陳幻杰，王琦琦+，楊國威，韓佳林，尹成娟，陳 雋，王以忠

1.天津科技大學(xué) 電子信息與自動化學(xué)院，天津 300222

2.麥克馬斯特大學(xué) 電子與計(jì)算機(jī)工程系，加拿大 漢密爾頓 L8E、L8W

1 引言

隨著計(jì)算機(jī)視覺的快速發(fā)展，目標(biāo)檢測技術(shù)受到了越來越廣泛的關(guān)注[1-4]。深度學(xué)習(xí)[5]作為人工智能的新興領(lǐng)域，在目標(biāo)檢測上相比于傳統(tǒng)方法[6-7]具有更高的魯棒性和準(zhǔn)確性。近年來，相繼出現(xiàn)了多種基于深度學(xué)習(xí)[8-10]的目標(biāo)檢測方法，如R-CNN（region-based convolutional neural network）[11]模型、Fast R-CNN[12]模型、Faster R-CNN[13]模型、SSD（single shot multibox detector）[14]模型等。其中，SSD模型是檢測精確度相對更高的網(wǎng)絡(luò)，但是由于SSD模型用于檢測的低層特征層只有一層，特征細(xì)節(jié)信息較少，導(dǎo)致其對小占比目標(biāo)檢測效果較差。

很多學(xué)者在提升SSD模型小占比目標(biāo)檢測能力方面進(jìn)行了相應(yīng)的研究。Wen等[15]提出一種改進(jìn)SSD算法，即通過引入Atrous[16]濾波器、SeLU[17]激活函數(shù)以及新設(shè)計(jì)的數(shù)據(jù)增廣規(guī)則以提高小占比目標(biāo)檢測效果。Xing等[18]以SSD算法為基礎(chǔ)，根據(jù)不同尺寸目標(biāo)分布規(guī)律以優(yōu)化特征層縮放因子，其在行人檢測目標(biāo)尺寸較小以及遮擋問題上有了一定的改善，并獲得了較低的漏檢率。Tang等[19]在SSD模型的基礎(chǔ)上提出了多視窗方法，即利用多個視窗多通路的SSD模型進(jìn)行同時(shí)檢測以提升準(zhǔn)確率，但該方法區(qū)域劃分方式不固定，目標(biāo)被拆分檢測，其對于目標(biāo)檢測的魯棒性和準(zhǔn)確性將產(chǎn)生一定的影響。Fu等[20]提出了DSSD（deconvolutional SSD）模型，其采用特征提取能力更強(qiáng)的網(wǎng)絡(luò)Residual-101，并結(jié)合反卷積模塊加入上下文信息提高小占比目標(biāo)檢測能力，其檢測精確度（mean average precision，mAP）相比SSD模型提升1.4%。但由于該模型網(wǎng)絡(luò)層數(shù)更深，其在TITAN X顯卡上檢測速度為每秒9幀圖像，而SSD模型檢測速度為每秒46幀圖像，DSSD模型檢測實(shí)時(shí)性較差。Jeong等[21]提出RSSD（rainbow SSD）模型，即通過改進(jìn)特征融合的方式，結(jié)合池化和反卷積操作更加充分地利用模型特征，使得檢測到更多的小占比目標(biāo)，其在檢測精度mAP上相比于SSD模型提升1.3%，相比于DSSD模型基本持平。Li等[22]提出FSSD（feature fusion SSD）模型，通過特征融合和下采樣操作重構(gòu)模型多尺度特征，豐富特征細(xì)節(jié)信息，以提高在小目標(biāo)上的檢測效果，其檢測精確度mAP相比于RSSD模型提升了0.3%，相比DSSD模型提升0.2%，相比SSD模型提升1.6%。由于該模型為輕量級特征融合模塊，其檢測速度更接近SSD模型，其檢測性能超過了許多先進(jìn)的目標(biāo)檢測算法。本文方法檢測速度為每秒23幀圖像，相比于SSD模型雖有所下降，但是依然具有一定的實(shí)時(shí)性。

本文根據(jù)SSD模型不同特征層對不同大小目標(biāo)在檢測上的針對性，在主要用于檢測小占比目標(biāo)的低層特征層和中等占比目標(biāo)的高層特征層上分別進(jìn)行相應(yīng)的改進(jìn)，并對改進(jìn)后的SSD網(wǎng)絡(luò)進(jìn)行了再訓(xùn)練。本文選取FSSD模型做對比實(shí)驗(yàn)，通過比較mAP值驗(yàn)證本文模型對中目標(biāo)和小目標(biāo)的檢測效果。實(shí)驗(yàn)結(jié)果表明再訓(xùn)練后的改進(jìn)型SSD網(wǎng)絡(luò)，比再訓(xùn)練同樣次數(shù)的原有SSD網(wǎng)絡(luò)的檢測能力更強(qiáng)，對中目標(biāo)和小目標(biāo)的檢測效果更佳。

2 SSD模型

2.1 SSD模型結(jié)構(gòu)

SSD模型是端到端的單次卷積神經(jīng)網(wǎng)絡(luò)，在結(jié)構(gòu)上，SSD模型主要是在基礎(chǔ)網(wǎng)絡(luò)VGG（visual geometry group network）上添加新的網(wǎng)絡(luò)結(jié)構(gòu)，并采用多尺度卷積檢測的方式來進(jìn)行目標(biāo)檢測。具體SSD模型結(jié)構(gòu)如圖1所示。

2.2 SSD模型多尺度特征分析

SSD模型多尺度作用體現(xiàn)在利用不同層級、不同尺度的特征圖來進(jìn)行目標(biāo)框定檢測，其多尺度計(jì)算過程在數(shù)學(xué)上的定義公式為[23]：

Fig.1 Structure map of SSD圖1 SSD模型

其中，Tn為第n層特征圖，φn為由第n-1層特征圖得到第n層特征圖的非線性運(yùn)算，φ1(I)為由輸入圖像I得到第一層特征圖的運(yùn)算，dn(?)為第n層特征圖上相應(yīng)尺度范圍的檢測結(jié)果，D(?)為將所有中間檢測結(jié)果進(jìn)行集合得到的最終結(jié)果R。

由式（1）、式（2）可看出，第n層特征信息由第n-1層特征信息決定，且每層特征圖只負(fù)責(zé)其對應(yīng)尺度的檢測。因此，對于SSD模型需假設(shè)每層特征足夠復(fù)雜才能更精確地檢測目標(biāo)。其特征圖需具有足夠的分辨率以表達(dá)細(xì)節(jié)特征，由足夠深的網(wǎng)絡(luò)提取得到更抽象特征，還需包含適當(dāng)?shù)纳舷挛男畔⒉拍芨鼫?zhǔn)確地檢測出目標(biāo)。

而在SSD模型中特征提取逐層抽象，低層特征主要對應(yīng)于細(xì)節(jié)信息，高層特征主要對應(yīng)于抽象的語義信息[24]。如果目標(biāo)在原圖中占比越小，特征信息經(jīng)過層層卷積、池化等操作，在高層特征層上保留的信息越少，對于占比越小的目標(biāo)檢測也越不敏感。因此SSD模型主要利用低層細(xì)節(jié)特征檢測小占比目標(biāo)，高層抽象特征檢測中等占比目標(biāo)和大目標(biāo)。但是SSD模型中用于小目標(biāo)檢測的低層卷積層僅有一層為Conv4_3，特征表達(dá)能力不夠，細(xì)節(jié)信息不足。而高層卷積層雖包含5層，但其對于中目標(biāo)的特征提取依然不充分，這導(dǎo)致SSD模型對于中目標(biāo)和小目標(biāo)檢測效果弱于大目標(biāo)。具體的SSD模型中目標(biāo)和小目標(biāo)檢測結(jié)果如圖2所示。

Fig.2 Feature detection results of each layer of SSD圖2 SSD模型各層特征檢測結(jié)果比較

圖2 中將SSD模型用于檢測的低層特征層Conv4_3、高層特征層Fc7、Conv9_2進(jìn)行可視化，并對各特征層相應(yīng)目標(biāo)檢測結(jié)果進(jìn)行比較。圖2表明，其輸入圖像中檢測目標(biāo)為人的概率值在0.14至0.47之間。低層特征層檢測概率值偏低，只有0.14，且存在誤檢的情況。高層特征層檢測中等占比目標(biāo)的概率相比低層雖有所提高，但也只在0.22至0.47之間，且存在無法檢測出目標(biāo)的情況。因此，SSD模型對于中目標(biāo)和小目標(biāo)的檢測精確度有待提升。

3 改進(jìn)的多尺度方法具體實(shí)現(xiàn)

針對SSD模型存在對于中目標(biāo)、小目標(biāo)檢測能力不足的問題，本文采用改進(jìn)的多尺度卷積檢測的方式進(jìn)行目標(biāo)檢測，利用SSD模型多尺度特性對低層和高層特征層分別采用不同的改進(jìn)策略以提高對中、小目標(biāo)的檢測效果。

3.1 小占比目標(biāo)特征區(qū)域放大提取

為提高SSD模型低層特征層對小目標(biāo)的檢測能力，提出了一種特征區(qū)域放大提取的方法。對低層特征層通過特征提取、反卷積操作獲得高分辨率特征圖，同時(shí)針對小占比目標(biāo)特征區(qū)域，采用區(qū)域映射操作在高分辨特征圖上實(shí)現(xiàn)有針對性的特征提取，以提高對小占比目標(biāo)的檢測效果。具體框架如圖3所示。

圖3中利用反卷積操作增大特征層Conv4_3分辨率，將現(xiàn)有SSD模型的輸出作為建議提取區(qū)域按比例映射到特征圖Conv4_3中，進(jìn)而提取出可能存在目標(biāo)的特征，之后將建議區(qū)域特征池化為固定尺寸以便進(jìn)行相應(yīng)卷積檢測。對特征層Conv3_3進(jìn)行特征層提取，同樣將現(xiàn)有SSD模型的輸出作為建議區(qū)域按比例映射到對應(yīng)特征圖上，之后再通過卷積檢測器進(jìn)行目標(biāo)檢測。

Fig.3 Framework of feature region enlargement and extraction圖3 特征區(qū)域放大提取框架圖

反卷積操作可獲得更高分辨率的特征圖，特征圖分辨率越高獲得細(xì)節(jié)信息也就越多，但是隨著特征圖的增大，相應(yīng)的冗余信息也會增大，同時(shí)也會降低檢測速度，進(jìn)而影響整體檢測效果。具體如圖4所示。

Fig.4 Deconvolution feature maps圖4 反卷積特征圖

圖4 （a）為輸入圖像，尺寸為300×300，圖4（b）為SSD模型原特征層Conv4_3可視化特征圖，尺寸為38×38，圖4（c）、圖4（d）、圖4（e）為對特征層Conv4_3進(jìn)行反卷積操作獲得的不同尺寸反卷積特征圖。

特征層的放大程度受SSD模型特征提取能力的影響，既要能夠獲得豐富的細(xì)節(jié)信息，也要保證檢測速度。因此，本文在保證細(xì)節(jié)信息和檢測速度之間進(jìn)行衡量選擇，首先對低層特征層Conv4_3進(jìn)行反卷積操作將其分辨率增大至300×300，一方面可獲得更加充分的細(xì)節(jié)信息，另一方面由于現(xiàn)有SSD模型輸出建議區(qū)域的位置信息針對于尺寸為300×300的輸入圖像，在進(jìn)行建議區(qū)域映射時(shí)為更加準(zhǔn)確地獲得目標(biāo)區(qū)域特征，選擇將Conv4_3特征層分辨率增大為300×300。

其次，額外引入更低一層特征層Conv3_3，進(jìn)一步增加用于目標(biāo)檢測特征層中所包含的細(xì)節(jié)信息，其特征層分辨率為75×75，相對于特征層Conv4_3較大，細(xì)節(jié)信息較為豐富，具體如圖5所示。

Fig.5 Low-level feature map圖5 低層特征圖

圖5 （a）為輸入圖像，尺寸為300×300，圖5（b）為SSD模型原Conv4_3可視化特征圖，圖5（c）為SSD模型原Conv3_3可視化特征圖，由圖5中可看出，特征層Conv3_3所包含的細(xì)節(jié)信息相對于特征層Conv4_3更豐富。

為保證模型檢測實(shí)時(shí)性，且降低反卷積操作所增加的冗余信息對檢測效果的影響，本文直接對Conv3_3進(jìn)行特征層提取，再將現(xiàn)有SSD模型的輸出作為建議區(qū)域映射到特征層Conv3_3獲得目標(biāo)區(qū)域特征層即可。

3.2 改進(jìn)低層特征區(qū)域映射

低層特征層包含的細(xì)節(jié)信息相對較多，豐富其特征細(xì)節(jié)信息可以更準(zhǔn)確地檢測目標(biāo)。本文采用反卷積[25-28]操作，通過參數(shù)調(diào)整將低層低分辨特征圖映射為高分辨率特征圖，利用更大分辨率的特征圖以提高特征表達(dá)能力。反卷積操作過程與卷積操作相反，即反卷積的正向傳播過程對應(yīng)于卷積的反向傳播，卷積的正向傳播過程對應(yīng)于反卷積的反向傳播。具體傳播過程如圖6所示。

Fig.6 Sketch of convolution and deconvolution operations圖6 卷積和反卷積操作示意圖

圖6 （a）為卷積正向傳播過程，其為將3×3卷積核作用在4×4特征圖中，經(jīng)過卷積得到2×2特征圖。圖6（b）為反卷積正向傳播過程，其與卷積操作相反，輸入為2×2特征圖，通過填充補(bǔ)零，并與3×3反卷積核作用得到4×4特征圖。

反卷積操作特征圖尺寸計(jì)算公式為：

其中，s代表步長，k代表卷積核尺寸，d為反卷積圖尺寸，i為對應(yīng)卷積圖尺寸。本文在改進(jìn)低層特征層Conv4_3時(shí)，設(shè)定步長s=8、k=4，對尺寸為38×38的特征層Conv4_3進(jìn)行反卷積得到尺寸為300×300反卷積圖。

在低層特征層上進(jìn)行區(qū)域映射放大時(shí)，根據(jù)特征圖與輸入圖像之間的尺寸比例關(guān)系，將建議區(qū)域映射到特征圖目標(biāo)對應(yīng)位置處，其區(qū)域映射公式為：

其中，rw、rh代表建議區(qū)域在待映射特征圖上寬度和高度，dw、dh代表輸出建議區(qū)域?qū)挾群透叨?，fw、fh代表待映射特征圖寬度和高度，imgw、imgh代表輸入圖像寬度和高度。

圖7即為反卷積操作區(qū)域映射可視化特征圖。

圖7（b）為尺寸38×38 的卷積層Conv4_3可視化特征圖，圖7（c）為反卷積得到的300×300高分辨率特征圖，圖7（d）為將建議區(qū)域映射到300×300反卷積特征圖上后并池化得到的38×38區(qū)域特征圖。由圖7可看出，圖7（d）與圖7（b）的特征圖尺寸相同，但是圖7（d）的特征信息相比于圖7（b）有所增大。

Fig.7 Feature maps of region mapping圖7 區(qū)域映射特征圖

3.3 中等占比目標(biāo)檢測方法改進(jìn)

SSD模型中高層特征圖包含的特征相對抽象，本文利用其抽象信息，額外提取SSD模型中的多個高層特征層，在現(xiàn)有SSD模型基礎(chǔ)上增加網(wǎng)絡(luò)深度，通過參數(shù)再訓(xùn)練以提高中等占比目標(biāo)的檢測效果。具體框架如圖8所示。

Fig.8 Improved high level feature extraction framework圖8 改進(jìn)高層特征提取框架圖

圖8 中通過特征層提取的方法，分別提取出現(xiàn)有SSD模型中Fc7層、Conv8_2層、Conv9_2層、Conv10_2層、Conv11_2層對應(yīng)的卷積特征圖，并在現(xiàn)有SSD模型的特征參數(shù)基礎(chǔ)上進(jìn)行特征提取，通過多次迭代參數(shù)再訓(xùn)練以得到最優(yōu)模型，其中現(xiàn)有SSD模型是已訓(xùn)練好的原SSD模型。

3.4 新型多特征層檢測結(jié)果融合結(jié)構(gòu)設(shè)計(jì)

針對前文中提出的策略，本文進(jìn)行了新的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)。具體結(jié)構(gòu)如圖9所示。

圖9中虛線框1對應(yīng)于低層改進(jìn)方法，采用區(qū)域放大提取的方法，結(jié)合反卷積操作以保證小占比目標(biāo)的檢測精確度。虛線框2對應(yīng)于高層改進(jìn)方法，利用特征層提取，通過加深網(wǎng)絡(luò)層數(shù)改善中等占比目標(biāo)檢測效果。虛線框3是本文根據(jù)改進(jìn)的低層和高層特征添加的位置和類別檢測器，以融合多特征層檢測結(jié)果。

Fig.9 Sketch of model in this paper圖9 本文方法結(jié)構(gòu)圖

整體流程為：首先對于低層改進(jìn)小占比目標(biāo)檢測，將圖像（300×300）輸入到現(xiàn)有SSD模型中，利用現(xiàn)有SSD模型的輸出作為特征圖的建議區(qū)域，將其映射到低層改進(jìn)高分辨率特征層Conv*3_3、Deconv4_3上，實(shí)現(xiàn)區(qū)域特征放大提取。同時(shí)進(jìn)行區(qū)域特征池化，以便采用位置和類別卷積檢測器對其進(jìn)行檢測。其次，對于高層改進(jìn)中等占比目標(biāo)檢測，挑選用于目標(biāo)檢測的高層特征層，在現(xiàn)有特征層上進(jìn)行提取，并經(jīng)過卷積檢測器以實(shí)現(xiàn)高層特征層檢測。最后使用卷積檢測器將多層特征目標(biāo)檢測結(jié)果進(jìn)行融合篩選并輸出。

模型訓(xùn)練時(shí)直接提取現(xiàn)有SSD模型中相應(yīng)的特征參數(shù)，從輸入端開始對整體結(jié)構(gòu)進(jìn)行訓(xùn)練調(diào)參，多次訓(xùn)練迭代以得到最終模型。

3.5 位置和類別卷積檢測

利用SSD模型多尺度卷積檢測的方式，通過默認(rèn)框映射機(jī)制在改進(jìn)的不同分辨率特征層上生成多尺寸的默認(rèn)框，并使用一組位置和類別卷積濾波器在特征圖上進(jìn)行卷積滑窗來檢測默認(rèn)框位置和類別信息。對于尺寸為m×n、通道數(shù)為t的卷積特征圖，分別采用3×3×t的位置和類別卷積濾波器來進(jìn)行檢測，位置和類別卷積濾波器的個數(shù)Ln、Cn計(jì)算公式分別為：

其中，k為默認(rèn)框個數(shù)，4為邊界框坐標(biāo)個數(shù)，c為檢測類別數(shù)。由于在卷積特征圖的每個位置處需要(c+4)×k個輸出，相應(yīng)的卷積檢測時(shí)需要濾波器的總個數(shù)為Ln+Cn個，而對于尺寸為m×n的特征圖共需要(c+4)×k×m×n個輸出，而其輸出值即為每個默認(rèn)框的類別信息和位置偏移檢測值。

3.6 默認(rèn)框映射處理

在SSD模型低層和高層改進(jìn)特征圖上產(chǎn)生映射默認(rèn)框時(shí)，對應(yīng)的默認(rèn)框映射機(jī)制也需進(jìn)行相應(yīng)調(diào)整，以重新建立原圖目標(biāo)與其對應(yīng)特征之間的映射關(guān)系，之后再根據(jù)調(diào)整的默認(rèn)框映射機(jī)制重新產(chǎn)生不同尺度默認(rèn)框，并利用卷積檢測器進(jìn)行重新目標(biāo)檢測。

3.6.1 默認(rèn)框映射機(jī)制調(diào)整原理

默認(rèn)框映射用于建立起圖像目標(biāo)位置和其特征之間的對應(yīng)關(guān)系，將用于檢測的特征圖中每個單元格位置映射到原圖中相應(yīng)的位置處，并在原圖相應(yīng)位置處產(chǎn)生不同尺寸的默認(rèn)框以實(shí)現(xiàn)默認(rèn)框映射。其原理如圖10。

Fig.10 Sketch of default boxes mapping圖10 默認(rèn)框映射原理

圖10 （a）是尺寸為300×300的輸入圖像，圖10（b）是尺寸為5×5用于產(chǎn)生默認(rèn)框的特征圖，圖10（a）中紅色、藍(lán)色和綠色的框代表不同尺度的默認(rèn)框。假設(shè)選擇位置為（1,0）處的特征圖單元格進(jìn)行默認(rèn)框映射，根據(jù)輸入圖像尺寸和特征圖尺寸之間的比例關(guān)系，得到映射間隔為300/5=60，相應(yīng)地在輸入圖像的（60,0）處產(chǎn)生對應(yīng)的默認(rèn)框，根據(jù)這個原理即可依次將特征圖的每個單元格映射到輸入圖像對應(yīng)位置處，并在對應(yīng)位置處生成不同的默認(rèn)框，其默認(rèn)框是在輸入圖像的整個區(qū)域上進(jìn)行映射。本文方法中用于檢測的高層特征圖是通過提取現(xiàn)有SSD模型中對應(yīng)特征圖得到的，未做區(qū)域映射。根據(jù)圖10默認(rèn)框映射原理，改進(jìn)高層特征層默認(rèn)框映射也是針對輸入圖像的整個區(qū)域。

改進(jìn)低層特征層利用區(qū)域放大提取的方法，將現(xiàn)有SSD模型的輸出作為建議區(qū)域映射到低層特征層上，區(qū)域映射后得到目標(biāo)區(qū)域特征圖，并非輸入圖像對應(yīng)的整張?zhí)卣鲌D，原SSD模型在進(jìn)行默認(rèn)框映射時(shí)，默認(rèn)框針對輸入圖像整個區(qū)域進(jìn)行映射，而對應(yīng)于低層目標(biāo)區(qū)域特征圖，默認(rèn)框需針對輸入圖像的目標(biāo)區(qū)域進(jìn)行映射。具體如圖11所示。

Fig.11 Sketch of area mapping principle圖11 區(qū)域映射原理示意圖

通過比較圖11（b）中本文模型低層Conv4_3對應(yīng)區(qū)域特征圖和圖11（a）中SSD模型低層Conv4_3對應(yīng)的原特征圖，可看出區(qū)域映射后的特征圖對應(yīng)于輸入圖像中的目標(biāo)區(qū)域而非整張輸入圖像。

根據(jù)本文方法的區(qū)域映射原理，默認(rèn)框映射機(jī)制需要作出相應(yīng)的調(diào)整，調(diào)整機(jī)制原理如圖12所示。

Fig.12 Sketch of adjusted mapping mechanism圖12 默認(rèn)映射機(jī)制調(diào)整

圖12 （a）為輸入圖像，圖12（b）為產(chǎn)生默認(rèn)框的區(qū)域映射特征圖，尺寸為5×5，圖12（a）中黑色框代表現(xiàn)有SSD模型輸出的建議區(qū)域，其位置信息為左上角和右下角的坐標(biāo)值，假設(shè)為（170,90,270,290），其X軸方向上的映射間隔為(270-170)/5=20，Y軸方向上的映射間隔為(290-90)/5=40，若選擇（0,0）位置處特征單元格進(jìn)行默認(rèn)框映射，則對應(yīng)在輸入圖像黑色建議框起始位置（170,90）處產(chǎn)生默認(rèn)框，若選擇（1,0）位置處特征單元格，根據(jù)X軸方向上的映射間隔，則在輸入圖像(190,90)處產(chǎn)生默認(rèn)框，若選擇（0,1）位置處特征單元格，根據(jù)Y軸方向上的映射間隔，則在輸入圖像（170,130）處產(chǎn)生默認(rèn)框。根據(jù)此原理，可將區(qū)域特征圖每個單元格按比例映射到輸入圖像建議區(qū)域?qū)?yīng)位置處，并產(chǎn)生不同尺寸的默認(rèn)框。

3.6.2 默認(rèn)框映射公式

根據(jù)改進(jìn)低層和高層的默認(rèn)框映射原理，相應(yīng)的默認(rèn)框映射公式應(yīng)進(jìn)行調(diào)整，其用于檢測的高層特征層默認(rèn)框映射公式為：

其中，fw、fh分別代表用于產(chǎn)生默認(rèn)框的特征圖寬度和高度，imgw、imgh分別代表輸入圖像的寬度和高度，(cx,cy)為默認(rèn)框在特征圖上的中心坐標(biāo)，(imgcx,imgcy)為默認(rèn)框映射到輸入圖像的中心坐標(biāo)，wk、hk分別代表默認(rèn)框映射到輸入圖像上的寬度和高度，(xmin,ymin,xmax,ymax)為默認(rèn)框映射到輸入圖像上的邊界框坐標(biāo)，分別對于左上角和右下角。

用于檢測的低層特征層上結(jié)合了區(qū)域映射方法，其建議區(qū)域特征圖的默認(rèn)框應(yīng)映射到輸入圖像中建議區(qū)域?qū)?yīng)的位置處，其默認(rèn)框映射公式為：

其中，fw、fh分別代表用于產(chǎn)生默認(rèn)框的區(qū)域特征圖寬度和高度，fcenterx、fcentery代表默認(rèn)框在輸入圖像對應(yīng)位置的中心點(diǎn)坐標(biāo)，cx、cy代表默認(rèn)框在區(qū)域特征圖上的中心坐標(biāo)，(dxmin,dymin,dxmax,dymax)為建議框左上角和右下角的坐標(biāo)。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)準(zhǔn)備

實(shí)驗(yàn)的軟硬件環(huán)境為深度學(xué)習(xí)框架Caffe[29]、ubuntu16.04系統(tǒng)，GPU顯卡型號為NVIDIA TITAN Xp。模型算法訓(xùn)練和測試在PASCALVOC2007（http://host.robots.ox.ac.uk/pascal/VOC/）、PASCAL VOC2012以及 MS COCO（http://cocodataset.org/）公開數(shù)據(jù)集上進(jìn)行比較，其中在VOC2007和VOC2012數(shù)據(jù)集上進(jìn)行訓(xùn)練，針對MS COCO數(shù)據(jù)集上的中目標(biāo)和小目標(biāo)分別進(jìn)行測試，其MS COCO官網(wǎng)將圖像目標(biāo)區(qū)域分割掩碼中像素?cái)?shù)量小于1 024為小占比目標(biāo)，圖像目標(biāo)區(qū)域分割掩碼中像素?cái)?shù)量大于1 024且小于9 216為中等占比目標(biāo)。本文目標(biāo)檢測的類別為自行車、公交車、汽車、貓、狗、摩托車、人7類。

模型訓(xùn)練與測試過程分為兩步：第一步采用原SSD模型方法，針對目標(biāo)檢測中的7類，利用VOC數(shù)據(jù)集訓(xùn)練得到現(xiàn)有SSD模型。第二步采用本文方法，首先在VOC2007數(shù)據(jù)集中挑選出3 376張同樣7類圖像作為訓(xùn)練集，由于MS COCO數(shù)據(jù)集中的中目標(biāo)和小目標(biāo)相對較多，在MS COCO數(shù)據(jù)集中挑選600張圖像作為測試集，其中不同尺度中等占比目標(biāo)圖像為355張、小占比目標(biāo)圖像245張。在第一步訓(xùn)練得到的現(xiàn)有SSD模型參數(shù)基礎(chǔ)上，將訓(xùn)練集輸入到本文改進(jìn)的SSD模型中，采用隨機(jī)梯度下降算法進(jìn)行參數(shù)再訓(xùn)練調(diào)參，共迭代47 600次以得到最優(yōu)模型，并對MS COCO數(shù)據(jù)集中目標(biāo)和小目標(biāo)測試集進(jìn)行測試比較。

最后，使用訓(xùn)練本文模型相同的訓(xùn)練集和測試集對第一步得到的現(xiàn)有SSD模型進(jìn)行訓(xùn)練測試，采用原SSD模型方法調(diào)參，在與訓(xùn)練本文模型相同的參數(shù)調(diào)節(jié)下得到最優(yōu)的現(xiàn)有SSD再訓(xùn)練模型，并對中目標(biāo)和小目標(biāo)測試集進(jìn)行測試比較。

4.2 改進(jìn)多尺度特征層檢測結(jié)果比較

本文方法中低層特征層主要用于檢測小占比目標(biāo)，高層特征層主要用于檢測中等占比目標(biāo)，為驗(yàn)證各層特征層的作用，將現(xiàn)有SSD再訓(xùn)練模型和本文模型中用于檢測的低層和高層特征層分別單獨(dú)抽取出來進(jìn)行目標(biāo)檢測，并比較各檢測效果。圖13為不同算法模型中低層特征層對小占比目標(biāo)的檢測結(jié)果。

Fig.13 Detection results of low level feature layer圖13 低層特征層檢測結(jié)果

圖13 （a）為現(xiàn)有SSD再訓(xùn)練模型中低層特征層對小占比目標(biāo)的檢測結(jié)果，圖13（b）為本文模型中低層特征層對小占比目標(biāo)的檢測結(jié)果。由圖13表明，本文方法檢測出目標(biāo)為人的概率是0.13，相比于SSD模型方法檢測概率提升了10%。

圖14為對現(xiàn)有SSD再訓(xùn)練模型中不同的高層特征層對于中等占比目標(biāo)的檢測結(jié)果。

Fig.14 Detection results of high level feature layers of SSD model圖14 SSD模型高層特征層檢測結(jié)果

從圖14中可看出，卷積層Fc7層、Conv8_2層、Conv9_2層分別用于檢測中等占比目標(biāo)，但是目標(biāo)檢測結(jié)果并不理想，其存在人、自行車目標(biāo)未被檢測出的情況，檢測效果仍存在提高的余地。

圖15為本文模型中高層特征層對于中等占比目標(biāo)的檢測結(jié)果。

Fig.15 Results of high level feature layers detection of model in this paper圖15 本文模型高層特征層檢測結(jié)果

圖15 中人、自行車已被檢測出，且整體檢測值相比圖14更高。通過比較圖14和圖15中不同層目標(biāo)檢測結(jié)果，文本方法相比于原SSD模型方法檢測出的目標(biāo)更多且對應(yīng)的概率值更高，其在整體上的檢測效果提升明顯。

4.3 改進(jìn)方法測試結(jié)果比較

在相同的訓(xùn)練集和測試集條件下對本文模型和現(xiàn)有SSD再訓(xùn)練模型檢測結(jié)果進(jìn)行比較，其檢測結(jié)果使用精確度mAP[30]評價(jià)指標(biāo)來衡量模型檢測效果。具體如表1所示，在置信度閾值為0.3的條件下，分別對比不同類別下兩種模型對于中等占比目標(biāo)的檢測精確度。

Table1 Comparison of mAP of different categories of medium objects表1 中等占比目標(biāo)不同類別mAP對比 %

從表1可以看出，本文模型針對中等占比目標(biāo)的mAP值為75.1%，相較于現(xiàn)有SSD再訓(xùn)練模型有16.3%的提升。

表2列出了本文模型和現(xiàn)有SSD再訓(xùn)練模型在置信度閾值為0.1的條件下，不同類別的小占比目標(biāo)測試結(jié)果對比。

Table2 Comparison of mAP of different categories of small objects表2 小占比目標(biāo)不同類別mAP對比 %

對比表2結(jié)果，針對小占比目標(biāo)，本文模型在不同類別下相比現(xiàn)有SSD再訓(xùn)練模型均有明顯的提升，其mAP值為40.5%，相比SSD模型方法提高了23.1%。

圖16為本文模型和現(xiàn)有SSD再訓(xùn)練模型對MS COCO測試集圖像中不同類別在相同置信度閾值下的目標(biāo)檢測結(jié)果，其驗(yàn)證了本文方法相比于SSD模型方法目標(biāo)檢測精確度有較好的提升。

圖16中綠色框代表現(xiàn)有SSD再訓(xùn)練模型相比于本文模型漏檢的目標(biāo)，黃色框代表現(xiàn)有SSD再訓(xùn)練模型誤檢的目標(biāo)，紫色框代表本文模型相比于現(xiàn)有SSD再訓(xùn)練模型檢測概率值高的目標(biāo)。通過比較圖16中不同算法模型檢測結(jié)果，原SSD模型方法出現(xiàn)誤檢、漏檢目標(biāo)，而本文方法對于誤檢、漏檢的情況有較好的改善，且檢測出的中目標(biāo)和小目標(biāo)更多，檢測概率值更高，整體的檢測效果優(yōu)于原SSD模型方法。

本文選取了基于SSD模型改進(jìn)的FSSD模型做對比實(shí)驗(yàn)，F(xiàn)SSD模型在目前流行的改進(jìn)型SSD模型中檢測性相對更好，在相同的實(shí)驗(yàn)條件下，對FSSD模型進(jìn)行復(fù)現(xiàn)，并對現(xiàn)有SSD再訓(xùn)練模型、FSSD模型、本文模型分別做訓(xùn)練與測試。表3對比了不同算法模型針對中等占比目標(biāo)測試集的檢測結(jié)果。

Fig.16 Comparison of detection results圖16 檢測結(jié)果對比

Table3 Comparison of medium object mAP between different models表3 中等占比目標(biāo)不同檢測算法mAP對比 %

比較表3的結(jié)果可看出，F(xiàn)SSD模型在中等占比目標(biāo)上的檢測精確度mAP值相比于現(xiàn)有SSD再訓(xùn)練模型有7.3%的提升，本文模型的檢測精確度相比于FSSD模型提升了9.0%，相比現(xiàn)有SSD再訓(xùn)練模型提升16.3%。針對小占比目標(biāo)測試集進(jìn)行相應(yīng)的測試比較，表4給出了不同模型在小占比目標(biāo)上的檢測結(jié)果。

Table4 Comparison of small object mAP between different models表4 小占比目標(biāo)不同檢測算法mAP對比 %

表4中本文模型檢測效果最好，其mAP值為40.5%，相較于FSSD模型提升了16.4%，而FSSD模型相較于現(xiàn)有SSD再訓(xùn)練模型提升了6.7%。本文方法在中目標(biāo)和小目標(biāo)檢測效果上相較于其他模型方法有較好的改善。

另外，針對類別人，本文在MS COCO數(shù)據(jù)集中挑選中目標(biāo)和小目標(biāo)共1 072個，并通過檢測率衡量其目標(biāo)檢測效果[31]：

其中，P為檢測率，C為對應(yīng)類別樣本被正確分類的個數(shù)，S為對應(yīng)類別樣本總數(shù)。檢測率結(jié)果對比如表5所示。

表5中本文模型檢測率相比于FSSD模型提升了9.0%，相比于現(xiàn)有SSD再訓(xùn)練模型提升了9.7%，F(xiàn)SSD模型檢測率相比于現(xiàn)有SSD再訓(xùn)練模型只有0.7%的提升，由上述表5中對比結(jié)果可看出，本文方法對于中目標(biāo)和小目標(biāo)實(shí)現(xiàn)了更準(zhǔn)確的定位和分類。

Table5 Comparison of detection rates between different models表5 不同算法檢測率對比 %

在本文實(shí)驗(yàn)環(huán)境下，表6對比了基于SSD模型改進(jìn)的不同算法在顯卡TITAN Xp上的檢測速度。

Table6 Comparison of detection speed between different models表6 不同算法檢測速度對比 (frame/s)

表6中，SSD模型每秒檢測53幀圖像，F(xiàn)SSD模型每秒檢測47幀圖像，其與SSD模型相差不大，本文模型檢測速度為每秒23幀圖像，檢測單張圖像耗時(shí)均為SSD模型和FSSD模型的近2倍，檢測速度相比于SSD模型、FSSD模型有所下降。

模型檢測速度之所以下降，是由于本文方法在低層特征層上采用反卷積操作，其在提高特征圖分辨率的同時(shí)亦使計(jì)算量有所增加，而在多個高層特征層進(jìn)行特征提取時(shí)，加深了網(wǎng)絡(luò)深度，但是也增加了模型運(yùn)行時(shí)間，從而最終影響了模型檢測速度。

但是本文模型在檢測精確度上相比于SSD模型、FSSD模型有較為明顯的提升，其在中等占比目標(biāo)測試集上的檢測精確度為75.1%，分別比SSD模型、FSSD模型提高了16.3%、9.0%，在小占比目標(biāo)測試集上的檢測精確度為40.5%，分別比SSD模型、FSSD模型提升了23.1%、16.4%。而FSSD模型在檢測速度上雖與SSD模型基本持平，但其在中等占比目標(biāo)測試集上的檢測精確度比SSD模型提高了7.3%，在小占比目標(biāo)測試集上的檢測精確度比SSD模型提升了6.7%，本文模型的精確度提升效果優(yōu)于FSSD模型。一般視頻流為每秒25幀圖像，因此，本文模型在提高目標(biāo)檢測精確度的同時(shí)，可以滿足實(shí)時(shí)性的要求。

5 結(jié)束語

針對中目標(biāo)和小目標(biāo)檢測任務(wù)，本文在SSD模型中的低層特征層上結(jié)合反卷積、特征層提取和區(qū)域映射方法以提高小占比目標(biāo)檢測精確度。在高層特征層進(jìn)行特征層提取，利用更深的網(wǎng)絡(luò)結(jié)構(gòu)改善中等占比目標(biāo)檢測效果，并使用相對少量的訓(xùn)練樣本在已學(xué)習(xí)到的參數(shù)基礎(chǔ)上再訓(xùn)練。實(shí)驗(yàn)結(jié)果表明本文方法檢測精確度優(yōu)于原SSD模型方法。在未來的研究工作中，將繼續(xù)研究改進(jìn)網(wǎng)絡(luò)模型，既可以嘗試將文中方法與其他深度學(xué)習(xí)模型相結(jié)合，也可以調(diào)整相應(yīng)模型參數(shù)，進(jìn)一步提高中目標(biāo)和小目標(biāo)檢測性能。