輕量型YOLO-IoU網(wǎng)絡(luò)在公路綠化檢測(cè)中的應(yīng)用

林 海，彭佳君，馮善銘，葉思紅

（湛江幼兒師范專(zhuān)科學(xué)校信息科學(xué)系，湛江 524084）

0 引言

隨著生活水平的不斷提高，公路建設(shè)對(duì)于城鄉(xiāng)的美化、自然環(huán)境的保護(hù)、以及道路的交通安全等方面都有著至關(guān)重要的影響。公路綠化［1］也隨之成為我國(guó)發(fā)展經(jīng)濟(jì)的重要內(nèi)容之一。當(dāng)下傳統(tǒng)的公路綠化管理［2］主要采用人工巡視、評(píng)估和維護(hù)的方式，管理過(guò)程消耗人力、浪費(fèi)時(shí)間，但效果并不顯著，存在問(wèn)題頗大。為了解決好這些問(wèn)題，更好地維護(hù)公路綠化這個(gè)重要環(huán)節(jié)，基于深度學(xué)習(xí)的智能目標(biāo)檢測(cè)技術(shù)［3］逐漸受到廣泛關(guān)注。新興的智慧公路綠化管理技術(shù)［4］采用了深度學(xué)習(xí)的智能目標(biāo)檢測(cè)技術(shù)，解決了傳統(tǒng)管理所存在的不足。

本文主要探討基于深度學(xué)習(xí)的智能目標(biāo)檢測(cè)技術(shù)在公路綠化中的應(yīng)用與優(yōu)化，旨在提高公路綠化管理的效率和水平，牢固樹(shù)立和踐行綠水青山就是金山銀山的理念，深入推進(jìn)綠美廣東生態(tài)的建設(shè)［5］，推動(dòng)我省高質(zhì)量發(fā)展。

目標(biāo)檢測(cè)［6］在計(jì)算機(jī)視覺(jué)領(lǐng)域中是不可或缺的重要研究方向，旨在從圖像或視頻中識(shí)別和定位特定目標(biāo)，因其在實(shí)時(shí)性、準(zhǔn)確率、泛化能力等方面的優(yōu)勢(shì)，逐漸被廣泛應(yīng)用于公路綠化管理中。與傳統(tǒng)的人工巡視［7］相比，基于深度學(xué)習(xí)的智能目標(biāo)檢測(cè)技術(shù)能夠?qū)崿F(xiàn)對(duì)公路上的綠化目標(biāo)的快速、準(zhǔn)確的檢測(cè)識(shí)別，對(duì)于推動(dòng)公路綠化管理的可持續(xù)性和可發(fā)展性產(chǎn)生積極的作用。盡管目標(biāo)檢測(cè)技術(shù)已經(jīng)發(fā)揮了很好的作用，但是在公路綠化管理中還需要克服一些困難和挑戰(zhàn)，如天氣、光照等外部因素的影響，需要相應(yīng)地對(duì)檢測(cè)模型進(jìn)行調(diào)整和優(yōu)化，同時(shí)，GPU 資源也是限制目標(biāo)檢測(cè)速度和準(zhǔn)確率的重要因素。

所以，針對(duì)上述問(wèn)題，本文提出了一種輕量型YOLO-IoU 網(wǎng)絡(luò)，從數(shù)據(jù)集擴(kuò)充、網(wǎng)絡(luò)結(jié)構(gòu)、特征提取、損失函數(shù)等方面對(duì)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，并總結(jié)了該技術(shù)對(duì)公路綠化管理的可持續(xù)性和可發(fā)展性將產(chǎn)生的重要影響。

本文的主要貢獻(xiàn)包括：

（1）在YOLOv5 算法的基礎(chǔ)上，對(duì)YOLOv5目標(biāo)框損失函數(shù)進(jìn)行重新設(shè)計(jì)，從而提出一種新的目標(biāo)檢測(cè)算法YOLO-IoU，使其能夠更加適應(yīng)邊緣設(shè)備的特點(diǎn)，減少計(jì)算成本，提高算法的執(zhí)行效率和精度。

（2）提出了一種用于公路綠化檢測(cè)的數(shù)據(jù)集。

（3）實(shí)驗(yàn)數(shù)據(jù)表明，本文所提出的輕量型YOLO-IoU 算法在實(shí)際場(chǎng)景中的可行性和優(yōu)越性，為公路綠化檢測(cè)提供了一種新的解決方案。

綜上所述，本文的重點(diǎn)是探索一種輕量型YOLO-IoU 目標(biāo)檢測(cè)網(wǎng)絡(luò)，旨在提高公路綠化檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性。接下來(lái)，我們將具體介紹該算法的設(shè)計(jì)和實(shí)現(xiàn)細(xì)節(jié)，并進(jìn)行實(shí)驗(yàn)驗(yàn)證和分析。

1 相關(guān)工作

1.1 SSD網(wǎng)絡(luò)模型概述

SSD［8］（Single Shot MultiBox Detector）是一種基于深度學(xué)習(xí)的目標(biāo)檢測(cè)模型，由Google 團(tuán)隊(duì)于2016 年提出。與傳統(tǒng)的目標(biāo)檢測(cè)模型不同，SSD 是一種單階段的檢測(cè)模型［9］，能夠直接在圖像上進(jìn)行目標(biāo)檢測(cè)，無(wú)需像RCNN系列模型那樣進(jìn)行多個(gè)階段的操作，網(wǎng)絡(luò)結(jié)構(gòu)模型如圖1所示。

圖1 SSD網(wǎng)絡(luò)模型結(jié)構(gòu)

SSD 模型的核心思想是，在不同的卷積層上提取多尺度的特征［10］，然后針對(duì)每個(gè)特征圖位置預(yù)測(cè)相應(yīng)的目標(biāo)框和類(lèi)別概率。SSD 模型的輸出是一組預(yù)測(cè)框，每個(gè)框包含目標(biāo)的位置和類(lèi)別信息。在訓(xùn)練過(guò)程中，SSD 模型通過(guò)監(jiān)督學(xué)習(xí)優(yōu)化預(yù)測(cè)框的位置和類(lèi)別，從而提高模型的準(zhǔn)確性和穩(wěn)定性。

相比傳統(tǒng)模型，SSD具有以下優(yōu)點(diǎn)：

（1）SSD 是一種單階段的模型，無(wú)需多個(gè)階段的操作，因此速度更快、更高效。

（2）SSD 采用多尺度特征提取和預(yù)測(cè)，能夠更好地適應(yīng)不同尺寸和比例的目標(biāo)，提高檢測(cè)的準(zhǔn)確性。

（3）SSD 適用于各種目標(biāo)檢測(cè)任務(wù)，如人臉檢測(cè)、車(chē)輛檢測(cè)、行人檢測(cè)等，具有較強(qiáng)的通用性和靈活性。

除此之外，SSD 網(wǎng)絡(luò)目前還存在特征表達(dá)能力有限、負(fù)樣本過(guò)多、多尺度匹配不準(zhǔn)確、目標(biāo)長(zhǎng)寬比有偏差等問(wèn)題。

1.2 Faster R-CNN網(wǎng)絡(luò)模型概述

Faster R-CNN［11］是計(jì)算機(jī)視覺(jué)領(lǐng)域中一種目標(biāo)檢測(cè)算法，它基于R-CNN［12］和Fast R-CNN［13］算法，并相較于這兩種算法具有更快速、更準(zhǔn)確的特點(diǎn)，能夠?qū)崿F(xiàn)高精度和高效率的目標(biāo)檢測(cè)，網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 Faster R-CNN網(wǎng)絡(luò)結(jié)構(gòu)

Faster R-CNN 的完整流程包括四個(gè)部分。首先，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)錄入圖像進(jìn)行特征提??；其次，針對(duì)所提取的特征圖進(jìn)行區(qū)域建議管理，即生成候選框；再次，對(duì)候選框進(jìn)行特征提取、分類(lèi)和回歸處理；最后，通過(guò)后處理對(duì)分類(lèi)和回歸結(jié)果進(jìn)行優(yōu)化，得到最終的檢測(cè)結(jié)果。其中，F(xiàn)aster R-CNN 包括如下的關(guān)鍵要素。

1.2.1 卷積神經(jīng)網(wǎng)絡(luò)（CNN）［14］

Faster R-CNN 采用預(yù)訓(xùn)練的CNN 作為基礎(chǔ)網(wǎng)絡(luò)，用于提取圖像的特征。該CNN 包含多個(gè)卷積層和池化層，能夠?qū)D像映射到另一個(gè)特征空間，更好地表示圖像中不同區(qū)域的特征。

1.2.2 區(qū)域建議網(wǎng)絡(luò)（RPN）［15］

RPN 是Faster R-CNN 的核心模塊之一，取代了以往目標(biāo)檢測(cè)算法中繁瑣的去重和篩選策略，使算法更加高效。通過(guò)在CNN 的特征圖上應(yīng)用RPN，可以快速生成候選框，用于后續(xù)的分類(lèi)和位置回歸。

1.2.3 Fast R-CNN

Fast R-CNN 是在一組候選框上進(jìn)行目標(biāo)分類(lèi)和位置回歸的算法。在Faster R-CNN 中，F(xiàn)ast R-CNN 用于最終的檢測(cè)分類(lèi)和位置回歸處理。我們將CNN 提取的特征圖輸入Fast R-CNN 模塊，便可對(duì)候選框進(jìn)行區(qū)分和位置回歸，從而取得最終的目標(biāo)檢測(cè)結(jié)果。

總體來(lái)說(shuō)，F(xiàn)aster R-CNN 還存在訓(xùn)練速度慢、計(jì)算成本高、不適用于小目標(biāo)檢測(cè)、檢測(cè)精度有限、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜等問(wèn)題

1.3 YOLO網(wǎng)絡(luò)模型概述

YOLO［16］（You Only Look Once）是一系列目標(biāo)檢測(cè)算法，包括YOLOv1、YOLOv2、YOLOv3、YOLOv4 和YOLOv5，它們?cè)谀繕?biāo)檢測(cè)領(lǐng)域取得了顯著的進(jìn)展。

1.3.1 YOLOv1［17］

YOLOv1 是YOLO 系列的第一個(gè)版本，于2015 年提出。它采用單個(gè)卷積神經(jīng)網(wǎng)絡(luò)，在一次前向傳遞中同時(shí)預(yù)測(cè)多個(gè)邊界框和類(lèi)別，并使用非極大值抑制進(jìn)行結(jié)果過(guò)濾。然而，YOLOv1在檢測(cè)小目標(biāo)和處理重疊目標(biāo)方面存在困難。

1.3.2 YOLOv2（YOLO9000）

YOLOv2 在YOLOv1 的基礎(chǔ)上進(jìn)行了改進(jìn)，于2016 年發(fā)布。它引入了一些技術(shù)，如卷積核大小的變化、多尺度預(yù)測(cè)、Anchor 框的使用等。此外，YOLOv2 結(jié)合了COCO 和ImageNet 數(shù)據(jù)集，可以檢測(cè)更多的類(lèi)別。

1.3.3 YOLOv3［18］

YOLOv3 于2018 年發(fā)布，進(jìn)一步改進(jìn)了目標(biāo)檢測(cè)性能。它采用了多尺度預(yù)測(cè)、特征金字塔網(wǎng)絡(luò)和跳躍連接等技術(shù)，提高了小目標(biāo)檢測(cè)的準(zhǔn)確性。YOLOv3 還引入了Darknet-53 作為其骨干網(wǎng)絡(luò)，提供了更強(qiáng)大的特征提取能力。

1.3.4 YOLOv4

YOLOv4于2020年發(fā)布，是YOLO 系列中的最新版本。它引入了一系列創(chuàng)新技術(shù)，如CSPDarknet53、SAM、PAN、YOLOv4 Neck 等，進(jìn)一步提升了檢測(cè)精度和速度。此外，YOLOv4還提供了更高級(jí)的功能，如多尺度訓(xùn)練、數(shù)據(jù)增強(qiáng)和學(xué)習(xí)策略優(yōu)化。

1.3.5 YOLOv5［19］

YOLOv5 是由Ultralytics 于2020 年提出的YOLO 版本。它基于PyTorch 實(shí)現(xiàn)，并提供了簡(jiǎn)單而高效的目標(biāo)檢測(cè)框架。YOLOv5通過(guò)采用輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)、自動(dòng)調(diào)整模型大小和推理速度等策略，實(shí)現(xiàn)了快速、精確的目標(biāo)檢測(cè)。

總的來(lái)說(shuō)，YOLO 系列模型通過(guò)不斷的改進(jìn)和創(chuàng)新，在目標(biāo)檢測(cè)領(lǐng)域取得了顯著的進(jìn)展，提高了檢測(cè)精度和速度，同時(shí)在處理小目標(biāo)和重疊目標(biāo)方面取得了更好的性能。

2 YOLO-IoU網(wǎng)絡(luò)模型

2.1 網(wǎng)絡(luò)模型結(jié)構(gòu)

YOLO-IoU網(wǎng)絡(luò)模型采用了以下優(yōu)化結(jié)構(gòu)：

（1）骨干網(wǎng)絡(luò)使用更小的CSPDarknet-S，該網(wǎng)絡(luò)去除了原Darknet 的最大池化層和一些卷積層，網(wǎng)絡(luò)通道數(shù)也有所減小，參數(shù)量減少到6.9 M。這使得YOLOv5s 的運(yùn)算速度更快，模型體積更小。

（2）預(yù)測(cè)框的數(shù)量減少到2 個(gè)，進(jìn)一步減小了模型大小。

（3）網(wǎng)絡(luò)在骨干網(wǎng)絡(luò)輸出層之前的特征層數(shù)量從5個(gè)減少到4個(gè)。

因此，YOLO-IoU 保留了YOLOv5 的主要?jiǎng)?chuàng)新點(diǎn)，但通過(guò)采用更小的骨干網(wǎng)絡(luò)、減少預(yù)測(cè)框數(shù)量和中間特征層等措施顯著減小了模型大小和提高了速度，這使其非常適合在資源受限的平臺(tái)上使用。

YOLO-IoU 網(wǎng)絡(luò)結(jié)構(gòu)分為三個(gè)部分：主干網(wǎng)絡(luò)、連接層和預(yù)測(cè)層，如圖3所示。

圖3 YOLO-IoU網(wǎng)絡(luò)結(jié)構(gòu)

為了適應(yīng)邊緣計(jì)算平臺(tái)，輸入端采用320*320的最小輸入尺寸。

2.1.1 主干網(wǎng)絡(luò)

YOLO-IoU 的主干網(wǎng)絡(luò)基于CSPDarknet53，它是一個(gè)輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)，由多個(gè)殘差塊合成。每一個(gè)殘差塊就包含了兩個(gè)3×3 卷積層和一個(gè)跨步卷積層，一個(gè)殘差連接和一個(gè)通道數(shù)減半層。在CSPDarknet53 中使用了Cross Stage Partial Networks（CSP）模塊，可以大量減少參數(shù)數(shù)量，并且保持了模型的性能。

2.1.2 連接層

YOLO-IoU 連接層由SPP、PANet 兩個(gè)模塊組成。SPP 模塊主要實(shí)現(xiàn)了空間金字塔池化（Spatial Pyramid Pooling），該操作可以在不改變圖像尺寸的情況下提取不同尺度的特征。PANet（Path Aggregation Network）模塊則實(shí)現(xiàn)了特征金字塔網(wǎng)絡(luò)。該模塊可以將從不同層級(jí)得到的特征圖進(jìn)行融合和聚合，從而提高檢測(cè)精度。

2.1.3 預(yù)測(cè)層

預(yù)測(cè)層主要負(fù)責(zé)輸出預(yù)測(cè)結(jié)果。其由三個(gè)卷積層和一個(gè)全連接層組成，其中全連接層的輸出大小為3×（類(lèi)別數(shù)+5），分別代表每個(gè)邊界框的五個(gè)屬性（中心坐標(biāo)、寬、高、置信度和類(lèi)別概率）。

2.2 損失函數(shù)

DIoU（Distance-IoU）［20］是一種用于目標(biāo)檢測(cè)中邊界框重疊度量的距離度量方法，它結(jié)合了IoU 和邊界框間距離的信息。下面我們使用DIoU重新設(shè)計(jì)了YOLO-IoU目標(biāo)框損失函數(shù)：

假設(shè)有N個(gè)邊界框需要預(yù)測(cè)，其中第i個(gè)邊界框的預(yù)測(cè)框?yàn)?，真?shí)框?yàn)榱頿i∈RC+5表示第i個(gè)邊界框的預(yù)測(cè)概率和坐標(biāo)信息，其中C是類(lèi)別數(shù)。對(duì)于一個(gè)預(yù)測(cè)框，我們可以通過(guò)計(jì)算其與真實(shí)框bi的DIoU 距離來(lái)評(píng)估兩者之間的匹配程度。具體地，DIoU 公式可以表示為

式中：cb?i和cbi分別表示預(yù)測(cè)框和真實(shí)框bi的中心點(diǎn)坐標(biāo)，c表示兩個(gè)邊界框的最小外接矩形的對(duì)角線長(zhǎng)度。

進(jìn)一步地，我們可以將DIoU 距離用于計(jì)算目標(biāo)框損失。假設(shè)第i個(gè)邊界框的預(yù)測(cè)框?qū)儆诘趉類(lèi)，則該邊界框的目標(biāo)框損失公式為

式中：λcoord和λIoU分別是坐標(biāo)損失和IoU 損失的權(quán)重系數(shù)。通常情況下，λcoord取比較大的值，以便更加注重坐標(biāo)精度；λIoU取比較小的值，以保證不會(huì)影響到目標(biāo)檢測(cè)的召回率。

3 實(shí)驗(yàn)內(nèi)容

3.1 公路綠化數(shù)據(jù)集

為了測(cè)試YOLO-IoU 模型在公路綠化檢測(cè)任務(wù)上的性能，我們通過(guò)實(shí)地拍攝和收集網(wǎng)絡(luò)的公路綠化圖片素材，并選取不同光照、不同場(chǎng)地的圖片共10000 張，創(chuàng)建了公路綠化數(shù)據(jù)集，按類(lèi)型不同，分為樹(shù)、花、草三類(lèi)，并對(duì)其進(jìn)行了標(biāo)注，其中7000 張做為訓(xùn)練集，3000 張做為驗(yàn)證集，如圖4所示。

圖4 公路綠化數(shù)據(jù)集部分圖片

3.2 實(shí)驗(yàn)軟硬件環(huán)境配置

實(shí)驗(yàn)軟硬件環(huán)境配置見(jiàn)表1，訓(xùn)練網(wǎng)絡(luò)為YOLO-IoU 網(wǎng)絡(luò)。batch size 值為18，迭代次數(shù)為800，初始學(xué)習(xí)率為0.01。

表1 軟硬件環(huán)境配置

在訓(xùn)練過(guò)程中我們對(duì)數(shù)據(jù)集采用Mosaic 數(shù)據(jù)增強(qiáng)技術(shù)，在相同訓(xùn)練輪次和超參數(shù)的情況下，可以提高模型的性能表現(xiàn)。Mosaic 增強(qiáng)可以將多張圖片合成一張，從而增大了訓(xùn)練數(shù)據(jù)集的樣本量和樣本多樣性。這有助于模型更好地學(xué)習(xí)物體的形狀、大小、位置等信息，并提高檢測(cè)精度。

3.3 實(shí)驗(yàn)數(shù)據(jù)及分析

在本實(shí)驗(yàn)中，我們使用YOLO-IoU 模型來(lái)檢測(cè)公路綠化情況。輸入尺寸為320×320像素大小的圖樣，運(yùn)用訓(xùn)練數(shù)據(jù)集對(duì)其進(jìn)行訓(xùn)練。在訓(xùn)練期間，我們使用隨機(jī)梯度下降（SGD）算法和學(xué)習(xí)率衰減等技術(shù)來(lái)優(yōu)化模型參數(shù)。此外，我們使用AdamW優(yōu)化器來(lái)加速收斂，同時(shí)避免過(guò)擬合。

為了評(píng)估模型在測(cè)試集上的性能，我們統(tǒng)計(jì)了平均精度（mAP）和精確度（Precision）等指標(biāo)。結(jié)果顯示，本文模型能夠在不到一秒的時(shí)間內(nèi)精確地檢測(cè)出公路的綠化情況，同時(shí)保持高的精度和魯棒性。實(shí)驗(yàn)檢測(cè)結(jié)果如圖5所示。

圖5 YOLO-IoU目標(biāo)檢測(cè)結(jié)果

根據(jù)提供的訓(xùn)練數(shù)據(jù)，可以看到模型在每個(gè)Epoch 的性能指標(biāo)。該模型在不同Epoch 下的性能評(píng)估部分?jǐn)?shù)據(jù)見(jiàn)表2。訓(xùn)練可視化圖如圖6所示。

表2 前4個(gè)和后4個(gè)Epoch的訓(xùn)練數(shù)據(jù)

圖6 訓(xùn)練可視化圖

根據(jù)這些指標(biāo)，可以看到模型在訓(xùn)練過(guò)程中逐漸提高了性能。邊界框損失、置信度損失和分類(lèi)損失在逐漸降低。Precision（精確度）、mAP@0.5（IoU 閾值為0.5 時(shí)的平均精度均值）和mAP@0.5∶0.95（IoU 閾值從0.5 到0.95 時(shí)的平均精度均值）在逐漸增加。這表明模型在訓(xùn)練過(guò)程中學(xué)習(xí)到了更準(zhǔn)確的目標(biāo)檢測(cè)能力，并且在不同的IoU 閾值下都有較好的表現(xiàn)。訓(xùn)練到279 個(gè)Epoch 值時(shí)，mAP@0.5 和mAP@0.5∶0.95 的值分別達(dá)到99.48%和92.76%。這表明，本文的YOLOv5s 模型可以非常準(zhǔn)確地檢測(cè)出公路綠化的情況，并且具有很高的魯棒性。另外，本文模型可以在極短的時(shí)間內(nèi)結(jié)束檢測(cè)任務(wù)，因此適用于需要快速響應(yīng)的實(shí)時(shí)應(yīng)用程序。

4 結(jié)語(yǔ)

隨著深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，人工智能逐漸滲透到各個(gè)領(lǐng)域。在智能交通領(lǐng)域中，智能目標(biāo)檢測(cè)技術(shù)作為人工智能應(yīng)用的重要組成部分，可以實(shí)現(xiàn)公路綠化情況的自動(dòng)分析和監(jiān)測(cè)，提高公路綠化管理的效率和精度。本文的重點(diǎn)是探索一種輕量型YOLO-IoU 目標(biāo)檢測(cè)網(wǎng)絡(luò)模型，實(shí)驗(yàn)結(jié)果證明了該網(wǎng)絡(luò)模型具有準(zhǔn)確率高、運(yùn)算成本低的優(yōu)點(diǎn)，具有很好的魯棒性。