基于Mask R-CNN的馬匹四肢別征提取方法研究與應(yīng)用

迪力夏提·多力昆，張?zhí)t，馮向萍

（新疆農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院，新疆烏魯木齊 830052）

隨著現(xiàn)代馬產(chǎn)業(yè)的不斷發(fā)展，新疆馬產(chǎn)業(yè)的管理平臺(tái)中馬匹登記工作已成為最基礎(chǔ)的一項(xiàng)工作[1]，馬匹外貌特征作為馬資源信息的一項(xiàng)重要基礎(chǔ)資料，是指馬匹局部的外貌特征，可作為辨別毛色相同個(gè)體的識(shí)別標(biāo)志。目前在馬匹登記工作中仍需人工在系統(tǒng)中繪制馬匹外貌別征，存在不好畫、畫不好、畫不像、工作量大、人工成本高、效率低等問題。隨著登記馬匹數(shù)量的日益增長(zhǎng)，這些問題迫切需要得以解決。

自2012 年以來(lái)，AlexNet[2]、VGG、Inception[3]、ResNet[4]、Mask R-CNN[5-6]等網(wǎng)絡(luò)模型的提出,深度學(xué)習(xí)方法在圖像識(shí)別方面取得了優(yōu)異成績(jī)。該文提出一種基于Mask R-CNN 的馬匹四肢別征提取的方法，為馬品種登記工作中的馬匹外貌特征自動(dòng)標(biāo)記提供了技術(shù)基礎(chǔ)。

1 方法原理

Mask R-CNN 框架不僅在其前身Faster R-CNN的基礎(chǔ)上實(shí)現(xiàn)了更高的性能和更快速度的目標(biāo)檢測(cè)，更是為了實(shí)現(xiàn)實(shí)例分割引入了Mask 分支，使圖片中的目標(biāo)以像素級(jí)別進(jìn)行了分割。Mask R-CNN是一種通用性很強(qiáng)的實(shí)例分割框架，主要可以分為特征金字塔網(wǎng)絡(luò)、RPN[7]網(wǎng)絡(luò)、ROI Align、頭部網(wǎng)絡(luò)四部分。Mask R-CNN 網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

圖1 Mask R-CNN網(wǎng)絡(luò)結(jié)構(gòu)

1.1 特征金字塔網(wǎng)絡(luò)

該文以ResNet101 作為骨干特征提取網(wǎng)絡(luò),使用FPN 網(wǎng)絡(luò)預(yù)測(cè)生成的不同尺度的特征圖，并使不同尺度特征圖進(jìn)行融合，獲取不同分辨率、不同語(yǔ)義強(qiáng)度的特征[8]。特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)

1.2 RPN網(wǎng)絡(luò)

Mask R-CNN 框架中的RPN 網(wǎng)絡(luò)是從FPN 生成的特征圖中創(chuàng)建了約兩萬(wàn)個(gè)候選框（Anchor）[9]。RPN需要對(duì)FPN 生成的5 個(gè)特征圖創(chuàng)建不同尺寸的候選框，并對(duì)每一張?zhí)卣鲌D的所有像素點(diǎn)建立3 個(gè)不同尺寸的預(yù)測(cè)框[10]。如圖3 所示，RPN 對(duì)于特征圖的每個(gè)位置進(jìn)行滑窗，通過不同尺寸及不同比例的K個(gè)Anchor 產(chǎn)生K個(gè)256 維的向量，使每一個(gè)區(qū)域進(jìn)行前景與背景的檢測(cè)，并獲得其具體位置。

圖3 RPN算法示意圖

1.3 ROI Align

ROI Align 是Mask R-CNN 中提出來(lái)的對(duì)ROI 區(qū)域進(jìn)行標(biāo)準(zhǔn)化處理的方法，它提升了Faster R-CNN中的ROI Pool 的精度，使得標(biāo)準(zhǔn)化后的數(shù)值從整型提高到浮點(diǎn)型，提升了整個(gè)模型的檢測(cè)精度。ROI Align 算法示意圖如圖4 所示。

圖4 ROI Align算法示意圖

1.4 頭部網(wǎng)絡(luò)

常見的實(shí)例分割是在分割完成后再進(jìn)行分類，而Mask R-CNN 框架則是分類和分割同時(shí)實(shí)現(xiàn)[11]。但在測(cè)試時(shí)，需要先經(jīng)過目標(biāo)分類和回歸，之后才對(duì)目標(biāo)邊框內(nèi)的圖像進(jìn)行Mask 回歸，決定目標(biāo)的像素點(diǎn)分類。這意味著Mask 分支并不需要對(duì)目標(biāo)類別進(jìn)行分類，而僅僅需要分辨前后景，即對(duì)邊框內(nèi)的圖像做一次語(yǔ)義分割，通過這種方式，巧妙地實(shí)現(xiàn)了實(shí)例分割。

與Faster R-CNN 相比，Mask R-CNN 框架的頭部網(wǎng)絡(luò)除了目標(biāo)分類和邊界回歸外，由ROI Align 標(biāo)準(zhǔn)化的特征圖穿過兩個(gè)全連接層，以實(shí)現(xiàn)目標(biāo)分類和回歸。該部分與RPN 網(wǎng)絡(luò)中的背景分類和邊界回歸基本相同，其分割任務(wù)主要通過擴(kuò)展分支來(lái)實(shí)現(xiàn)。

2 實(shí)驗(yàn)及結(jié)果

2.1 實(shí)驗(yàn)環(huán)境

該文算法運(yùn)行在Python 3.6、Tensorflow 1.14.0、Keras 2.1.5 開發(fā)環(huán)境中，其具體配置如表1 所示。

表1 實(shí)驗(yàn)環(huán)境配置

2.2 構(gòu)建數(shù)據(jù)集

通過查詢馬匹外貌特征知識(shí)網(wǎng)站與書籍等相關(guān)資料，馬匹四肢的別征有蹄冠白、系白、球節(jié)白、1/2管白和管白共5 種類型。為了構(gòu)建馬匹四肢別征的數(shù)據(jù)集，通過新疆馬業(yè)協(xié)會(huì)提供的馬匹圖像和新疆伊犁昭蘇馬場(chǎng)實(shí)地拍攝的圖像，篩選出擁有完整馬匹的圖像1 850 張。通過網(wǎng)絡(luò)爬蟲獲取的圖像，篩選出擁有完整馬匹的圖像460 張，圖像數(shù)據(jù)集共計(jì)2 310 張。并通過LabelMe 圖像標(biāo)注工具標(biāo)注完整馬匹數(shù)量為2 310 個(gè)，標(biāo)注馬匹四肢數(shù)量總計(jì)6 551 個(gè)，別征數(shù)量總計(jì)1 823 個(gè)，具體數(shù)目如表2 所示。

表2 標(biāo)注類別與數(shù)量

2.3 數(shù)據(jù)擴(kuò)增

因無(wú)法大規(guī)模制作馬匹四肢別征的數(shù)據(jù)集，為防止出現(xiàn)模型過擬合或模型泛化能力差等問題，該文在模型訓(xùn)練時(shí)使用Python 中常見的imgaug 庫(kù)（數(shù)據(jù)擴(kuò)增庫(kù)）進(jìn)行數(shù)據(jù)擴(kuò)增。通過在線擴(kuò)增方法在模型訓(xùn)練的過程中，對(duì)每個(gè)epoch(迭代次數(shù))的所有樣本圖像都進(jìn)行一次變換。

該文在數(shù)據(jù)擴(kuò)增時(shí)選用的變換方法是鏡像、裁剪、平移、旋轉(zhuǎn)、高斯模糊、對(duì)比度變換、高斯擾動(dòng)、雙邊濾波、HSV 變換、飽和度變換、色調(diào)變換、灰度變換等[12-15]，并通過1～3 種隨機(jī)組合的變換方式形成，使擴(kuò)增數(shù)據(jù)接近測(cè)試數(shù)據(jù)，從而提高預(yù)測(cè)精度。

2.4 結(jié)果分析

通過Mask R-CNN 框架在COCO 預(yù)訓(xùn)練權(quán)重上訓(xùn)練了單個(gè)模型、馬匹模型、四肢模型和別征模型，并做了對(duì)照實(shí)驗(yàn)，針對(duì)馬匹四肢別征數(shù)據(jù)集，采用平均準(zhǔn)確率(AP)和分割的評(píng)價(jià)標(biāo)準(zhǔn)交并比(IOU)評(píng)價(jià)模型檢測(cè)結(jié)果[16]，IOU 計(jì)算公式見式（1）。4 個(gè)模型中的單個(gè)模型是使用所有的10 個(gè)類別進(jìn)行訓(xùn)練的模型。馬匹模型、四肢模型和別征模型是指分別用馬匹類別、四肢類別和別征類別進(jìn)行訓(xùn)練的模型。馬匹類別數(shù)量為一個(gè)，四肢類別為左前腿、右前腿、左后腿和右后腿共4 個(gè)，別征類別為蹄冠白、系白、球節(jié)白、1/2 管白和管白共5 個(gè)。

其中，A表示預(yù)測(cè)出來(lái)的目標(biāo)區(qū)域面積，B表示手工標(biāo)定的目標(biāo)區(qū)域面積，IOU 指標(biāo)越高，表示預(yù)測(cè)結(jié)果和標(biāo)定結(jié)果的重合率越高。將IOU 從0.5 到0.95以0.05為間隔，測(cè)試10次，選取10次測(cè)試的平均值作為AP 值。AP50 是IOU 為50%情況下的精確度，AP75 是IOU 為75%情況下的精確度。模型分割精度如表3 所示。

表3 模型分割精度

通過單個(gè)模型、馬匹模型、四肢模型和別征模型的分割效果可知，單個(gè)模型的馬匹、四肢和別征的像素點(diǎn)出現(xiàn)了歧義性，無(wú)法使四肢的別征與四肢一一對(duì)應(yīng)。通過馬匹模型、四肢模型和別征模型聯(lián)級(jí)的方式確定每個(gè)四肢的別征歸屬的馬腿，能夠在馬匹外貌特征圖示中精確標(biāo)記四肢別征。

2.5 自動(dòng)標(biāo)記

目前，新疆馬業(yè)協(xié)會(huì)在馬匹登記時(shí)，主要以手工方式在紙質(zhì)材料、網(wǎng)頁(yè)登記系統(tǒng)和安卓應(yīng)用中對(duì)馬匹外貌特征圖示進(jìn)行描紅標(biāo)記。為解決實(shí)際問題，使用自動(dòng)化方式減少人工成本，通過馬匹模型、四肢模型和別征模型聯(lián)級(jí)的方式對(duì)馬匹圖像進(jìn)行處理。

首先以馬匹模型分割圖像為基礎(chǔ)，過濾背景中誤拍的非完整馬匹。再以四肢模型對(duì)完整馬匹圖像中的四肢分別進(jìn)行檢測(cè)與分割。然后以分割的四肢圖像為基礎(chǔ)，使用別征模型對(duì)四肢圖像分別進(jìn)行別征的檢測(cè)與分割，確保別征與四肢能夠一一對(duì)應(yīng)。

最后將別征分割圖像以馬匹外貌特征圖示中的對(duì)應(yīng)馬腿寬度進(jìn)行同比例縮放，再以馬匹外貌特征圖示的對(duì)應(yīng)馬腿的馬蹄子的左上角（別征部位的左下角）為原點(diǎn)，分別將別征分割圖像繪制到馬匹外貌特征圖示中。自動(dòng)標(biāo)記公式見式（2）和式（3），Ax1為別征模型分割結(jié)果的左上角x軸坐標(biāo)，Ax2為別征模型分割結(jié)果的右上角x軸坐標(biāo)，Bx1為馬匹外貌特征圖示的對(duì)應(yīng)馬腿別征部位的左下角x軸坐標(biāo)，Bx2為馬匹外貌特征圖示的對(duì)應(yīng)馬腿別征部位的右下角x軸坐標(biāo)，P為同比例縮放的比例值。Ay1為別征模型分割結(jié)果的左上角y軸坐標(biāo)，Ay2為別征模型分割結(jié)果的左下角y軸坐標(biāo)，By1為馬匹外貌特征圖示的對(duì)應(yīng)馬腿別征部位的左下角y軸坐標(biāo)，Y為將別征分割結(jié)果同比例縮放后在馬匹外貌特征圖中繪制的別征高度。

最終將目標(biāo)馬腿左下角x軸的值和計(jì)算出來(lái)的Y值作為自動(dòng)標(biāo)記的錨點(diǎn)，并進(jìn)行標(biāo)記。

因圖像中的馬匹站姿為非標(biāo)準(zhǔn)站姿，在繪制別征時(shí)可能會(huì)超出馬匹外貌別征圖示中的繪制范圍，為解決該問題，專門制作了馬匹外貌特征圖示的馬匹內(nèi)部透明版，將透明版圖像覆蓋在已標(biāo)記好的圖像中，將超出繪制范圍的標(biāo)記部分進(jìn)行覆蓋抹除，最終解決了馬匹四肢別征的自動(dòng)標(biāo)記的問題。

在馬匹四肢別征繪制完成之后，通過四肢模型與別征模型的分類結(jié)果，在馬匹外貌別征描述中將繪制結(jié)果描述出來(lái)，描述結(jié)果如下：左前腿1/2 管白，右前腿系白，右后腿1/2 管白，左后腿1/2 管白，實(shí)現(xiàn)馬匹外貌特征的描述部分。

3 結(jié)束語(yǔ)

該文提出一種基于Mask R-CNN 的馬匹四肢別征提取方法，通過過濾誤拍或殘缺馬匹，匹配別征與四肢之間的一一對(duì)應(yīng)關(guān)系，定位分割后的別征在馬匹外貌特征圖示中的準(zhǔn)確位置，之后進(jìn)行馬匹外貌特征圖示的自動(dòng)標(biāo)記，最終通過自制馬匹外貌別征圖示的馬匹內(nèi)部透明版，將超出繪制范圍內(nèi)的標(biāo)記進(jìn)行了覆蓋抹除，解決了生成馬匹護(hù)照時(shí)對(duì)馬匹外貌特征圖示的自動(dòng)標(biāo)記問題。

由于馬匹面部圖像和馬匹軀干部位有烙印號(hào)的圖像太少，該文只研究了針對(duì)馬匹四肢的別征自動(dòng)標(biāo)記方法,沒有考慮其他部位。未來(lái)考慮制作馬匹外貌特征的所有別征數(shù)據(jù)集,并通過關(guān)鍵點(diǎn)定位等方法，解決馬匹在非標(biāo)準(zhǔn)站姿下進(jìn)行馬匹外貌特征自動(dòng)標(biāo)記的問題。