改進(jìn)YOLOv5-S的交通標(biāo)志檢測算法

劉海斌，張友兵，周 奎，張宇豐，呂 圣

湖北汽車工業(yè)學(xué)院汽車工程師學(xué)院Sharing-X移動服務(wù)技術(shù)平臺聯(lián)合實(shí)驗(yàn)室，湖北 十堰 442000

在無人駕駛領(lǐng)域，道路交通規(guī)則制約著智能汽車的應(yīng)用與部署，對于智能汽車來說，實(shí)時(shí)可靠的交通信息是其在道路上安全行駛的首要前提[1-2]。作為智能交通系統(tǒng)（intelligent transportation system，ⅠTS）的一項(xiàng)基礎(chǔ)功能，同時(shí)也是無人駕駛體系下的一個(gè)研究對象，交通標(biāo)志的感知及其含義的理解有著重要的研究意義。

交通標(biāo)志檢測旨在識別圖像或視頻序列中交通標(biāo)志的位置、類別和大小，根據(jù)技術(shù)種類的不同分為傳統(tǒng)的交通標(biāo)志檢測方法和基于深度學(xué)習(xí)的交通標(biāo)志檢測方法。傳統(tǒng)的檢測方法更多的是結(jié)合交通標(biāo)志自身的顏色與形狀特征[3-4]，采用滑動窗口等方式產(chǎn)生候選區(qū)域，使用諸如尺度不變特征變換（scale invariant feature transform，SⅠFT）或者方向梯度直方圖（histogram of oriented gradient，HOG）等算法提取候選區(qū)域的圖像特征，再使用諸如支持向量機(jī)（support vector machine，SVM）等分類器篩選目標(biāo)類別。綜合來看，傳統(tǒng)方法需要結(jié)合多個(gè)處理步驟，算法的設(shè)計(jì)更復(fù)雜，同時(shí)人工設(shè)計(jì)的特征魯棒性差、適用性弱，不能滿足無人駕駛場景下的可靠性需求。

隨著深度學(xué)習(xí)技術(shù)的興起，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）在模式識別領(lǐng)域取得了重大的技術(shù)突破。基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法可以克服傳統(tǒng)方法的諸多缺陷，具有更高的檢測精度和魯棒性。根據(jù)是否生成目標(biāo)的區(qū)域建議，基于深度學(xué)習(xí)技術(shù)的目標(biāo)檢測算法分為兩類：two-stage 算法和singlestage 檢測算法。在two-stage 檢測算法中，選擇性搜索或區(qū)域建議網(wǎng)絡(luò)（region proposal network，RPN）被用來生成目標(biāo)的區(qū)域建議，在此基礎(chǔ)上通過神經(jīng)網(wǎng)絡(luò)進(jìn)行分類處理，在結(jié)構(gòu)上略為復(fù)雜，常見的有Fast R-CNN[5]、Faster R-CNN[6]、Mask R-CNN[7]等。張毅等人[8]通過改進(jìn)Faster R-CNN的基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，在TT100K數(shù)據(jù)集上將檢測精度提高了13.14%，但是算法的計(jì)算量太大，實(shí)時(shí)表現(xiàn)差。Han 等人[9]提出了一種改進(jìn)Faster R-CNN的實(shí)時(shí)小尺寸交通標(biāo)志檢測方法，通過修剪冗余網(wǎng)絡(luò)層以及采用空洞卷積的方式使得算法在分割小尺寸交通標(biāo)志候選區(qū)域時(shí)更加穩(wěn)健。雖然two-stage 算法具有不錯(cuò)的檢測精度，但其整體性能依賴于候選區(qū)域選擇算法，實(shí)時(shí)性較差。而single-stage算法不需要生成目標(biāo)的區(qū)域建議，可同時(shí)完成不同目標(biāo)的定位和分類，檢測效率更高，常見的有SSD[10]和YOLO[11-18]系列。劉紫燕等人[19]通過改進(jìn)空間金字塔池化（spatial pyramid pooling，SPP）[20]層以及特征金字塔網(wǎng)絡(luò)（feature pyramid network，F(xiàn)PN）[21]層產(chǎn)生更大尺度的特征圖，提高了YOLOv3 對小尺寸交通標(biāo)志的檢測精度。Fan等人[22]使用DenseNet作為YOLOv3的骨干網(wǎng)絡(luò)，使得模型具有更少的參數(shù)量和更快的檢測速度。馮愛棋等人[23]通過融合注意力機(jī)制以及視覺Transformer 來增強(qiáng)對交通標(biāo)志的關(guān)注程度，改善了對小尺寸交通標(biāo)志的漏檢情況。俞林森等人[24]提出YOLOT 算法，采用注意力機(jī)制以及改進(jìn)損失函數(shù)的方法改善算法對交通標(biāo)志的檢測效果，但是實(shí)時(shí)性不夠好，檢測速度不夠快。

長期以來，交通標(biāo)志的檢測是計(jì)算機(jī)視覺領(lǐng)域當(dāng)中具有挑戰(zhàn)性的一項(xiàng)任務(wù)。交通標(biāo)志通常是小尺寸目標(biāo)，缺乏足夠的視覺特征，因此有時(shí)很難將其與背景或類似的物體區(qū)分開來，這也使得交通標(biāo)志更容易受到自然因素如復(fù)雜光照或遮擋問題的影響。為了能夠更好地識別道路場景中的交通標(biāo)志，需要定制一種能夠抑制背景噪聲干擾、具有高精度和高計(jì)算效率的交通標(biāo)志檢測算法。YOLOv5作為當(dāng)前流行的深度學(xué)習(xí)目標(biāo)檢測算法，其已經(jīng)整合了大量的優(yōu)化策略，但是在檢測交通標(biāo)志時(shí)還是容易出現(xiàn)錯(cuò)檢或漏檢的問題?；诖?，本文提出一種改進(jìn)YOLOv5-S的交通標(biāo)志檢測算法，在保證實(shí)時(shí)檢測的同時(shí)有著更高的檢測精度及魯棒性。本文的主要工作如下：（1）提出一種融合了坐標(biāo)注意力（coordinate attention，CA）[25]機(jī)制的C3 模塊并將其應(yīng)用到Y(jié)OLOv5的主干網(wǎng)絡(luò)當(dāng)中，在減少網(wǎng)絡(luò)層數(shù)占用的同時(shí)獲得更好的注意力關(guān)注效果。（2）在邊界框回歸階段引入定位損失計(jì)算函數(shù)Focal-EⅠoU[26]，使得算法更加關(guān)注高質(zhì)量的分類樣本，提高對難分類樣本的學(xué)習(xí)能力。（3）在頸部網(wǎng)絡(luò)當(dāng)中采用輕量級卷積結(jié)構(gòu)GSConv[27]來替換普通降維卷積，在降低網(wǎng)絡(luò)參數(shù)量的同時(shí)提高特征的豐富程度。（4）本文改進(jìn)了YOLOv5 的特征金字塔結(jié)構(gòu)，通過更大尺度的特征圖來檢測小尺寸物體，在不增加過多計(jì)算量的前提下獲得更好的交通標(biāo)志檢測效果。

1 相關(guān)工作

1.1 YOLOv5整體結(jié)構(gòu)

YOLOv5 是一種single-stage 的目標(biāo)檢測算法，它結(jié)合了以往YOLO 系列的諸多優(yōu)點(diǎn)，有著不錯(cuò)的精準(zhǔn)度以及實(shí)時(shí)性表現(xiàn)。YOLOv5 包含多種版本，包括YOLOv5-N、YOLOv5-S、YOLOv5-M、YOLOv5-L 和YOLOv5-X等，通過調(diào)整配置文件可以自由的改變網(wǎng)絡(luò)的深度和寬度。YOLOv5有著出色的可擴(kuò)展性，在生產(chǎn)環(huán)境當(dāng)中有著廣泛的應(yīng)用部署。YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Network structure of YOLOv5

1.2 損失函數(shù)

YOLOv5 采用了分類損失、定位損失以及置信度損失三種損失函數(shù)來評估算法的預(yù)測性能。交并比（intersection over union，ⅠoU）是一個(gè)計(jì)算定位損失的簡單函數(shù)，通過計(jì)算交并比來評估兩個(gè)邊界框的重疊程度。然而，ⅠoU 有著諸多的缺陷，無法應(yīng)用于實(shí)際情況。如今，定位損失的計(jì)算方法有著許多不同的改進(jìn)版本，常見的如GⅠoU[28]、DⅠoU 和CⅠoU[29]等，其中CⅠoU 是一種考慮了更多優(yōu)化策略的損失函數(shù)，有著比較好的評價(jià)準(zhǔn)確度。最新的YOLOv5算法使用了CⅠoU函數(shù)來計(jì)算定位損失。ⅠoU 以及CⅠoU 的表達(dá)式如式（1）和式（2）所示：

其中，b和分別表示預(yù)測框和真實(shí)框，ρ表示兩者之間的歐式距離，C表示兩者的最小閉包區(qū)域內(nèi)的對角線距離。v和α分別為長寬比評價(jià)參數(shù)和平衡因子，其公式如式（3）、式（4）所示：

2 YOLOv5網(wǎng)絡(luò)改進(jìn)

作為當(dāng)前流行的目標(biāo)檢測算法，YOLOv5已經(jīng)整合了大量的優(yōu)化策略，但其提取到的特征易受噪聲的影響、特征信息的豐富程度不足等問題使得YOLOv5 容易出現(xiàn)錯(cuò)檢或漏檢的問題。對此，本文設(shè)計(jì)了改進(jìn)的YOLOv5檢測算法，能夠更加有效地檢測交通標(biāo)志。

2.1 融合坐標(biāo)注意力機(jī)制

注意力機(jī)制可以降低背景噪聲帶來的干擾，使得神經(jīng)網(wǎng)絡(luò)更關(guān)注于目標(biāo)物體的顯著特征區(qū)域，生成質(zhì)量更優(yōu)的特征圖。常見的注意力機(jī)制從特征通道[30]或者特征空間域[31]的角度出發(fā)，獲取目標(biāo)信息在不同通道和空間維度上的重要性權(quán)值。但是這種方法僅可以捕獲到物體的局部信息，缺乏對長范圍依賴特征的捕獲能力。坐標(biāo)注意力CA是一種能夠產(chǎn)生精確位置感知的注意力機(jī)制，能夠在空間方向進(jìn)行位置感知，使得網(wǎng)絡(luò)能夠在更大的區(qū)域上進(jìn)行注意力關(guān)注。坐標(biāo)注意力同時(shí)考慮了特征通道間的關(guān)系以及位置信息，能夠更好的定位敏感區(qū)域。坐標(biāo)注意力機(jī)制主要由坐標(biāo)信息嵌入和坐標(biāo)注意力生成兩個(gè)部分來構(gòu)建對目標(biāo)的長范圍依賴，圖2為坐標(biāo)注意力機(jī)制的結(jié)構(gòu)組成圖。

圖2 坐標(biāo)注意力機(jī)制的結(jié)構(gòu)Fig.2 Structure of coordinate attention mechanism

2.1.1 坐標(biāo)信息嵌入

不同于采用二維全局池化來計(jì)算通道注意力，坐標(biāo)注意力機(jī)制將二維全局池化拆分為兩個(gè)一維的編碼過程，分別從水平和垂直兩個(gè)方向獲取位置信息。具體而言采用一對尺寸為(H,1)和(1,W)的池化核對輸入特征的每個(gè)通道進(jìn)行水平和垂直方向的特征編碼，得到兩個(gè)方向的感知特征，計(jì)算過程如式（5）、式（6）所示：

其中，表示垂直方向上的感知特征，表示水平方向上的感知特征，Pc表示來自上層網(wǎng)絡(luò)的輸入特征，下標(biāo)c為特征向量的所屬通道。

2.1.2 坐標(biāo)注意力生成

在得到感知特征之后，就可以對通道信息進(jìn)行編碼。編碼時(shí)首先將兩個(gè)方向的感知特征進(jìn)行拼接，再使用一個(gè)卷積核為1×1 的卷積對通道進(jìn)行壓縮。隨后使用批標(biāo)準(zhǔn)化和非線性回歸來編碼兩個(gè)不同方向的空間信息，得到注意力關(guān)系圖fc，如式（7）所示：

在得到注意力關(guān)系圖后，將其先后經(jīng)過切分、1×1卷積變換和激活函數(shù)激活得到最終的區(qū)域權(quán)重和，將其作用于輸入特征Pc，就可以得到注意力增強(qiáng)后的特征圖。其中垂直區(qū)域權(quán)重的表達(dá)式如式（8）所示，水平區(qū)域權(quán)重的表達(dá)式如式（9）所示，調(diào)整后的特征如式（10）所示：

其中，和為切分之后的兩個(gè)獨(dú)立的張量，σ表示sigmoid激活函數(shù)，Dc為經(jīng)過注意力調(diào)整后的特征圖。

本文在C3 模塊的輸出端連接坐標(biāo)注意力機(jī)制，形成新的C3CA模塊。相較于在網(wǎng)絡(luò)當(dāng)中單獨(dú)插入CA模塊，這種方法可以減少網(wǎng)絡(luò)層數(shù)的占用，計(jì)算效率更高。新的C3CA 模塊融合在主干網(wǎng)絡(luò)當(dāng)中有著最大感受野的位置，可以充分地捕獲全局特征信息，有效地發(fā)揮注意機(jī)制的作用。

2.2 損失函數(shù)的改進(jìn)

雖然CⅠoU 考慮了邊界框的相交面積、中心點(diǎn)距離以及邊界框的長寬比，但是長寬比的衡量參數(shù)v計(jì)算比較復(fù)雜，降低了模型的收斂速度。當(dāng)v滿足條件{(w=kwgt,h=khgt)|k∈R+}時(shí)參數(shù)v就會失效，無法反映邊界框的差距。進(jìn)一步地對v求偏導(dǎo)數(shù)，可以得知w和v不能同步增減，阻礙了算法評估邊界框相似度的準(zhǔn)確性。

交通標(biāo)志有著眾多的類別，常見種類如警告標(biāo)志、強(qiáng)制標(biāo)志和禁止標(biāo)志，而多數(shù)類別的標(biāo)志特征不夠明顯，識別起來存在困難；同時(shí)，處在室外場景下的交通標(biāo)志會受到多種因素的影響，使得算法在樣本分類時(shí)會產(chǎn)生大量的負(fù)例，進(jìn)一步降低了難分樣本的識別?；诖?，本文采用Focal-EⅠoU 損失函數(shù)取代默認(rèn)函數(shù)，提升算法對多分類的識別精確度和魯棒性。Focal-EⅠoU 由兩部分組成，分別是Focal Loss[32]和EⅠoU 損失函數(shù)。EⅠoU 取消了對邊界框長寬比的計(jì)算，改為邊界框長寬值的回歸，解決了w和v不能同步增減的問題。而引入Focal Loss 是因?yàn)镾ingle-Stage 算法在訓(xùn)練時(shí)更容易受到難易樣本以及正負(fù)樣本不均衡問題的影響，導(dǎo)致模型泛化能力的降低，而Focal Loss通過平衡不同類別和不同質(zhì)量樣本的權(quán)重，減少對易分類樣本的依賴，更加關(guān)注高質(zhì)量樣本，提高對難分類樣本的學(xué)習(xí)能力。Focal-EⅠoU的公式如式（11）、式（12）和式（13）所示：

式中，LIoU為ⅠoU損失，Ldis為距離損失，Lasp為方位損失，wc和hc為包含兩個(gè)邊界框的最小閉包區(qū)域的寬度和高度，參數(shù)α、β和γ為控制抑制程度的超參數(shù)，用來平衡有益梯度和抑制有害梯度對模型的影響，C為保持函數(shù)連續(xù)的常數(shù)值。

2.3 融合GSConv卷積

深度可分離卷積（depth-wise separable convolution，DSC）是一種輕量級的卷積結(jié)構(gòu)，通常情況下，在網(wǎng)絡(luò)當(dāng)中部署DSC 能夠有效地緩解計(jì)算成本帶來的壓力，但隨之而來的問題就是檢測精度的大幅度下降。由于DSC在計(jì)算過程中拆分處理每個(gè)通道的信息，丟失了大量的隱藏連接，其特征提取能力不如普通卷積。因此，本文參考了一種更優(yōu)秀的DSC 結(jié)構(gòu)GSConv。相對于標(biāo)準(zhǔn)卷積，GSConv參數(shù)量更少，更適合于構(gòu)建輕量級的檢測模型。

如圖3所示，GSConv是由標(biāo)準(zhǔn)卷積、DSC和隨機(jī)排序所組成的混合卷積結(jié)構(gòu)，通過隨機(jī)排序混合標(biāo)準(zhǔn)卷積和DSC 所產(chǎn)生的特征圖，使得標(biāo)準(zhǔn)卷積所保留的特征信息滲透到DSC內(nèi)部，保持通道間的隱藏連接，提高特征的豐富程度?？紤]到主干網(wǎng)絡(luò)的優(yōu)勢是特征提取，本文將GSConv模塊部署到網(wǎng)絡(luò)的頸部，在保證特征圖質(zhì)量的同時(shí)降低對模型推理時(shí)間的影響。

圖3 GSConv模塊結(jié)構(gòu)Fig.3 GSConv module structure

2.4 增加小尺寸檢測層

YOLOv5 采用了特征金字塔網(wǎng)絡(luò)FPN 以及路徑聚合網(wǎng)絡(luò)（path aggregation network，PANet）[33]相結(jié)合的結(jié)構(gòu)來融合不同尺度的特征。然而，默認(rèn)融合路徑產(chǎn)生的特征圖尺度最大為80×80，按照等比縮放的原則，原圖像相應(yīng)區(qū)域的物體在特征圖當(dāng)中占比只會更小，這不利于小尺寸物體的檢測。因此，本文將頸部網(wǎng)絡(luò)進(jìn)行加深，產(chǎn)生尺度更大的特征圖。具體來說就是在FPN結(jié)構(gòu)當(dāng)中添加一個(gè)上采樣層，產(chǎn)生160×160 大小的特征圖，再與骨干網(wǎng)絡(luò)的P2 輸出端進(jìn)行拼接。同時(shí)充分利用大尺寸特征圖的優(yōu)勢，在PAN結(jié)構(gòu)中將特征進(jìn)行一次下采樣，增強(qiáng)小尺寸特征圖的表達(dá)能力。最后得到4種不同尺度的特征圖（160×160，80×80，40×40，20×20）分別用來檢測小尺寸、中尺寸、大尺寸和最大尺寸的物體，在不增加過多計(jì)算量、不損失檢測精度的前提下獲得更好的小尺寸物體檢測效果。調(diào)整后的網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖4 調(diào)整后的特征融合網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Structure of adapted feature fusion network

由于更改了特征融合網(wǎng)絡(luò)，原有的錨框不再適用，因此本文基于TT100K 數(shù)據(jù)集使用K-means 聚類算法來重新計(jì)算新的錨框，聚類結(jié)果如表1 所示。對比默認(rèn)錨框，新的錨框尺寸更小，更符合交通標(biāo)志檢測的實(shí)際情況。

表1 K-means算法聚類結(jié)果Table 1 Cluster results of K-means algorithm

2.5 改進(jìn)后的整體結(jié)構(gòu)

改進(jìn)后的網(wǎng)絡(luò)整體結(jié)構(gòu)如圖5所示。

圖5 改進(jìn)算法的網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 Network structure of improved algorithm

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)所采用的硬件與軟件環(huán)境，如表2所示。

表2 實(shí)驗(yàn)環(huán)境Table 2 Experimental environment

除此之外，網(wǎng)絡(luò)輸入的大小為640×640，啟用MOSAⅠC圖像增強(qiáng)；模型訓(xùn)練時(shí)的batch size 為自動確定，訓(xùn)練周期設(shè)置為200；權(quán)重參數(shù)優(yōu)化器使用隨機(jī)梯度下降（SGD）算法，初始學(xué)習(xí)率為0.01，使用余弦周期退火調(diào)整學(xué)習(xí)率。

本文采用TT100K[34]數(shù)據(jù)集來訓(xùn)練和驗(yàn)證改進(jìn)后的算法。TT100K是一個(gè)大型的中國交通標(biāo)志檢測基準(zhǔn)數(shù)據(jù)集，單張圖像的分辨率為2 048×2 048，在標(biāo)志尺寸、角度和遮擋程度等方面都有很大的變化。由于該數(shù)據(jù)集標(biāo)注了數(shù)百種檢測類別，而多數(shù)類別樣本量不足，會影響模型的訓(xùn)練效果。本實(shí)驗(yàn)從中篩選出了樣本數(shù)大于100的45個(gè)類別，總共8 293張圖片，按照8∶1∶1的比例劃分訓(xùn)練集、驗(yàn)證集與測試集。由于不同類別的訓(xùn)練樣本數(shù)量有較大差異，使用copy-paste 功能對訓(xùn)練樣本進(jìn)行擴(kuò)充。

3.2 評價(jià)指標(biāo)

本實(shí)驗(yàn)選擇了一些常見指標(biāo)來評價(jià)檢測算法的性能，包括精準(zhǔn)率（precision）、召回率（recall）、F1 分?jǐn)?shù)、mAP@0.5、mAP@0.5：0.95、參數(shù)量、FLOPs 和每秒幀速率FPS。F1分?jǐn)?shù)是一個(gè)綜合指標(biāo)，同時(shí)考慮了精準(zhǔn)率和召回率來評價(jià)算法在正負(fù)樣本上的性能表現(xiàn)。均值平均精度（mAP）用于衡量多類別目標(biāo)檢測的準(zhǔn)確性，是所有類別平均精度（AP）的均值。mAP@0.5表示ⅠoU閾值為0.5時(shí)所有類別的均值平均精度；mAP@0.5：0.95表示ⅠoU閾值為0.5到0.95時(shí)的均值平均精度，其步長取0.05。

3.3 實(shí)驗(yàn)結(jié)果分析

3.3.1 消融實(shí)驗(yàn)結(jié)果與分析

本文采用了多種方法來改進(jìn)YOLOv5-S算法，本小節(jié)設(shè)計(jì)了幾組消融實(shí)驗(yàn)來對比分析改進(jìn)的效果，實(shí)驗(yàn)結(jié)果匯總?cè)绫?所示。

表3 消融實(shí)驗(yàn)Table 3 Ablation experiment單位：%

從表中可以看出，對比前兩種方法的實(shí)驗(yàn)數(shù)據(jù)，整合了小尺寸檢測層后的模型在精準(zhǔn)率、召回率和F1 分?jǐn)?shù)上均提升了5.1 個(gè)百分點(diǎn)，同時(shí)mAP@0.5 提升了5.5個(gè)百分點(diǎn)、mAP@0.5：0.95 提升了5.6 個(gè)百分點(diǎn)，這說明新的小尺寸檢測層能夠顯著改善算法對交通標(biāo)志的檢測效果，提升整體的性能表現(xiàn)；第3 種方法在此基礎(chǔ)上融合了坐標(biāo)注意力機(jī)制，能夠輔助網(wǎng)絡(luò)在特征提取過程中捕獲目標(biāo)信息，獲得更多有效的特征細(xì)節(jié)，訓(xùn)練結(jié)果顯示各項(xiàng)指標(biāo)均得到了一定程度的提升，對比上一種方法精準(zhǔn)率提高了0.7個(gè)百分點(diǎn)，召回率提升了0.3個(gè)百分點(diǎn)，F(xiàn)1分?jǐn)?shù)提升了0.5個(gè)百分點(diǎn)，mAP@0.5提升了0.6個(gè)百分點(diǎn)，mAP@0.5：0.95 提升了0.2 個(gè)百分點(diǎn)；第4 種方法采用了GSConv卷積模塊來取代網(wǎng)絡(luò)頸部的普通1×1卷積，實(shí)驗(yàn)結(jié)果顯示整合了GSConv之后模型的精準(zhǔn)率和召回率出現(xiàn)了一定的波動，F(xiàn)1分?jǐn)?shù)有所下降，而mAP指標(biāo)有著0.1個(gè)百分點(diǎn)左右的小幅提升，這說明GSConv在構(gòu)建輕量化模型的同時(shí)也能夠有效地輔助網(wǎng)絡(luò)提取特征；第5種方法采用了Focal EⅠoU作為邊界框回歸的損失函數(shù)，F(xiàn)ocal EⅠoU通過平衡不同類別和不同質(zhì)量的樣本來提高模型的泛化能力，而EⅠoU 損失函數(shù)則克服了CⅠoU 的缺陷，提升多分類模型的魯棒性。通過分析實(shí)驗(yàn)結(jié)果，在引入Focal EⅠoU損失函數(shù)之后模型的精準(zhǔn)率和召回率維持在89.7%和82.8%，而mAP@0.5 和mAP@0.5：0.95繼續(xù)提升，達(dá)到了88.1%和68.5%。總的來說，這些改進(jìn)方法顯著提升了模型檢測交通標(biāo)志的能力，所帶來的效果是顯而易見的。

為了驗(yàn)證不同的注意力機(jī)制對算法性能的影響，分別選取幾種不同種類的注意力機(jī)制進(jìn)行對比分析，實(shí)驗(yàn)結(jié)果如表4所示。

表4 不同的注意力模塊對算法的影響Table 4 Effect of different attention modules on algorithm單位：%

從表4 中可以看出，坐標(biāo)注意機(jī)制CA 有著最好的F1 分?jǐn)?shù)和mAP 精度表現(xiàn)，這說明坐標(biāo)注意機(jī)制可以有效地構(gòu)建物體的位置感知，實(shí)際效果優(yōu)于常見的幾種注意力機(jī)制，更適合于交通標(biāo)志的檢測。

改進(jìn)模型在所有類別上的precision-recall曲線如圖6所示。得益于各種改進(jìn)方法，綜合了所有改進(jìn)策略的模型曲線有著最大的橫縱軸覆蓋面積，說明其在所有的檢測類別上有著最高的查準(zhǔn)率和查全率。

圖6 所有類別的precision-recall曲線Fig.6 Precision-recall curves for all categories

為了直觀對比YOLOv5-S 和改進(jìn)后的模型在每個(gè)類別上的精度，本文計(jì)算了每個(gè)類別的平均精度并制作柱狀圖，結(jié)果如圖7 所示?？偟膩碚f，改進(jìn)后的模型對各個(gè)種類的交通標(biāo)志都有著更好的檢測精度，對于某些類別如p12、ph4和ph5則有著顯著的改善。

圖7 YOLOv5-S和改進(jìn)模型在所有標(biāo)志類別上的平均精度Fig.7 Average accuracy of YOLOv5-S and improved models on various sign categories

圖8 為各個(gè)模型在訓(xùn)練時(shí)的mAP 變化曲線?？梢钥吹皆谝胄〕叽鐧z測層后mAP保持著較快的增長速度，在100 輪左右達(dá)到了擬合狀態(tài)。而在引入Focal EⅠoU 損失函數(shù)后mAP 的增長速度開始放緩，直至訓(xùn)練后期才逐漸超越其他模型，達(dá)到擬合狀態(tài)。

圖8 mAP曲線Fig.8 mAP curves

提升算法計(jì)算效率的一種途徑是使用TensorRT 推理引擎來優(yōu)化深度學(xué)習(xí)模型的網(wǎng)絡(luò)結(jié)構(gòu)和推理過程，減少模型的計(jì)算量和資源消耗。為了使用TensorRT 推理引擎需要把權(quán)重文件從.pt 格式文件轉(zhuǎn)換為.onnx 中間文件，再由其構(gòu)建.engine 引擎文件。表5 為YOLOv5-S和本文模型在使用TensorRT 加速前后所耗費(fèi)的推理時(shí)間。

表5 TensorRT加速對推理時(shí)間的影響Table 5 Ⅰmpact of TensorRT acceleration on inference time

從表5中可以看出，本文所提出的模型略微增加了推理時(shí)間，而在使用TensorRT 引擎加速后推理時(shí)間平均降低了約3 倍，有效地降低了計(jì)算延遲，節(jié)省計(jì)算資源，使得模型具有更好的實(shí)時(shí)性。

3.3.2 與其他算法的對比實(shí)驗(yàn)結(jié)果與分析

本小節(jié)在相同的實(shí)驗(yàn)環(huán)境下訓(xùn)練了多種流行的檢測算法，包括YOLO系列、RetinaNet以及Faster R-CNN，實(shí)驗(yàn)數(shù)據(jù)匯總見表6。其中YOLOv6、YOLOv7 以及DAMO-YOLO屬于較新的檢測算法，在網(wǎng)絡(luò)架構(gòu)、優(yōu)化策略以及復(fù)雜度等方面有著很大的不同，因此在網(wǎng)絡(luò)輸入端采取統(tǒng)一的輸入大小。

表6 與其他算法的性能對比Table 6 Performance comparisons with other algorithms

從表6當(dāng)中可以看出，對比YOLOv3、YOLOv5-L以及YOLOX等參數(shù)量和FLOPs規(guī)模更大的檢測模型，本文模型有著最高的mAP@0.5和平均mAP@0.5：0.95，在檢測速度上處于領(lǐng)先。對比較新的模型如YOLOv6-S、YOLOv7以及DAMO-YOLO-S，本文模型的總體檢測精度更高，參數(shù)量及FLOPs 更少，檢測速度更快。對于小目標(biāo)的檢測，本文模型的mAP@0.5：0.95 比YOLOv3 高出了8.1 個(gè)百分點(diǎn)，比YOLOv5-L 高出了3.0 個(gè)百分點(diǎn)，比YOLOX 高出了2.2 個(gè)百分點(diǎn)，這說明改進(jìn)后的模型對小尺寸目標(biāo)的檢測效果更加顯著。而YOLOv6-S、YOLOv7 以及DAMO-YOLO-S 更傾向于檢測中型和大型目標(biāo)，對小目標(biāo)的檢測不夠好。對比YOLOv5-S 模型，本文模型對于小目標(biāo)的mAP@0.5：0.95 提高了6.7個(gè)百分點(diǎn)，對于全部目標(biāo)則有著6.6個(gè)百分點(diǎn)的提升，參數(shù)量則減少了約4.2個(gè)百分點(diǎn)。雖然檢測精度得到了提升，但FLOPs也從16.1×109增加到18.7×109，對FPS也產(chǎn)生了一定的影響，但這沒有過多的影響到算法的實(shí)時(shí)性，改進(jìn)后的模型依然有著83 FPS 的實(shí)時(shí)檢測速度。對比參數(shù)量以及FLOPs更少的YOLOv7-Tiny模型，本文模型在檢測精度上更優(yōu)。其他模型當(dāng)中文獻(xiàn)[38]的mAP@0.5 較本文模型低了0.8 個(gè)百分點(diǎn)，文獻(xiàn)[39]低了3.2個(gè)百分點(diǎn)，同時(shí)本文模型的檢測速度優(yōu)勢更加明顯。對比RetinaNet和Faster R-CNN，兩者則達(dá)不到可靠檢測和實(shí)時(shí)檢測的需求，它們的性能表現(xiàn)均遜色于采用了更多優(yōu)化策略的算法。

如圖9 為YOLOv5-S 和改進(jìn)模型的檢測效果。圖中每個(gè)子圖的左上角為標(biāo)志區(qū)域的放大圖，右下角是在160×160 的檢測層上繪制的熱力圖。從圖中可以看出YOLOv5-S 在檢測場景當(dāng)中的小尺寸標(biāo)志時(shí)給出的分?jǐn)?shù)偏低，同時(shí)還存在漏檢的問題，而改進(jìn)后的模型有著更高的檢測分?jǐn)?shù)，漏檢問題得到了緩解。通過熱力圖可以看到Y(jié)OLOv5-S的輸出有著更多的不均勻熱點(diǎn)，說明其受到了背景噪聲的干擾。而改進(jìn)模型由于采用了坐標(biāo)注意力機(jī)制，可以抑制噪聲帶來的干擾，熱點(diǎn)的分布也更多的集中在標(biāo)志區(qū)域。

4 結(jié)束語

針對現(xiàn)有的目標(biāo)檢測方法在檢測交通標(biāo)志時(shí)出現(xiàn)的錯(cuò)檢、漏檢和低精度問題，本文提出了一種改進(jìn)YOLOv5-S的實(shí)時(shí)交通標(biāo)志檢測算法。為了增強(qiáng)神經(jīng)網(wǎng)絡(luò)對目標(biāo)關(guān)鍵特征的關(guān)注度，提出了一種融合坐標(biāo)注意機(jī)制的C3CA模塊，將其部署在網(wǎng)絡(luò)當(dāng)中來感知物體的位置信息；使用Focal-EⅠoU損失函數(shù)使得算法更加關(guān)注高質(zhì)量的分類樣本，提高對難分類樣本的學(xué)習(xí)能力；在網(wǎng)絡(luò)頸部融合GSConv卷積，減少模型參數(shù)，提升計(jì)算效率；最后改進(jìn)頸部的特征融合路徑，將特征圖大小擴(kuò)大一倍，同時(shí)使用K-means聚類算法更新錨框。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后模型的mAP@0.5 和mAP@0.5：0.95 分別提升了6.4個(gè)百分點(diǎn)和6.6個(gè)百分點(diǎn)，其中對于小目標(biāo)的mAP@0.5：0.95 提高了6.7 個(gè)百分點(diǎn)，模型的參數(shù)量減少了約4.2%。與其他的一些目標(biāo)檢測算法相比，改進(jìn)后的算法在交通標(biāo)志檢測任務(wù)中更有優(yōu)勢。未來的工作將在移動計(jì)算設(shè)備上開展實(shí)驗(yàn)分析，實(shí)現(xiàn)實(shí)時(shí)可靠的道路交通標(biāo)志檢測。