葉亞光

摘要：隨著人工智能的不斷發(fā)展，對(duì)于傳統(tǒng)領(lǐng)域提出了新的挑戰(zhàn)。在大數(shù)據(jù)時(shí)代，圖片和視頻信息的成倍增長，如何從這些信息中提取出我們“感興趣”的數(shù)據(jù)，成了越來越多學(xué)者研究的重點(diǎn)。本文基于卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建車輛圖像數(shù)據(jù)庫，參考當(dāng)下計(jì)算機(jī)視覺領(lǐng)域新提出的GoogleNet網(wǎng)絡(luò)分類模型，修改NVDIA提出的Detection網(wǎng)絡(luò)部分層，調(diào)整學(xué)習(xí)率、激活函數(shù)等部分訓(xùn)練參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)，形成新的object detection網(wǎng)絡(luò)結(jié)構(gòu)，提高對(duì)于圖像和視頻中車輛的識(shí)別率。

關(guān)鍵詞：深度學(xué)習(xí)；卷積神經(jīng)網(wǎng)絡(luò)；車輛識(shí)別

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）10-0169-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

隨著社會(huì)的發(fā)展，人們的生活水平的提高，安全意識(shí)逐漸增大，城市中監(jiān)控系統(tǒng)的投入不斷增多，帶來了越來越多的視頻數(shù)據(jù)。從這些海量的視頻數(shù)據(jù)中找出有效且需要的數(shù)據(jù)需要投入大量的人力，那么能否利用計(jì)算機(jī)視覺領(lǐng)域的深度學(xué)習(xí)，通過前期大量有效的車輛標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練，建立識(shí)別車輛數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，通過該神經(jīng)網(wǎng)絡(luò)代替人腦進(jìn)行解讀視頻數(shù)據(jù)，識(shí)別出有效的車輛數(shù)據(jù)。其中涉及有卷積神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)等相關(guān)內(nèi)容。

深度學(xué)習(xí)是一種特征學(xué)習(xí)方法，把原始數(shù)據(jù)通過簡(jiǎn)單而非線性的模型轉(zhuǎn)變成更高層次、更抽象的表達(dá)。卷積神經(jīng)網(wǎng) 絡(luò)（CNN）具有提取反映數(shù)據(jù)本質(zhì)的隱性特征及可擴(kuò)展性的優(yōu)越性能，可被用于幾乎全部的目標(biāo)識(shí)別分類領(lǐng)域，例如交通信號(hào)識(shí)別、人臉識(shí)別、道路場(chǎng)景解析、圖像理解等。在車輛檢測(cè)方面，其區(qū)別于淺層學(xué)習(xí)的突出優(yōu)點(diǎn)之一在于算法的可擴(kuò)展性，能夠進(jìn)一步擴(kuò)展識(shí)別交通環(huán)境中的多類目標(biāo)。[2]

本文選用的神經(jīng)網(wǎng)絡(luò)為卷積神經(jīng)網(wǎng)絡(luò)，并在當(dāng)下較流行的caffe深度學(xué)習(xí)框架，使用6G顯存的GTX1060顯卡，GPU模式，ubuntu16.04操作系統(tǒng)，Python2.7語言等開發(fā)環(huán)境，進(jìn)行視頻數(shù)據(jù)的車輛識(shí)別。經(jīng)實(shí)驗(yàn)證明，該神經(jīng)網(wǎng)絡(luò)具識(shí)別速度快，準(zhǔn)確度高等特點(diǎn)。

1 深度學(xué)習(xí)框架caffe篇

工欲善其事必先利其器，需要使用caffe學(xué)習(xí)框架，就需要從搭建caffe環(huán)境開始。搭建caffe環(huán)境分為以下幾個(gè)模塊，分別是Ubuntu、CUDA、cuDNN、OpenCV等。本文使用的操作系統(tǒng)為Ubuntu16.04LTS，需要注意的是，由于使用nvidia公司的GTX1060顯卡，先屏蔽操作系統(tǒng)自帶的顯卡驅(qū)動(dòng)再上官網(wǎng)下載安裝對(duì)應(yīng)的驅(qū)動(dòng)程序。

本文使用的GPU訓(xùn)練方式，由于需要提高訓(xùn)練速度，需要安裝CUDA運(yùn)算平臺(tái)和GPU加速庫，本文使用CUDA為8.0版本，cuDNN為7.2.1版本。OpenCV是一個(gè)基于BSD許可（開源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫，在處理車輛數(shù)據(jù)時(shí)，需要使用到OPenCV的庫函數(shù)，本文安裝的OPenCV版本為3.2.0。

以上環(huán)境都安裝齊全的條件下，安裝caffe學(xué)習(xí)框架，本文使用nvcaffe版本，由于caffe需要使用到各種庫函數(shù)，根據(jù)個(gè)人經(jīng)驗(yàn)，py語言提供強(qiáng)大的庫函數(shù)，能夠滿足caffe的需求。本文使用的2.7版的python語言。

2 數(shù)據(jù)標(biāo)注及訓(xùn)練篇

本文采用半監(jiān)督學(xué)習(xí)的方式進(jìn)行車輛數(shù)據(jù)的訓(xùn)練，那么就需要告訴電腦什么是車輛。本文參考KITTI數(shù)據(jù)集格式及結(jié)合數(shù)據(jù)集標(biāo)記軟件對(duì)車輛數(shù)據(jù)進(jìn)行標(biāo)記形成實(shí)驗(yàn)所需要用到的車輛數(shù)據(jù)集。

本文采用nvidia公司的digits工具進(jìn)行數(shù)據(jù)集的生成和網(wǎng)絡(luò)的訓(xùn)練。通過數(shù)據(jù)集生成功能模塊，將標(biāo)記數(shù)據(jù)集生成LMDB格式數(shù)據(jù)。再由分類器googlenet和修改后的Detection卷積網(wǎng)絡(luò)對(duì)數(shù)據(jù)集（LMDB）進(jìn)行訓(xùn)練，通過調(diào)整學(xué)習(xí)率等參數(shù)，得到30次迭代訓(xùn)練后的結(jié)果。選擇識(shí)別度較高的網(wǎng)絡(luò)結(jié)構(gòu)文件和權(quán)重文件，用于之后測(cè)試使用。

由于卷積神經(jīng)網(wǎng)絡(luò)在模型訓(xùn)練時(shí)耗時(shí)較長，利用樣本反饋在線更新網(wǎng)絡(luò)模型難度大，且實(shí)時(shí)性效果差等缺點(diǎn)。因而本文的做法是提前對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，不實(shí)施在線更新。模型訓(xùn)練完成后，直接將模型帶入到測(cè)試程序框架中，以檢測(cè)的方式完成對(duì)每一張圖片里的車輛識(shí)別。模型檢測(cè)的結(jié)果會(huì)計(jì)算出目標(biāo)的預(yù)測(cè)位置。[3]

3 網(wǎng)絡(luò)模型結(jié)構(gòu)篇

本文采用GoogleNET網(wǎng)絡(luò)模型作為基礎(chǔ)，修改網(wǎng)絡(luò)部分層，實(shí)現(xiàn)對(duì)車輛數(shù)據(jù)的識(shí)別。本文的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為數(shù)據(jù)輸入層、Slice層，卷積層、python層、池化層、激活函數(shù)層、LOSS層、dropout層等多層次結(jié)構(gòu)。

卷積層根據(jù)需要設(shè)置卷積核的個(gè)數(shù)、卷積核的大小、卷積核的步長、權(quán)值初始化、偏置項(xiàng)的初始化、擴(kuò)充邊緣等參數(shù)。池化層采用MAX池化方式，根據(jù)各層需要修改kernel_size和stride參數(shù)。

根據(jù)AlexNet的論文，本文使用的激活函數(shù)層大部分激活函數(shù)使用ReLU類型，小部分激活函數(shù)使用Sigmoid類型。Relu激活函數(shù)（The Rectified Linear Unit）表達(dá)式為：f（x）=max（0，x）f（x）=max（0，x）。相比sigmoid和tanh函數(shù)，Relu激活函數(shù)的優(yōu)點(diǎn)在于：

1）梯度不飽和。梯度計(jì)算公式為：1{x>0}1{x>0}。因此在反向傳播過程中，減輕了梯度彌散的問題，神經(jīng)網(wǎng)絡(luò)前幾層的參數(shù)也可以很快的更新。

2）計(jì)算速度快。正向傳播過程中，sigmoid函數(shù)計(jì)算激活值時(shí)需要計(jì)算指數(shù)，而Relu函數(shù)僅需要設(shè)置閾值。如果x<0，f（x）=0x<0，f（x）=0，如果x>0，f（x）=xx>0，f（x）=x。加快了正向傳播的計(jì)算速度。因此，Relu激活函數(shù)可以極大地加快收斂速度。

在python層中，根據(jù)需要自定義編寫自己的目標(biāo)識(shí)別框，使用caffe.layers.detectnet.clustering模塊并設(shè)置param_str參數(shù)。將偵測(cè)目標(biāo)的位置用矩形框編出來，bbox-list表示相對(duì)1248*384偵測(cè)到的目標(biāo)座標(biāo)。

4 實(shí)驗(yàn)結(jié)果篇

經(jīng)過30次迭代計(jì)算，將30次訓(xùn)練生成的loss_bbox率和loss_covarage率以圖表的形式表示。實(shí)驗(yàn)結(jié)果表明，第30次迭代計(jì)算，有較低的loss_bbox率和loss_covarage率。接下來，自己用python2.7語言編寫demo.py，通過import caffe語句導(dǎo)入caffe模塊，通過detection（img， net， transformer）函數(shù)，用該模型對(duì)測(cè)試圖片進(jìn)行目標(biāo)偵測(cè)，查看是否能準(zhǔn)確地將車輛數(shù)據(jù)標(biāo)記出來。

5 結(jié)束語

隨著技術(shù)的發(fā)展，越來越多的深度學(xué)習(xí)開源框架展現(xiàn)在我們面前，例如Tensorflow，Torch等。這些工具不僅性能優(yōu)異而且可以使用在小型開發(fā)版上，更適合嵌入式深度學(xué)習(xí)應(yīng)用。更為重要的是，使用這些框架訓(xùn)練得到的模型可以直接高效地部署到交通和安防等應(yīng)用領(lǐng)域中，促進(jìn)物聯(lián)網(wǎng)技術(shù)的發(fā)展，不斷提高國家信息化水平。

參考文獻(xiàn)：

[1] 蔡英鳳，王海，陳龍，等.采用視覺顯著性和深度卷積網(wǎng)絡(luò)的魯棒視覺車輛識(shí)別算法[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，36（3）：333-336.

[2] 李琳輝，倫智梅，連靜，等.基于卷積神經(jīng)網(wǎng)絡(luò)的道路車輛檢測(cè)方法[J].吉林大學(xué)學(xué)報(bào)：工學(xué)版，2017，47（2）：385-391.

[3] 閔召陽，趙文杰.基于卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)的單鏡頭多目標(biāo)跟蹤算法[J].艦船電子工程，2017，37（12）：25-28.

【通聯(lián)編輯：唐一東】