體育器材數(shù)據(jù)集的構(gòu)建及分類方法研究

石 瑞，艾山·吾買爾，早克熱·卡德爾，王中玉，杰恩斯艾力·努爾達(dá)艾勒

(1.新疆大學(xué)信息科學(xué)與工程學(xué)院，新疆 烏魯木齊 830046；2.新疆大學(xué)新疆多語種信息技術(shù)實(shí)驗(yàn)室，新疆 烏魯木齊 830046)

0 引言

體育器材作為進(jìn)行體育運(yùn)動(dòng)必不可少的一部分，在體育賽事和健身運(yùn)動(dòng)中都占有重要地位.近年來，人工智能的飛速發(fā)展，為體育發(fā)展帶來重大的機(jī)遇和影響.其中計(jì)算機(jī)視覺在體育領(lǐng)域中得到了廣泛的應(yīng)用，如體育運(yùn)動(dòng)視頻分類[1]、體育動(dòng)作識(shí)別[2]、人體姿態(tài)分析[3]、體育視頻描述[4]和智能健身指導(dǎo)等.在這些技術(shù)的影響下，促進(jìn)了運(yùn)動(dòng)與人工智能的有機(jī)結(jié)合，使得全民健身活動(dòng)和體育賽事向智能化、多樣化和科學(xué)化的方向發(fā)展.

圖片分類作為計(jì)算機(jī)視覺中重要根基，是圖像分割、物體跟蹤和行為識(shí)別等其他高層視覺任務(wù)的基礎(chǔ)，所以準(zhǔn)確識(shí)別體育器材對(duì)于體育賽事的發(fā)展具有重要應(yīng)用價(jià)值.隨著大規(guī)模標(biāo)記數(shù)據(jù)的產(chǎn)生[5]及計(jì)算機(jī)計(jì)算能力的快速提升，卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)入快速發(fā)展期，基于CNN的圖像分類方法無須經(jīng)過煩瑣的預(yù)處理、特征提取等中間建模過程，采用端到端的結(jié)構(gòu)，由數(shù)據(jù)驅(qū)動(dòng)自動(dòng)提取深層的抽象特征，減少了人工設(shè)計(jì)特征產(chǎn)生的不完備性.自2012年深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet[6]在圖像識(shí)別中取得巨大成功后，引爆了深度學(xué)習(xí)的熱潮，再到2014 年的GoogleNet[7]、VGG[8]和2015年的ResNet[9]神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺任務(wù)中也取得越來越好的效果.但目前相關(guān)研究沒有涉及專門體育器材圖像分類，只是在公開的數(shù)據(jù)集[10]中的部分體育器材進(jìn)行了探索，對(duì)更為復(fù)雜多樣的運(yùn)動(dòng)還少有涉及，這限制了人工智能技術(shù)在體育領(lǐng)域的實(shí)踐和應(yīng)用.

豐富的圖像數(shù)據(jù)集是進(jìn)行深度神經(jīng)網(wǎng)絡(luò)建立和參數(shù)優(yōu)化的基礎(chǔ)，當(dāng)前體育器材分類算法還沒有公開的專用數(shù)據(jù)集，因此本文構(gòu)建了一個(gè)涉及69類體育器材的數(shù)據(jù)集SED.對(duì)于多類別小規(guī)模數(shù)據(jù)集、單一模型預(yù)測效果不能達(dá)到預(yù)期的準(zhǔn)確率，本文提出一種將模型融合與遷移學(xué)習(xí)相結(jié)合的體育器材圖像分類方法，使用在公開數(shù)據(jù)集上完成預(yù)訓(xùn)練的經(jīng)典卷積神經(jīng)神經(jīng)網(wǎng)絡(luò)模型ResNet50和InceptionV3分別進(jìn)行圖像的特征提取.由于不同卷積神經(jīng)網(wǎng)絡(luò)在提取特征時(shí)表現(xiàn)的學(xué)習(xí)過程不同，為了利用不同模型之間的互補(bǔ)性，達(dá)到更優(yōu)化的性能，進(jìn)行雙模型融合.然后將該融合的網(wǎng)絡(luò)用于69類體育器材圖像遷移訓(xùn)練.

1 相關(guān)理論

1.1 InceptionV3模型

Inception模型是Szegedy等[7]在ImageNet大型視覺識(shí)別挑戰(zhàn)中，提出的一種深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，并于2014年ILSVRC挑戰(zhàn)賽中獲得冠軍.InceptionV3模型是谷歌Inception系列里面的第三代模型，采用非對(duì)稱卷積(Asymmetric Convolutions)方式，對(duì)較大的卷積進(jìn)行拆分操作，使得不同卷積核存在不同大小的感受野，模型將n×n的卷積分解成一維的n×1和1×n卷積的串聯(lián)，這樣更有利于圖像高維特征的提取，在提高模型參數(shù)計(jì)算效率的同時(shí)，也減少了模型過擬合.為了減少網(wǎng)絡(luò)的設(shè)計(jì)空間，采用模塊化結(jié)構(gòu)，最后實(shí)現(xiàn)拼接，達(dá)到不同尺度的特征融合.InceptionV3模塊結(jié)構(gòu)圖如圖1所示.

圖1 InceptionV3模塊結(jié)構(gòu)圖

1.2 ResNet50模型

深度殘差網(wǎng)絡(luò)(Deep Residual Networks，ResNet)在2015年獲得ILSVRC比賽冠軍.網(wǎng)絡(luò)深度的增加可以提取更豐富的特征信息，但深度網(wǎng)絡(luò)會(huì)引發(fā)梯度消失和梯度爆炸問題，ResNet利用殘差學(xué)習(xí)來解決深度網(wǎng)絡(luò)的退化問題，使得訓(xùn)練更深層次的網(wǎng)絡(luò)成為可能.ResNet50網(wǎng)絡(luò)有50層，首先對(duì)輸入做卷積操作，之后包含4個(gè)殘差塊(Residual Block)，每一個(gè)殘差塊有2個(gè)基本的塊，分別為Conv Block和Identity Block，其中Conv Block作用是改變網(wǎng)絡(luò)的維度；Identity Block用于加深網(wǎng)絡(luò).每一個(gè)殘差塊結(jié)構(gòu)如圖2所示.

圖2 殘差學(xué)習(xí)單元

將學(xué)習(xí)到的特征記為H(x)，這樣殘差就表示為F(x)=H(x)-x，殘差單元可表示為：

yj=H(xj)+F(xj，Wj)；

(1)

xj+1=f(yj).

(2)

其中：xj和xj+1分別表示第j個(gè)殘差單元的輸入與輸出，f為激活函數(shù)Relu.推導(dǎo)得從淺層j到深層J的學(xué)習(xí)特征可表示為

(3)

在實(shí)際操作中殘差不等于零，殘差函數(shù)會(huì)使得對(duì)堆積層在輸入特征基礎(chǔ)上學(xué)習(xí)到新的特征，以此擁有更好的性能.

1.3 遷移學(xué)習(xí)

在卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中，當(dāng)訓(xùn)練效果不夠理想，訓(xùn)練樣本不夠豐富，重新調(diào)整參數(shù)構(gòu)建CNN模型比較麻煩時(shí)，會(huì)考慮使用遷移學(xué)習(xí)的方法[11].Zeiler等[12]讓卷積神經(jīng)網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練，然后將網(wǎng)絡(luò)分別在圖像分類數(shù)據(jù)集Caltech-101和Caltech-256上進(jìn)行遷移訓(xùn)練和測試.其圖像分類準(zhǔn)確率提高約40%.Donahue等[13]是把一個(gè)大規(guī)模數(shù)據(jù)集學(xué)習(xí)到的模型，遷移到其他數(shù)據(jù)集上進(jìn)行預(yù)測.從而來解決某些數(shù)據(jù)集有標(biāo)簽數(shù)據(jù)少的問題.由此看出遷移學(xué)習(xí)可以提高模型的分類能力.除了卷積神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域的遷移學(xué)習(xí)研究，Razavian等[14]還對(duì)卷積神經(jīng)網(wǎng)絡(luò)不同層次特征的遷移學(xué)習(xí)效果進(jìn)行了探索，發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的高層特征相對(duì)于低層特征具有更好的遷移學(xué)習(xí)能力.

由于本文中體育器材數(shù)據(jù)集和ImageNet大規(guī)模數(shù)據(jù)集均由不同類別的圖像和類別數(shù)量組成，這2個(gè)數(shù)據(jù)集相互關(guān)聯(lián)但又存在一定的差異.因此將經(jīng)典的預(yù)訓(xùn)練CNN圖像分類模型與遷移學(xué)習(xí)相結(jié)合來進(jìn)行體育器材圖片分類的研究是可行的.

2 體育器材數(shù)據(jù)集構(gòu)建

特定領(lǐng)域的研究需要專門的圖像數(shù)據(jù)集，針對(duì)體育器材分類任務(wù)，目前尚未有標(biāo)準(zhǔn)的專用數(shù)據(jù)集，本文按照?qǐng)D像分類任務(wù)文件格式構(gòu)建了一個(gè)新的體育器材圖像數(shù)據(jù)集SED(Sports Equipment Dataset)，該數(shù)據(jù)集基本囊括了現(xiàn)在常見的體育器材，包括球類運(yùn)動(dòng)器材、田徑賽器材、游泳器材、拳擊器材和健身訓(xùn)練器材.圖3給出了SED部分體育器材樣本圖.

圖3 SED部分體育器材樣本

2.1 體育器材數(shù)據(jù)集的獲取

針對(duì)提出的數(shù)據(jù)，數(shù)據(jù)集的構(gòu)造過程中主要采用網(wǎng)絡(luò)爬蟲技術(shù)(80%)和相機(jī)拍攝(20%)的方式獲取，具體構(gòu)造流程：首先統(tǒng)計(jì)確定待構(gòu)造數(shù)據(jù)集中體育器材種類名單，再根據(jù)確定的名單采用網(wǎng)絡(luò)爬蟲技術(shù)和人工拍照進(jìn)行圖片的獲取，最后通過人工對(duì)圖片進(jìn)行篩選.本文設(shè)計(jì)的數(shù)據(jù)采集與過濾標(biāo)準(zhǔn)，主要從類別多樣性和圖片的質(zhì)量兩方面考慮.

2.1.1 圖片類別的多樣性

為了確保所構(gòu)建的數(shù)據(jù)集類別的多樣化，我們查閱了有關(guān)體育運(yùn)動(dòng)所涉及的各種器材、裝備及用品，再結(jié)合體育賽事和健身運(yùn)動(dòng)項(xiàng)目，最后確定69種類別，如表1所示.

表1 體育器材數(shù)據(jù)集種類統(tǒng)計(jì)

2.1.2 圖片質(zhì)量篩選

在圖像質(zhì)量篩選過程中，主要采用人工篩選的方法.通過爬蟲采集到的圖片存在一些不能很好表征圖像的數(shù)據(jù)，例如按照體育器材名稱搜索的圖片與實(shí)際的體育器材不相符、圖片中體育器材的特征不明顯和圖片中包含多個(gè)體育器材無法對(duì)圖片給出對(duì)應(yīng)的類別，如圖4所示.對(duì)這部分圖像進(jìn)行篩除.最終構(gòu)造出一個(gè)包含7 728張圖片的體育器材數(shù)據(jù)集.圖4(a)名稱與實(shí)際體育器材不相符，圖4(b)圖片中體育器材的特征不明顯，圖4(c)無法對(duì)一張圖片給出對(duì)應(yīng)的類別

(a)花劍；(b)起跑器；(c)腹肌板

2.2 各類體育器材數(shù)據(jù)量

大規(guī)模和多樣化的體育器材數(shù)據(jù)集是有效訓(xùn)練圖像分類模型并且增強(qiáng)其泛化能力的關(guān)鍵，數(shù)據(jù)集各類運(yùn)動(dòng)器材應(yīng)保持充足的樣本數(shù)，考慮到體育器材種類繁多，但不同體育器材流行度不一樣，對(duì)于體育賽事所用的體育器材能夠采集到圖片數(shù)量會(huì)稍多，這會(huì)導(dǎo)致采集到的體育器材數(shù)量層次不齊，因此，通過對(duì)比收集難易程度以及篩選出的有用圖片數(shù)量來確定每一類的樣本數(shù).最后確定每一類的樣本數(shù)量為到100～130張，體育器材數(shù)據(jù)集采集量的分布直方圖如圖5所示.

圖5 體育器材數(shù)據(jù)集采集量的分布直方圖

2.3 數(shù)據(jù)集各指標(biāo)對(duì)比

目前沒有公開的體育器材識(shí)別研究數(shù)據(jù)集，所以針對(duì)現(xiàn)有公開數(shù)據(jù)集中所包含的體育器材種類進(jìn)行分析，表2列出公開數(shù)據(jù)集中含有體育器材種類的數(shù)據(jù)，顯然，它們各自存在著一些問題，包括體育器材種類偏少、圖像背景單一、僅含體育器材區(qū)域樣本，數(shù)據(jù)樣本分布不均勻.本文在構(gòu)建數(shù)據(jù)集時(shí)，考慮多方面因素如樣本的多樣性、樣本數(shù)量均衡性、場景多樣化使得數(shù)據(jù)集更符合真實(shí)場景的需要，有利于提高模型的泛化能力.

表2 數(shù)據(jù)集各指標(biāo)對(duì)比

3 基于ResNet50和InceptionV3模型融合的體育器材圖片分類

3.1 基本思想

不同模型具有不同卷積核大小和體系結(jié)構(gòu)，從而能學(xué)習(xí)不同方面的圖像表示，于是考慮通過2個(gè)有差異的網(wǎng)絡(luò)來分別提取特征，融合后構(gòu)成組合特征，再利用組合后的特征構(gòu)來建體育器材圖片分類器.殘差網(wǎng)絡(luò)ResNet50通過跨層特征融合提高了其網(wǎng)絡(luò)特征提取能力，InceptionV3采用不同結(jié)構(gòu)的 Inception 模塊堆疊，提高多種尺寸圖片的特征提取能力，并將不同尺寸的特征進(jìn)行融合，豐富每層所提取的圖像特征.基于此將這2種模型作為特征提取器.

在深度學(xué)習(xí)中，經(jīng)常會(huì)用到特征融合來提高模型性能[16]，當(dāng)前流行的融合方式主要有Add(Addition)和Concat(Concentrate).Add操作是信息之間的疊加，對(duì)輸入特征相對(duì)應(yīng)的像素進(jìn)行數(shù)學(xué)相加，增加每一維度下的信息量，不增加特征的數(shù)量，如ResNet網(wǎng)絡(luò).Add操作公式為

(4)

其中：X={X1，X2，…，Xcx}，Y={Y1，Y2，…，Xcy}分別為輸入的兩路特征，用Cx表示輸入特征X的通道數(shù)，Cy表示輸入特征Y的通道數(shù)，*表示卷積，1c表示1*1*c的張量，經(jīng)過Add操作后，特征圖的通道數(shù)不變，C=Cx=Cy，Add操作要求兩路輸入特征維度一樣.

Concat經(jīng)常用于特征的拼接，它可以將多個(gè)卷積層的特征或者是將輸出層的信息進(jìn)行拼接，增加特征的數(shù)量，保留更多的特征信息，從而提高模型性能，如DenseNet[17].對(duì)輸入的兩路特征X，Y進(jìn)行Concat操作，Concat操作也要求兩路輸入特征維度一致，但是Cx與Cy可以不相等，經(jīng)過Concat操作后，特征圖的通道數(shù)為Cx+Cy.本文主要采用Concat融合方式來對(duì)提取的特征進(jìn)行融合.公式為

(5)

3.2 模型融合

由于所構(gòu)建的SED數(shù)據(jù)集中體育器材圖片數(shù)量遠(yuǎn)不及訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)模型所需要的大規(guī)模數(shù)據(jù)集，僅依賴本文構(gòu)建的數(shù)據(jù)集無法獲得性能較好的分類模型，因此采用遷移學(xué)習(xí)方法，為了防止模型過擬合且最大化保證遷移的知識(shí)不被破壞，凍結(jié)CNN模型全連接層之前的卷積層，來提取圖像的特征，對(duì)提取到的特征進(jìn)行融合拼接，再利用數(shù)據(jù)集對(duì)新分類器參數(shù)進(jìn)行訓(xùn)練微調(diào).對(duì)新信息的適應(yīng)體現(xiàn)在遷移模塊后面的全連接層網(wǎng)絡(luò)上.具體的融合方法如圖6所示.

圖6 基于ResNet50和InceptionV3模型融合算法框架圖

本文提出的模型融合包括以下4個(gè)部分：預(yù)處理、特征提取、特征融合以及圖片分類.

(1)數(shù)據(jù)預(yù)處理：InceptionV3和ResNet50對(duì)輸入圖片尺寸大小要求不一致，所以設(shè)計(jì)兩種預(yù)處理方式，針對(duì)InceptionV3模型，將圖像尺寸標(biāo)準(zhǔn)化為299×299像素；對(duì)于ResNet50模型，將圖像尺寸標(biāo)準(zhǔn)化為256×256像素.對(duì)兩種尺寸的圖片再進(jìn)行隨機(jī)旋轉(zhuǎn)和水平翻轉(zhuǎn)，最后分別對(duì)圖像進(jìn)行歸一標(biāo)準(zhǔn)化，輸入到特征提取網(wǎng)絡(luò)中；

(2)特征提取：將預(yù)處理后的圖片分別作為兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型的輸入，并刪除網(wǎng)絡(luò)模型的全連接層，凍結(jié)兩個(gè)網(wǎng)絡(luò)全連接層之前中的卷積模塊參數(shù)，對(duì)圖片進(jìn)行特征提??；

(3)特征融合：將兩個(gè)網(wǎng)絡(luò)模型提取的特征進(jìn)行融合；

(4)圖片分類：通過一層全連接層將融合的特征輸入到分類器中，完成分類.

4 模型訓(xùn)練和實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

本文使用Pytorch框架作為體育器材圖片分類模型搭建和訓(xùn)練平臺(tái)，表3為實(shí)驗(yàn)的軟件及硬件配置.

表3 實(shí)驗(yàn)環(huán)境配置參數(shù)

網(wǎng)絡(luò)模型的超參數(shù)設(shè)置如下：對(duì)收集來的數(shù)據(jù)按照8∶1∶1的方式劃分訓(xùn)練集、驗(yàn)證集和測試集.訓(xùn)練時(shí)采用動(dòng)量梯度下降法優(yōu)化模型，動(dòng)量大小為0.9，正則化系數(shù)為0.001，初始學(xué)習(xí)率大小為0.1，同時(shí)采用等間隔調(diào)整學(xué)習(xí)率方法來更新學(xué)習(xí)率大小.每50次學(xué)習(xí)率下降10%，模型訓(xùn)練次數(shù)為100.Batch_size設(shè)置為64.

4.2 模型的評(píng)價(jià)標(biāo)準(zhǔn)

準(zhǔn)確率是最常見的評(píng)價(jià)指標(biāo)，通常來說，準(zhǔn)確率越高，分類器越好.但是使用準(zhǔn)確率評(píng)價(jià)模型存在一個(gè)問題，即當(dāng)數(shù)據(jù)的類別不均衡時(shí)，準(zhǔn)確率就不能客觀評(píng)價(jià)模型的優(yōu)劣.鑒于此，又采用平均精確率P、平均召回率R和平均值F1指標(biāo)來對(duì)模型做進(jìn)一步比較.P是指預(yù)測為正例的數(shù)據(jù)里，預(yù)測正確的數(shù)據(jù)比例；R是指真實(shí)為正例的數(shù)據(jù)里，預(yù)測正確的數(shù)據(jù)比例；F1值又稱F1分?jǐn)?shù)，同時(shí)兼顧分類模型的P和R，可看作是模型P和R的一種加權(quán)平均，計(jì)算公式分別為：

(6)

(7)

(8)

(9)

式中：TTP表示真正例，即真實(shí)類別為正例，預(yù)測類別為正例；TTn表示真負(fù)例，即真實(shí)類別為負(fù)例，預(yù)測類別為負(fù)例；TFP表示假正例，即真實(shí)類別為負(fù)例，預(yù)測類別為正例；TFn表示假負(fù)例，即真實(shí)類別為正例，預(yù)測類別為負(fù)例.

為了測量多分類任務(wù)中不同模型之間的性能差異，采用平均值，即所有類別的每一個(gè)統(tǒng)計(jì)指標(biāo)值的算數(shù)平均值進(jìn)行評(píng)價(jià)[18].首先，計(jì)算每個(gè)混淆矩陣的精確度Pi和召回率Ri，將其表示為(P1，R1)，(P2，R2)，…，(Pn，Rn).再通過計(jì)算各精確率和召回率的平均值，得到平均精確率P、平均召回率R和平均F1值，計(jì)算公式通過公式(10)—(12)給出.

(10)

(11)

(12)

4.3 實(shí)驗(yàn)結(jié)果與分析

4.3.1 基于ResNet50和InceptionV3模型融合實(shí)驗(yàn)結(jié)果對(duì)比

本文實(shí)驗(yàn)均在自建的SED數(shù)據(jù)集上進(jìn)行，使用經(jīng)典CNN模型AlexNet、Vgg16、ResNet50、InceptionV3與本文方法進(jìn)行實(shí)驗(yàn)對(duì)比，對(duì)比結(jié)果如表4所示，本文算法相較于單個(gè)CNN模型在A，P，R，F(xiàn)1上都有較為明顯的提升.與單模型ResNet50相比A，P，R，F(xiàn)1分別提升2%，1.6%，1.7%，1.5%.和單模型InceptionV3相比A，P，R，F(xiàn)1分別提升6.8%，7.6%，7.5%，7.8%.這驗(yàn)證了將模型特征的融合確實(shí)能對(duì)圖片分類有提升效果.

表4 各模型在自建數(shù)據(jù)集中測試結(jié)果對(duì)比

4.3.2 遷移學(xué)習(xí)對(duì)實(shí)驗(yàn)結(jié)果的影響

為了驗(yàn)證遷移學(xué)習(xí)對(duì)CNN在SED數(shù)據(jù)集上的必要性和有效性，進(jìn)行了遷移學(xué)習(xí)和不使用遷移學(xué)習(xí)的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表5所示.實(shí)驗(yàn)結(jié)果表明，基于遷移學(xué)習(xí)的融合模型在測試集上的A，P，R和F1值較不使用遷移學(xué)習(xí)融合模型分別提升21%，18%，20%，20%.采用遷移學(xué)習(xí)方法后，數(shù)據(jù)限制就不再明顯，這對(duì)于小數(shù)據(jù)集而言，提升效果非常顯著.

表5 遷移學(xué)習(xí)與不使用遷移學(xué)習(xí)結(jié)果對(duì)比(*代表不使用遷移學(xué)習(xí))

4.3.3 消融實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證選取ResNet50和InceptionV3模型進(jìn)行融合的有效性，再次做了相關(guān)的消融實(shí)驗(yàn)，比較不同模型融合的檢測性能，實(shí)驗(yàn)結(jié)果如表4所示.其中將A和B融合的模型用Cat_A_B表示，例如Cat_AlexNet_Vgg16代表將AlexNet和Vgg16模型進(jìn)行融合.

對(duì)于模型融合來說，通?？色@得比單模型更好的泛化性，至少對(duì)于較弱模型來說能有一定的提升(見表6)，表6中，Cat_AlexNet_Vgg16、Cat_AlexNet_ResNet50、Cat_Vgg16_InceptionV3、Cat_ResNet50_InceptionV3相比于表現(xiàn)較弱的單模型性能都有一定提升.但也發(fā)現(xiàn)Cat_AlexNet_InceptionV3和Cat_Vgg16_ResNet50沒有明顯的提升.分析原因，通過表4中的單模型結(jié)果來看，對(duì)于ResNet50和Vgg16在SED上表現(xiàn)較好，這2個(gè)模型雖然在結(jié)構(gòu)上有一定的區(qū)別，但本質(zhì)上是通過不斷加深網(wǎng)絡(luò)結(jié)構(gòu)來提升性能.對(duì)于我們自建的體育器材數(shù)據(jù)集涉及種類較多，其中超類中的很多子類別差異性較小，所以通過較深的網(wǎng)絡(luò)模型來提取更豐富的特征從而達(dá)到較好的分類效果.模型的融合一般是來做信息互補(bǔ)的，將2個(gè)較為相似的網(wǎng)絡(luò)進(jìn)行融合，效果并不會(huì)變好.所以Cat_Vgg16_ResNet50效果提升并不明顯.

表6 不同模型融合測試結(jié)果對(duì)比

對(duì)于單模型AlexNet和InceptionV3在SED上效果較差，分析原因可知，AlexNet的深度只有8層，且SED數(shù)據(jù)集涉及樣本較多但數(shù)據(jù)數(shù)量較少，學(xué)不出較好的特征，從而導(dǎo)致效果較差.對(duì)于InceptionV3網(wǎng)絡(luò)，其目標(biāo)并不是精準(zhǔn)化特征提取，而是通過使網(wǎng)絡(luò)變寬，提高特征張量寬度，復(fù)用更多的特征，來提高分類性能.這種網(wǎng)絡(luò)更適合于圖像中目標(biāo)大小差別很大的圖片.對(duì)于本文的數(shù)據(jù)集，涉及的場景較豐富，同種器材在不同場景下的大小也不一致，這給InceptionV3網(wǎng)絡(luò)帶來一定挑戰(zhàn)，將這兩個(gè)較弱的模型融合后，并不能取得很好的效果.因此要選出好而不同的模型進(jìn)行融合才能達(dá)到更好的效果，對(duì)于本文的數(shù)據(jù)集，選取選取2個(gè)網(wǎng)絡(luò)結(jié)構(gòu)差異較大的網(wǎng)絡(luò)ResNet50和InceptionV3結(jié)合，ResNet50在深度上有優(yōu)勢，InceptionV3在網(wǎng)絡(luò)的寬度上有優(yōu)勢，將二者的優(yōu)勢進(jìn)行互補(bǔ).從而達(dá)到提升分類性能的效果.

此外還比較了兩種特征融合方式，結(jié)果如表7所示，由表7可發(fā)現(xiàn)基于Add操作的融合方式的性能低于基于Concat操作.分析原因：(1)直接Add操作會(huì)對(duì)信息造成負(fù)面影響.如果兩個(gè)被加的向量不具備同類特征含義時(shí)，通過Add操作，會(huì)得到新的特征，這個(gè)新的特征可以反映原始特征的一些特性，但是原始特征的一些信息也會(huì)在這個(gè)過程中損失，Concat是將原始特征直接拼接，讓網(wǎng)絡(luò)去學(xué)習(xí)如何融合特征，在這個(gè)過程中信息不會(huì)損失.(2)逐元素加和的方式要求不同層的特征具有完全一致的通道數(shù)量.Concat不受通道數(shù)量的限制，拼接為橫向或縱向空間上的疊加.雖然會(huì)改變維度，但能夠保留更多的特征信息.

表7 不同融合方法的模型性能比較

4.3.4 基于ResNet50和InceptionV3模型融合的F1值分析

為進(jìn)一步驗(yàn)證本文方法的有效性，對(duì)ResNet50、InceptionV3和Cat_ResNet50_InceptionV3 3種模型在所有超類上的F1值進(jìn)行比較.如表8所示.

由表8可知，該體育器材圖片數(shù)據(jù)集在單模型上訓(xùn)練時(shí)，ResNet50在所有的超類中能表現(xiàn)出較好的結(jié)果，再次證明了ResNet50網(wǎng)絡(luò)的性能優(yōu)勢.利用Concat的融合將ResNet50和InceptionV3模型融合后，融合模型在球類、冰雪器材和健身器材類的F1值比ResNet50的F1值分別提升了3.6%，5.9%，2.0%.相比較于InceptionV3，F(xiàn)1值在所有超類中都有提高，幅度在1.7%～11.4%之間.雖然InceptionV3在總體超類上的性能低于ResNet50，但是對(duì)于超類中的子類，與ResNet50融合后還是有一定的優(yōu)勢，為了更直觀的說明這種優(yōu)勢，列舉了通過融合InceptionV3和ResNet50模型后F1值提升較為明顯的類別，如表9所示.針對(duì)下述舉例的類別，雖然在每個(gè)單模型表現(xiàn)的性能不是很好，但是在模型進(jìn)行融合后上，效果有很顯著地提升.

表9 提升效果明顯類別的F1值

4.3.5 識(shí)別結(jié)果測試

測試了6張圖片，分別將圖片傳入Resnet50和Cat_ResNet50_InceptionV3模型中進(jìn)行分類識(shí)別，結(jié)果如圖7所示，可以看出，模型的融合能夠提升一定的識(shí)別效率.因此本文提出模型特征融合方法對(duì)體育器材圖像識(shí)別是有效的.

圖7 體育器材圖片識(shí)別效果

5 總結(jié)與展望

針對(duì)現(xiàn)有基準(zhǔn)體育器材圖像數(shù)據(jù)集的種類較少、缺乏實(shí)用性等問題，本文構(gòu)建了體育器材數(shù)據(jù)集SED.相比之下，SED數(shù)據(jù)集在種類數(shù)量和可拓展性方面具有較大的優(yōu)勢.當(dāng)樣本的種類增加但數(shù)量卻不足時(shí)，會(huì)帶來分類精確率和泛化能力弱的問題，基于此本文提出模型融合與遷移學(xué)習(xí)相結(jié)合的體育器材分類方法，通過模型融合結(jié)合多方位信息來獲取更準(zhǔn)確的分類，再利用遷移學(xué)習(xí)來解決體育器材數(shù)據(jù)有限的問題.最終在測試集上得到A為85%，P為85.6%，R為85%，平均F1值為84.7%.相比于單獨(dú)使用卷積神經(jīng)網(wǎng)絡(luò)模型的方法準(zhǔn)確率有所提升.但是目前仍然有一些尚待解決和值得研究的問題：(1)目前采用的融合方法，僅僅是對(duì)兩個(gè)模型提取出的特征進(jìn)行單純地融合，下一步希望探索嘗試更有效的特征融合方法.(2)需進(jìn)一步擴(kuò)建數(shù)據(jù)集，并嘗試將目標(biāo)檢測功能添加到模型中，進(jìn)一步提高模型的識(shí)別率和實(shí)用性.(3)目前僅僅是在實(shí)驗(yàn)室搜集的圖片集上達(dá)到不錯(cuò)的分類效果，還需要其他的圖片進(jìn)行驗(yàn)證.