王 彬，高嘉平，司聳濤

（中科芯集成電路有限公司，江蘇無(wú)錫 214072)

1 引言

近年來(lái)，深度學(xué)習(xí)在圖像檢測(cè)方面被廣泛應(yīng)用，但現(xiàn)有的圖像檢測(cè)都是對(duì)特定識(shí)別目標(biāo)的各種狀態(tài)圖像進(jìn)行大量的深度學(xué)習(xí)模型訓(xùn)練，該模型通用性不強(qiáng)[1-2]，若更換檢測(cè)目標(biāo)，需要進(jìn)行新的模型訓(xùn)練，不僅費(fèi)時(shí)費(fèi)力，同時(shí)上述過(guò)程需要對(duì)深度學(xué)習(xí)有一定的了解，這也增加了模型的使用門(mén)檻[3-5]。因此本研究將深度學(xué)習(xí)在圖像檢測(cè)的過(guò)程進(jìn)行簡(jiǎn)化，只需簡(jiǎn)單記錄目標(biāo)狀態(tài)就能使模型微調(diào)成該目標(biāo)的檢測(cè)模型。首先利用深度學(xué)習(xí)對(duì)圖像進(jìn)行分類[6]，使用網(wǎng)上圖像分類的數(shù)據(jù)庫(kù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再運(yùn)用檢測(cè)目標(biāo)少量的各種狀態(tài)目標(biāo)的數(shù)據(jù)集去微調(diào)生成遷移學(xué)習(xí)模型，模型就可以對(duì)目標(biāo)進(jìn)行檢測(cè)。遷移學(xué)習(xí)模型可以在原有模型的誤差和精確度不變的情況下[7]實(shí)現(xiàn)對(duì)現(xiàn)有目標(biāo)的檢測(cè)，同時(shí)目標(biāo)數(shù)據(jù)集微調(diào)生成學(xué)習(xí)遷移模型的過(guò)程可通過(guò)前期軟件編程完成，簡(jiǎn)化采集數(shù)據(jù)集和訓(xùn)練模型的復(fù)雜程度。

本文運(yùn)用該方法設(shè)計(jì)一個(gè)報(bào)警系統(tǒng)，該報(bào)警系統(tǒng)只需要通過(guò)相機(jī)采集目標(biāo)各種狀態(tài)的圖像就能對(duì)目標(biāo)進(jìn)行檢測(cè)，極大地簡(jiǎn)化了深度學(xué)習(xí)在目標(biāo)檢測(cè)中的應(yīng)用，同時(shí)更換檢測(cè)目標(biāo)也較為方便。系統(tǒng)的硬件部分由相機(jī)、CNN加速芯片和嵌入式系統(tǒng)組成。為了滿足系統(tǒng)在實(shí)際應(yīng)用場(chǎng)景中的穩(wěn)定性和準(zhǔn)確率，本研究先在Imagenet數(shù)據(jù)集訓(xùn)練生成預(yù)訓(xùn)練模型，然后根據(jù)實(shí)際需求制作了新的數(shù)據(jù)集，即通過(guò)記錄檢測(cè)目標(biāo)的不同應(yīng)用場(chǎng)景中的各個(gè)狀態(tài)生成數(shù)據(jù)集，然后用生成的數(shù)據(jù)集去微調(diào)已經(jīng)訓(xùn)練過(guò)的圖像分類模型，生成新的針對(duì)該目標(biāo)的圖像分類模型。

2 圖像分類及檢測(cè)算法基本原理

2.1 卷積神經(jīng)網(wǎng)絡(luò)模型選擇

選擇基于GoogLeNet模型來(lái)搭建本次研究的模型。深度學(xué)習(xí)GoogLeNet模型采用的是卷積神經(jīng)網(wǎng)絡(luò)框架Inception v1架構(gòu)[8]。該架構(gòu)的優(yōu)勢(shì)是當(dāng)在計(jì)算復(fù)雜度不高和計(jì)算爆炸不受控制時(shí)，可以通過(guò)增加每個(gè)階段的單元數(shù)目，增加網(wǎng)絡(luò)的寬度和深度；同時(shí)Inception v1結(jié)構(gòu)也和圖像在進(jìn)行多尺度處理之后，將圖像處理結(jié)果匯總為下一個(gè)階段能同時(shí)提取不同圖像尺寸下的特征過(guò)程相類似，其框架結(jié)構(gòu)如圖1所示。它由一個(gè)1×1卷積層、一個(gè)中等大小的3×3卷積層、一個(gè)大型的5×5卷積層、一個(gè)最大池化層構(gòu)成。1×1卷積層能夠提取輸入該層圖像的每一個(gè)細(xì)節(jié)中的信息特征，同時(shí)5×5的卷積層也能夠覆蓋大部分前面圖像的輸入信息，進(jìn)而能提取圖像的信息特征?？梢赃M(jìn)行池化操作來(lái)減少輸入圖像映射維度的大小，降低過(guò)度擬合情況。此外在每一個(gè)卷積層后都添加了一個(gè)修正線性單元(ReLU)，其作用是改善網(wǎng)絡(luò)的非線性特征。

圖1 Inception v1結(jié)構(gòu)

2.2 網(wǎng)絡(luò)模型結(jié)構(gòu)

基于卷積神經(jīng)網(wǎng)絡(luò)GoogLeNet模型結(jié)構(gòu)建立本次實(shí)驗(yàn)的圖像分類模型并優(yōu)化網(wǎng)絡(luò)模型結(jié)構(gòu)，如圖2所示。

圖2 卷積神經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)

在訓(xùn)練模型之前先要確定如下幾個(gè)參數(shù)。

分類器選擇：Softmax分類器是歸一化概率分類。Softmax分類器可以將模型的結(jié)果在（0，1）內(nèi)反映出來(lái)，并且所有結(jié)果相加等于1，如式(1)所示。

其中Zj為向量Z的第j個(gè)元素，Pj為向量Z的第j個(gè)元素的Softmax值。

損失函數(shù)：用來(lái)描述模型的理論值與實(shí)際值的差距程度，一般情況下，損失函數(shù)值越小說(shuō)明模型的測(cè)試結(jié)果更能反映實(shí)際值。本文的損失函數(shù)選用Softmax loss函數(shù)，如式(2)所示。

其中，W為網(wǎng)絡(luò)的權(quán)值矩陣，b為偏移量，y為實(shí)際測(cè)試結(jié)果，pj(z)為分類器輸出結(jié)果。

Dropout正則化：主要用于權(quán)重衰減，這樣可以解決Softmax分類器帶來(lái)的參數(shù)冗余的數(shù)值問(wèn)題，同時(shí)可以使模型泛化性更強(qiáng)，加入Dropout正則化的網(wǎng)絡(luò)計(jì)算公式如式(3)～(6)所示。

從公式(3)～(6)中可以看出函數(shù)隨機(jī)生成一個(gè)參數(shù)為0或1的概率向量，然后再乘入權(quán)重參數(shù)中，由于公式里的參數(shù)是隨機(jī)的0或1，所以會(huì)有部分的權(quán)重失效，從而解決過(guò)擬合的問(wèn)題。

優(yōu)化算法：為了節(jié)省計(jì)算資源和計(jì)算時(shí)間，加入隨機(jī)梯度下降法(SGD)[10]，該方法用較少的數(shù)據(jù)即可實(shí)現(xiàn)對(duì)訓(xùn)練模型的更新，同時(shí)為了使學(xué)習(xí)速度提升，將引入動(dòng)量參數(shù)，如式(7)、(8)所示。

公式(7)、(8)中，vt初始值為0，β一般取值0.9，α為網(wǎng)絡(luò)學(xué)習(xí)率，J(θ)為損失函數(shù)。

3 訓(xùn)練模型設(shè)計(jì)及分析

根據(jù)設(shè)定的網(wǎng)絡(luò)結(jié)構(gòu)及選用的參數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使用Caffe深度學(xué)習(xí)庫(kù)的函數(shù)式模型完成整體網(wǎng)絡(luò)結(jié)構(gòu)的搭建，同時(shí)將α設(shè)置為0.01，選擇SGD來(lái)減少計(jì)算資源和計(jì)算時(shí)間。對(duì)數(shù)據(jù)進(jìn)行近10000次迭代訓(xùn)練后，通過(guò)對(duì)網(wǎng)絡(luò)參數(shù)的不斷調(diào)整建立了網(wǎng)絡(luò)模型。模型訓(xùn)練后，得到train loss、test loss和accuracy 3個(gè)參數(shù)的隨機(jī)迭代次數(shù)變化曲線，最終得到訓(xùn)練模型整體網(wǎng)絡(luò)性能評(píng)估，如圖3所示。

不難看出，迭代次數(shù)越多，模型的準(zhǔn)確度accuracy越高，trainloss和test loss越低。在迭代5000次左右后準(zhǔn)確度就趨近于1，train loss和test loss也不斷趨近于0。該結(jié)果表明，模型的穩(wěn)健性較好，并且其性能滿足應(yīng)用需求。

為了檢驗(yàn)CNN模型對(duì)檢測(cè)目標(biāo)狀態(tài)圖像分類的遷移學(xué)習(xí)效果，將采用分類的準(zhǔn)確率對(duì)模型進(jìn)行評(píng)估，準(zhǔn)確率(A)由分類準(zhǔn)確目標(biāo)狀態(tài)次數(shù)和測(cè)試目標(biāo)狀態(tài)總次數(shù)之比得出，如式(9)所示。

圖3 訓(xùn)練模型整體網(wǎng)絡(luò)性能評(píng)估

其中，Nacc為分類準(zhǔn)確目標(biāo)狀態(tài)的次數(shù)，Nall為測(cè)試目標(biāo)狀態(tài)的總次數(shù)。

將訓(xùn)練好的模型轉(zhuǎn)換后放入CNN加速芯片中，然后對(duì)目標(biāo)各種狀態(tài)進(jìn)行圖像采集，經(jīng)過(guò)裁剪旋轉(zhuǎn)等方法后得到檢測(cè)目標(biāo)每個(gè)狀態(tài)1000張圖像。將圖像大小統(tǒng)一處理成224×224×3分辨率的圖像并進(jìn)行狀態(tài)標(biāo)記得到數(shù)據(jù)集，將得到的數(shù)據(jù)集去更新生成新模型后，測(cè)試模型的準(zhǔn)確率。實(shí)驗(yàn)測(cè)試是檢測(cè)小燈亮滅的兩個(gè)不同狀態(tài)，經(jīng)處理后得到兩個(gè)狀態(tài)各1000張標(biāo)記好的圖片。然后從兩個(gè)不同狀態(tài)的圖片中隨機(jī)抽取數(shù)量相同的圖片作為數(shù)據(jù)集，最后在200、300、400、500、600、900張圖片數(shù)量的數(shù)據(jù)集下測(cè)試檢測(cè)目標(biāo)狀態(tài)的準(zhǔn)確率。表1顯示該模型在不同數(shù)量數(shù)據(jù)集下測(cè)試目標(biāo)狀態(tài)的準(zhǔn)確率。

從表1數(shù)據(jù)可以看出，隨著檢測(cè)目標(biāo)數(shù)據(jù)集的數(shù)量逐漸增大，該模型檢測(cè)目標(biāo)的準(zhǔn)確率大大改善，同時(shí)數(shù)據(jù)集的數(shù)量達(dá)到900時(shí)，模型的準(zhǔn)確率接近99.9%，表明該模型有著較高的準(zhǔn)確度。在制作數(shù)據(jù)集時(shí)，本研究已經(jīng)盡可能多地考慮到了使用場(chǎng)景的多樣性和復(fù)雜性，所以只需根據(jù)具體的應(yīng)用場(chǎng)景對(duì)模型進(jìn)行微調(diào)即可。

表1 不同數(shù)量數(shù)據(jù)集的檢測(cè)準(zhǔn)確率

4 嵌入式報(bào)警系統(tǒng)設(shè)計(jì)

4.1 網(wǎng)絡(luò)模型結(jié)構(gòu)

我們?cè)O(shè)計(jì)了一個(gè)基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測(cè)報(bào)警系統(tǒng)。系統(tǒng)整體框架如圖4所示。其中CNN加速芯片采用的是Xilinx公司的XCKU115板卡，嵌入式系統(tǒng)以CKS32F103作為主控芯片。

圖4 嵌入式報(bào)警系統(tǒng)框架

相機(jī)先采集目標(biāo)各個(gè)狀態(tài)的圖像，進(jìn)行標(biāo)記分類后生成數(shù)據(jù)集儲(chǔ)存到嵌入式系統(tǒng)的存儲(chǔ)器中，在嵌入式系統(tǒng)中設(shè)置報(bào)警圖像類型，然后將分類好的數(shù)據(jù)集去微調(diào)已經(jīng)訓(xùn)練好的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)圖像分類模型，生成新的圖像分類模型；完成系統(tǒng)的初步設(shè)置后就能進(jìn)行檢測(cè)目標(biāo)的實(shí)時(shí)圖像檢測(cè)，相機(jī)實(shí)時(shí)檢測(cè)目標(biāo)狀態(tài)，把實(shí)時(shí)影像傳輸?shù)叫律傻哪Ｐ椭校瓿捎跋竦姆诸?，并把結(jié)果實(shí)時(shí)返回到嵌入式系統(tǒng)中；當(dāng)嵌入式系統(tǒng)讀取到目標(biāo)圖像類型后，對(duì)比設(shè)置報(bào)警圖像類型，如果圖像類型一致，嵌入式系統(tǒng)啟動(dòng)蜂鳴器程序開(kāi)始報(bào)警。

由于卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入圖片的格式有嚴(yán)格要求，因此需要對(duì)相機(jī)輸入的圖片進(jìn)行預(yù)處理，主要對(duì)圖片的3個(gè)參數(shù)進(jìn)行調(diào)整：IMAGE_DIM、IMAGE_STDDEV和IMAGE_MEAN。見(jiàn)表2。由于本次算法對(duì)預(yù)處理要求較高，故采用python工具包處理。

表2 輸入圖像參數(shù)

4.2 系統(tǒng)響應(yīng)設(shè)計(jì)

嵌入式系統(tǒng)的主要工作是設(shè)置需要報(bào)警的圖像類型，同時(shí)與網(wǎng)絡(luò)模型反饋的圖像類型分別進(jìn)行對(duì)比，當(dāng)二者一致時(shí)，它將驅(qū)動(dòng)報(bào)警系統(tǒng)進(jìn)行報(bào)警，驅(qū)動(dòng)流程如圖5所示。為了降低因圖像類型誤判引起錯(cuò)誤報(bào)警的概率，系統(tǒng)做了如下處理：當(dāng)返回的檢測(cè)結(jié)果概率不低于0.7，并且處于報(bào)警圖像類型連續(xù)大于20幀時(shí)才會(huì)啟動(dòng)警報(bào)程序，以減少錯(cuò)誤警報(bào)的概率。

圖5 嵌入式系統(tǒng)報(bào)警流程

4.3 系統(tǒng)測(cè)試分析

本文以LED燈為檢測(cè)目標(biāo)，檢測(cè)LED燈的亮滅狀態(tài)。LED燈亮表示報(bào)警狀態(tài)圖像類型1，LED燈熄滅表示正常狀態(tài)圖像類型2。搭建好測(cè)試平臺(tái)后，相機(jī)對(duì)LED燈兩個(gè)狀態(tài)進(jìn)行記錄，記錄完成后生成數(shù)據(jù)集，更新生成圖像分類模型，然后再用相機(jī)去拍攝LED燈，可以看到如圖6所示的畫(huà)面，整個(gè)系統(tǒng)一直在實(shí)時(shí)檢測(cè)LED燈狀態(tài)。

從圖6可知，系統(tǒng)實(shí)時(shí)地將每幀圖像的LED燈是亮還是滅的概率呈現(xiàn)于顯示器中，取出現(xiàn)概率最大的狀態(tài)為當(dāng)前LED燈所處狀態(tài)，并在每幀圖像上顯示出圖像類型。亮燈時(shí)顯示的是1，滅燈時(shí)顯示為2。然后將顯示的類型及對(duì)應(yīng)的概率發(fā)送到嵌入式系統(tǒng)中，連續(xù)20幀且概率不低于0.7后，若反饋的信號(hào)是類型1，蜂鳴器就開(kāi)始鳴響。經(jīng)多次試驗(yàn)測(cè)試，本系統(tǒng)能夠?qū)崟r(shí)、準(zhǔn)確地完成對(duì)圖像數(shù)據(jù)的獲取、檢測(cè)、分類和響應(yīng)。

5 結(jié)論

本研究能快速且簡(jiǎn)單地完成對(duì)檢測(cè)目標(biāo)模型的生成和檢測(cè)，同時(shí)所設(shè)計(jì)的報(bào)警系統(tǒng)只需較少的檢測(cè)目標(biāo)數(shù)據(jù)就能生成新的模型。最終結(jié)果表明，在簡(jiǎn)單場(chǎng)景下，該系統(tǒng)對(duì)圖像檢測(cè)的準(zhǔn)確度可以達(dá)到99.9%。同時(shí)在更換檢測(cè)目標(biāo)時(shí)，只需要簡(jiǎn)單使用相機(jī)記錄檢測(cè)目標(biāo)各個(gè)狀態(tài)圖片，自動(dòng)形成新數(shù)據(jù)集然后生成新的模型，即可實(shí)現(xiàn)對(duì)檢測(cè)目標(biāo)的圖像分類。