD 100K 數(shù)據(jù)集上，本文提出的改進算法RFG_SSD 在檢測精度和速度上相對于其他算法都具有明顯優(yōu)勢，與目前性能最優(yōu)的檢測算法YΟLΟv4 相比，其整體性能相差不大，精度降低了0.97 個百分點，檢測速度加快1.8 frame/s，小目標(biāo)檢測數(shù)目相差約600 個。與原SSD 算法相比，RFG_SSD 算法精度提高了12.69 個百分點，檢測速度提高34.33 frame/s，小目標(biāo)框檢測數(shù)高出3 倍以上。與文獻［23］、文獻［24］算法相比，RFG_SSD 算法的檢測效果得到明顯提高，表明ResNet50+SFPN 模塊能夠有效提高檢測準(zhǔn)確度。

表4 不同算法的目標(biāo)檢測結(jié)果與適用場景對比Table 4 Target detection results and applicable scenarios comparison among different algorithms

本文RFG_SSD 算法和SSD 算法對數(shù)據(jù)集圖片進行目標(biāo)檢測對比，如圖7 所示。

圖7 不同算法的目標(biāo)檢測結(jié)果Fig.7 Target detection results of different algorithms

從圖7可以看出，對于圖片中行人和汽車目標(biāo)，SSD算法未識別檢測出小目標(biāo)，只檢測出部分大目標(biāo)，RFG_SSD 算法能夠精準(zhǔn)檢測出大、小目標(biāo)。結(jié)果表明，RFG_SSD 算法能夠精準(zhǔn)檢測出圖片中任意尺度的目標(biāo)，并且速度更快，性能得到顯著提升，以達到預(yù)期行人、汽車多尺度檢測的效果。

4 結(jié)束語

本文提出一種改進SSD 算法的道路小目標(biāo)檢測算法。在SSD 網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上，通過引入改進特征金字塔結(jié)構(gòu)SFPN 融合不同層特征的語義信息，將特征網(wǎng)絡(luò)VGGNet16 替換為網(wǎng)絡(luò)層數(shù)較多的ResNet50，以提高整體網(wǎng)絡(luò)性能，并通過增加批量歸一化、全局平均池化等結(jié)構(gòu)，從而降低參數(shù)量。實驗結(jié)果表明，相比SSD、VGG16+SFPN 算法，該算法能夠顯著提高檢測精度，并加快檢測速度，實現(xiàn)多尺度目標(biāo)檢測，其在BDD100K 數(shù)據(jù)集上的精確度達到98.05%。由于本文算法僅對道路行人、車輛進行檢測，因此后續(xù)將改進檢測模型，使其適用于道路多類別、多尺度的檢測。