韓素月 戴奇林 張律

【摘 要】 本文針對(duì)圖像識(shí)別問(wèn)題，首先，從圖像處理流程著手，通過(guò)收集原始圖像，先對(duì)圖像進(jìn)行預(yù)處理，加強(qiáng)圖像的特征，再根據(jù)圖像的差異，結(jié)合形狀、顏色與紋理等全局特征和局部特征的提取方法，提取主要特征。其次，通過(guò)對(duì)YOLO算法進(jìn)行研究，構(gòu)建了基于YOLO算法的目標(biāo)分類檢測(cè)算法模型。

【關(guān)鍵詞】 圖像識(shí)別 YOLO算法 TensorFlow 目標(biāo)檢測(cè)

1. 引言

當(dāng)今社會(huì)，圖像已經(jīng)成為信息傳輸?shù)闹饕d體，它在人類活動(dòng)中發(fā)揮著巨大的作用。生活中，人們無(wú)時(shí)無(wú)刻都在接收著圖像信息。為了滿足人們?nèi)找嬖鲩L(zhǎng)的美好生活需要，圖像識(shí)別技術(shù)應(yīng)運(yùn)而生。本文主要利用YOLO算法對(duì)圖像中的目標(biāo)進(jìn)行特征提取分類識(shí)別，可以實(shí)現(xiàn)圖像特征提取和分類識(shí)別的自動(dòng)化，摒棄了傳統(tǒng)圖像識(shí)別過(guò)程中依靠手工標(biāo)注圖像特征的方法，YOLO算法大幅提高了圖像識(shí)別的識(shí)別速度和識(shí)別準(zhǔn)確率。

2. YOLO算法理論

YOLO算法模型借鑒了GoogLeNet算法網(wǎng)絡(luò)結(jié)構(gòu)，首先將輸入圖像劃分為若干格子，每個(gè)格子負(fù)責(zé)檢測(cè)中心位置坐標(biāo)位于該格子中的目標(biāo)物體，包括預(yù)測(cè)出含目標(biāo)物體的邊界框信息及目標(biāo)物體類別的概率信息[1]。因此，輸入圖像只要經(jīng)過(guò)一次檢測(cè)，就會(huì)得到圖像中所有物體的位置及其所屬類別的概率，由于每個(gè)格子只能預(yù)測(cè)兩個(gè)邊框信息和一種物體類別，因此會(huì)引起相鄰目標(biāo)間檢測(cè)的準(zhǔn)確率下降。YOLO算法基礎(chǔ)版的檢測(cè)速度可達(dá)45FPS的實(shí)時(shí)檢測(cè)，快速版檢測(cè)速度可高達(dá)155FPS，并且背景誤差率低[2]。

與其它目標(biāo)檢測(cè)識(shí)別方法將目標(biāo)檢測(cè)劃分成區(qū)域預(yù)測(cè)和類別預(yù)測(cè)等多個(gè)流程相比，YOLO將區(qū)域預(yù)測(cè)和類別預(yù)測(cè)整合在一個(gè)網(wǎng)絡(luò)中，以提高檢測(cè)速率[3]。YOLO的網(wǎng)絡(luò)結(jié)構(gòu)類似于Google Net，網(wǎng)絡(luò)中卷積層用于特征提取，全連接層用于輸出類別分?jǐn)?shù)以及目標(biāo)所在位置。網(wǎng)絡(luò)系統(tǒng)可以讀取任何大小的圖像，并反饋到網(wǎng)絡(luò)中。

YOLO將輸入的圖像劃分為個(gè)格子，每個(gè)格子會(huì)預(yù)測(cè)是否有物體的中心位置坐標(biāo)落入格子內(nèi)部。如果某個(gè)物體的中心位置坐標(biāo)落入了某個(gè)格子，那么這個(gè)格子就負(fù)責(zé)識(shí)別出這個(gè)物體。如圖（2-3）所示，圖中人的中心坐標(biāo)落在了第4行，第4列的格子中，那么這個(gè)格子就負(fù)責(zé)預(yù)測(cè)這個(gè)人。

格子會(huì)預(yù)測(cè)B個(gè)邊界框，以向量的形式給出這些邊界框的信息。邊界框的信息包括了位置信息，置信度以及物體的類別信息。置信度代表了當(dāng)前格子包含一個(gè)目標(biāo)的概率。邊界框的置信度公式為：

當(dāng)有物體落入格子中時(shí)取1，沒(méi)有物體落入格子中時(shí)取0。是預(yù)測(cè)邊界框和實(shí)際邊界框的交并比：

是預(yù)測(cè)邊界框，是實(shí)際邊界框，area表示面積邊。每一個(gè)單元格還要給出預(yù)測(cè)出C個(gè)類別的概率值，其表征的是由該單元格負(fù)責(zé)預(yù)測(cè)的邊界框，其目標(biāo)屬于各個(gè)類別的概率。

3.分析

在tensorflow-gpu環(huán)境下，基于構(gòu)建的模型，用數(shù)據(jù)集的16551張圖像對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，之后分別用200張圖像進(jìn)行分類識(shí)別測(cè)試，運(yùn)行時(shí)間在60ms-70ms之間，測(cè)試結(jié)果如下：

其中，100張圖片屬于比較簡(jiǎn)單的環(huán)境，其中99張識(shí)別準(zhǔn)確，有3張物體并沒(méi)有識(shí)別完全，但是僅僅只是局部物體。另外100張圖片比較復(fù)雜，有2張圖片存在誤識(shí)別，除此之外，有超過(guò)10張圖片存在未識(shí)別完全的情況。

實(shí)驗(yàn)結(jié)果表明，本文構(gòu)建的圖像分類識(shí)別模型對(duì)圖像識(shí)別的效率和準(zhǔn)確率都比較高，運(yùn)行時(shí)間在60ms-70ms之間，識(shí)別準(zhǔn)確率達(dá)到了98%。

【參考文獻(xiàn)】

[1] 戴進(jìn)，劉振宇. 基于深度學(xué)習(xí)的圖像識(shí)別算法研究的綜述[D]. 計(jì)算機(jī)產(chǎn)品與流通， 2018.

[2] 衣世東. 基于深度學(xué)習(xí)的圖像識(shí)別算法研究[D]. 信息工程大學(xué)， 2018.

[3] 周瑤. 基于機(jī)器視覺(jué)與黃板誘導(dǎo)的有翅昆蟲統(tǒng)計(jì)識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D]. 重慶大學(xué)， 2017.

[4] Redmon J， Divvala S， Girshick R， et al. You Only Look Once： Unified， Real-Time Object Detection[C]. 2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）， Las Vegas， NV ， 2016： 779-788.