鄧天民，冒國(guó)韜，周臻浩，段志堅(jiān)

（重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074）

0 引言

近些年來(lái)，全球各地汽車(chē)保有量飛速增長(zhǎng)，大量學(xué)者對(duì)自動(dòng)駕駛領(lǐng)域展開(kāi)了深入研究，目標(biāo)檢測(cè)成為了自動(dòng)駕駛領(lǐng)域研究的一個(gè)重點(diǎn)。車(chē)輛作為目標(biāo)檢測(cè)任務(wù)中的重要對(duì)象之一，在自動(dòng)駕駛領(lǐng)域有著非常重要的應(yīng)用價(jià)值。隨著計(jì)算機(jī)硬件水平的提升，基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）的目標(biāo)檢測(cè)方法憑借其強(qiáng)大的特征表達(dá)能力取得了驚人的成果［1］。Krizhevsky 等［2］提出的AlexNet 結(jié)構(gòu)模型獲得2012 年國(guó)際視覺(jué)識(shí)別挑戰(zhàn)賽（ImageNet Large Scale Visual Recognition Challenge，ILSVRC）的冠軍，CNN 隨即迎來(lái)了歷史性的突破，掀起了對(duì)深度學(xué)習(xí)的研究熱潮。

目前，基于深度學(xué)習(xí)的車(chē)輛檢測(cè)識(shí)別方法主要分為兩類(lèi)：

一類(lèi)是兩階段的目標(biāo)檢測(cè)算法，此類(lèi)方法檢測(cè)準(zhǔn)確率和定位精度較高，但缺點(diǎn)是訓(xùn)練速度慢、實(shí)時(shí)性差，其中代表性的算法有R-CNN［3］、Fast R-CNN［4］、Faster R-CNN［5］等。Nguyen［6］通過(guò)改進(jìn)Faster R-CNN 算法的特征提取網(wǎng)絡(luò)，引入上下文感知池化，提高了對(duì)小目標(biāo)車(chē)輛和遮擋車(chē)輛的檢測(cè)精度，但檢測(cè)實(shí)時(shí)性還有待提升；楊薇等［7］提出了一種改進(jìn)的Faster R-CNN 車(chē)輛實(shí)時(shí)檢測(cè)算法，訓(xùn)練時(shí)采用多尺度策略，提高了模型泛化能力，但對(duì)于復(fù)雜環(huán)境下排列密集、遮擋嚴(yán)重的車(chē)輛檢測(cè)效果較差。

另一類(lèi)是一階段的目標(biāo)檢測(cè)算法，這類(lèi)方法不需要產(chǎn)生候選框，直接預(yù)測(cè)物體位置與類(lèi)別，一次檢測(cè)就能得到最終檢測(cè)結(jié)果，其中代表性的算法有YOLO（You Only Look Once）系列算法［8-11］以及SSD（Single Shot MultiBox Detector）［12］等。Wang 等［13］提出了一種基于改進(jìn)的YOLOv3-Tiny 的車(chē)輛檢測(cè)方法，加入空間金字塔池化（Spatial Pyramid Pooling，SPP）模塊，提高了模型特征提取能力，取得了較高的檢測(cè)精度，但對(duì)于小尺度目標(biāo)檢測(cè)效果較差；趙文清等［14］提出了一種基于SSD 的反卷積和特征融合算法，降低了小目標(biāo)的漏檢率，但由于反卷積操作增大了運(yùn)算復(fù)雜度，導(dǎo)致檢測(cè)速度大幅降低。相較于兩階段的目標(biāo)檢測(cè)算法，一階段的方法檢測(cè)速度快、誤檢率低，但缺點(diǎn)是精度偏低、小目標(biāo)檢測(cè)效果較差以及對(duì)于復(fù)雜環(huán)境中的車(chē)輛檢測(cè)較為困難。

本文針對(duì)上述道路車(chē)輛檢測(cè)算法檢測(cè)速度與檢測(cè)精度相矛盾、小目標(biāo)車(chē)輛漏檢及復(fù)雜環(huán)境下檢測(cè)困難的問(wèn)題，提出一種基于密集連接網(wǎng)絡(luò)的道路車(chē)輛檢測(cè)算法。采用改進(jìn)的密集連接殘差網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)聚類(lèi)算法對(duì)車(chē)輛數(shù)據(jù)集的邊界框進(jìn)行聚類(lèi)，同時(shí)增大網(wǎng)絡(luò)的檢測(cè)尺度，并在特征融合階段添加跳躍連接結(jié)構(gòu)增強(qiáng)網(wǎng)絡(luò)的特征信息融合，解決網(wǎng)絡(luò)模型大、車(chē)輛檢測(cè)精度不高和漏檢的問(wèn)題。

1 基于密集連接的主干特征提取網(wǎng)絡(luò)

本文選用YOLOv4 框架進(jìn)行改進(jìn)，YOLOv4 模型的主干特征提取網(wǎng)絡(luò)CSPDarknet53 是在Darknet53 網(wǎng)絡(luò)［10］的5 組深度殘差結(jié)構(gòu)基礎(chǔ)上分別添加跨階段局部網(wǎng)絡(luò)（Cross Stage Partial Network，CSPNet）［15］模塊得到的，它將特征圖的映射劃分為兩部分：一部分經(jīng)過(guò)深度殘差結(jié)構(gòu)強(qiáng)化網(wǎng)絡(luò)特征提取的能力；另一部分通過(guò)跨階段層次結(jié)構(gòu)與它們?nèi)诤?，在減少了計(jì)算量的同時(shí)可以保持準(zhǔn)確性。對(duì)于道路車(chē)輛的檢測(cè)識(shí)別，CSPDarknet53 網(wǎng)絡(luò)中大量的運(yùn)算參數(shù)會(huì)使車(chē)輛檢測(cè)速度減慢，并且在數(shù)據(jù)集樣本量較小時(shí)易導(dǎo)致過(guò)擬合。

1.1 密集連接模塊

YOLOv4 模型在特征提取階段采用5 組深度殘差網(wǎng)絡(luò)結(jié)構(gòu)強(qiáng)化網(wǎng)絡(luò)的特征提取，當(dāng)網(wǎng)絡(luò)層數(shù)加深時(shí)，解決梯度消失的問(wèn)題。

圖1 所示為YOLOv4 的殘差模塊結(jié)構(gòu)，殘差單元（Res unit）從殘差網(wǎng)絡(luò)（Residual Network，ResNet）［16］中借鑒而來(lái)，其核心的表達(dá)式為：

圖1 殘差模塊結(jié)構(gòu)Fig.1 Residual block structure

其中：xn表示n層的輸出；Hn表示包括卷積、批歸一化和激活函數(shù)組合在一起的非線性變換。

密集連接卷積網(wǎng)絡(luò)（Dense Connected Convolutional Network，DenseNet）［17］具有密集型連接結(jié)構(gòu)，如圖2 所示。在DenseBlock 中，每個(gè)密集連接單元（Dense unit）層的輸入都包含了較早層的輸出，更好地利用了每一層的特征。

圖2 DenseNet密集連接結(jié)構(gòu)Fig.2 Dense connected structure of DenseNet

DenseNet 的核心表達(dá)式為：

其中：[x0，x1，…，xm-1]表示將0 到m-1 層輸出的特征圖進(jìn)行并聯(lián)粘接（concat）操作；xm表示m層的輸出；Hm表示包括卷積、批歸一化和激活函數(shù)組合在一起的非線性變換。

本文借鑒DenseNet 的密集連接結(jié)構(gòu)，在原始的殘差結(jié)構(gòu)基礎(chǔ)上提出具有更強(qiáng)特征提取能力的網(wǎng)絡(luò)，稱為DRNet（Dense Residual Network），如圖3 所示。采用DRBlock 代替網(wǎng)絡(luò)原有的ResBlock，通過(guò)殘差組件單元進(jìn)行特征提取，使網(wǎng)絡(luò)訓(xùn)練更加容易，在每個(gè)殘差組件之間采用密集連接方式，以加強(qiáng)特征復(fù)用，強(qiáng)化對(duì)淺層復(fù)雜度低的特征的利用。

圖3 DRNet結(jié)構(gòu)Fig.3 Structure of DRNet

1.2 跨層連接結(jié)構(gòu)

根據(jù)CSP 模塊結(jié)構(gòu)與DRNet 結(jié)構(gòu)的特點(diǎn)，設(shè)計(jì)以下兩種不同的CSP 模塊：CSPBlock-B 和CSPBlock-C，如圖4 所示。

由圖4（b）與圖4（c）的對(duì)比可知，結(jié)構(gòu)B 先將兩個(gè)部分的特征進(jìn)行并聯(lián)粘接，之后再輸入到1×1 卷積的過(guò)渡層，這樣做可以使大量的梯度信息被重用，有利于網(wǎng)絡(luò)的學(xué)習(xí)。結(jié)構(gòu)C 則是先將部分的特征信息輸入過(guò)渡層，然后再進(jìn)行并聯(lián)粘接操作，采用這種做法損失了部分梯度信息的重用，但由于1×1 卷積層輸入維度小于結(jié)構(gòu)B，使得運(yùn)算復(fù)雜度降低。圖4（a）為原始的跨階段局部模塊結(jié)構(gòu)，可以看出，結(jié)構(gòu)A 同時(shí)采用了上述兩種結(jié)構(gòu)中的過(guò)渡層，學(xué)習(xí)能力更強(qiáng)，但提高了運(yùn)算復(fù)雜度。為提升模型的運(yùn)算效率，本文選用結(jié)構(gòu)B 作為新的跨階段局部模塊。

圖4 三種不同的CSPBlockFig.4 Three types of CSPBlock

1.3 深度殘差結(jié)構(gòu)

綜合考慮道路車(chē)輛檢測(cè)的實(shí)時(shí)性需求與檢測(cè)精度，采用6 組深度殘差結(jié)構(gòu)強(qiáng)化主干網(wǎng)絡(luò)的特征提取能力。分別將6組深度殘差結(jié)構(gòu)中殘差組件數(shù)量設(shè)置為1、2、3、3、3、2，提出一種運(yùn)算復(fù)雜度相對(duì)較低、參數(shù)量相對(duì)較少的主干特征提取網(wǎng)絡(luò)CSPDRNet53，網(wǎng)絡(luò)模型結(jié)構(gòu)如圖5 所示。

圖5 CSPDRNet53結(jié)構(gòu)Fig.5 Structure of CSPDRNet53

相較于CSPDarknet53 中包含5 組深度殘差結(jié)構(gòu)以及1、2、8、8、4 個(gè)殘差組件的較為復(fù)雜冗余且參數(shù)量過(guò)多的網(wǎng)絡(luò)，CSPDRNet53 降低了算法的參數(shù)量和運(yùn)算復(fù)雜程度，提升道路車(chē)輛檢測(cè)識(shí)別效率，同時(shí)能一定程度上避免過(guò)擬合。

2 結(jié)合跳躍連接的多尺度特征融合網(wǎng)絡(luò)

2.1 跳躍連接結(jié)構(gòu)

YOLOv4 模型在多尺度特征融合階段采用路徑聚合網(wǎng)絡(luò)（Path Aggregation Network，PANet）結(jié)構(gòu)［18］，如圖6 所示。通過(guò)自上向下的特征融合，將高層的特征信息通過(guò)上采樣的方式傳遞融合，對(duì)整個(gè)特征金字塔強(qiáng)語(yǔ)義特征進(jìn)行增強(qiáng)，得到進(jìn)行預(yù)測(cè)的特征圖；通過(guò)自下向上的特征融合，用下采樣的方式將低層的強(qiáng)定位特征傳遞上去。

圖6 PANet結(jié)構(gòu)Fig.6 Structure of PANet

PANet 結(jié)構(gòu)中1、8 節(jié)點(diǎn)只存在一個(gè)輸入邊，沒(méi)有不同特征信息的融合，因此刪除對(duì)特征融合網(wǎng)絡(luò)貢獻(xiàn)較小的1、8 節(jié)點(diǎn)。除此之外，為使網(wǎng)絡(luò)在不增加太多成本的情況下融合更多的特征信息，在輸入特征圖和輸出特征圖大小相同的兩個(gè)節(jié)點(diǎn)之間添加跳躍連接結(jié)構(gòu)，通過(guò)強(qiáng)化網(wǎng)絡(luò)的特征信息融合，增強(qiáng)網(wǎng)絡(luò)的表征能力，如圖7 所示。

圖7 引入跳躍連接結(jié)構(gòu)的特征融合網(wǎng)絡(luò)Fig.7 Feature fusion network introduced by skip connection structure

2.2 多尺度特征檢測(cè)

在特征檢測(cè)過(guò)程中，原模型通過(guò)8 倍、16 倍、32 倍下采樣的特征圖對(duì)目標(biāo)進(jìn)行檢測(cè)。8 倍下采樣特征圖的下采樣倍數(shù)低，特征感受野較小，適合檢測(cè)小尺度的物體；32 倍下采樣的特征圖具有較大的特征感受野，適合檢測(cè)大尺度物體。

為提高算法對(duì)小目標(biāo)檢測(cè)精度，本文將特征檢測(cè)網(wǎng)絡(luò)的3 尺度檢測(cè)改進(jìn)為4 尺度檢測(cè)，將CSPDRNet53 主干特征提取網(wǎng)絡(luò)中第3 個(gè)深度殘差結(jié)構(gòu)輸出的104×104 特征圖與3 次上采樣后的特征圖進(jìn)行并聯(lián)粘接處理得到第4 個(gè)特征檢測(cè)尺度，并形成新的特征金字塔網(wǎng)絡(luò)。4 尺度檢測(cè)提高了對(duì)小目標(biāo)車(chē)輛的檢測(cè)精度，同時(shí)降低車(chē)輛的漏檢率，改進(jìn)后算法結(jié)構(gòu)如圖8 所示。

圖8 提出的DR-YOLOv4算法結(jié)構(gòu)Fig.8 Structure of proposed DR-YOLOv4 algorithm

3 先驗(yàn)框尺寸

YOLOv4 中先驗(yàn)框的尺寸是由COCO（Common Objects in COntext）數(shù)據(jù)集通過(guò)聚類(lèi)得到，但考慮到COCO 數(shù)據(jù)集中包含的目標(biāo)種類(lèi)有80 類(lèi)，檢測(cè)目標(biāo)的長(zhǎng)寬比差別也較大，不適用于道路車(chē)輛檢測(cè)。在道路車(chē)輛檢測(cè)任務(wù)中目標(biāo)車(chē)輛的長(zhǎng)寬比是相對(duì)固定的值，不能直接使用模型原本的先驗(yàn)框尺寸，需對(duì)所用訓(xùn)練集中的標(biāo)注框進(jìn)行聚類(lèi)并重新分配。本文選用K-Means++聚類(lèi)［19］方法計(jì)算聚類(lèi)，基本步驟如下：

1）從數(shù)據(jù)集中隨機(jī)抽取一個(gè)點(diǎn)作為初始的聚類(lèi)中心。

2）計(jì)算每個(gè)樣本與已有的聚類(lèi)中心之間最短距離D（x）。

4）重復(fù)步驟2）～3）選出所有的聚類(lèi)中心。

5）用傳統(tǒng)的K-Means 算法對(duì)選出的聚類(lèi)中心聚類(lèi)。

DR-YOLOv4 算法通過(guò)4 個(gè)特征檢測(cè)尺度對(duì)車(chē)輛目標(biāo)進(jìn)行檢測(cè)，為每個(gè)特征檢測(cè)尺度分配3 個(gè)先驗(yàn)框，每個(gè)特征檢測(cè)尺度中的每個(gè)單元格通過(guò)3 個(gè)先驗(yàn)框分別對(duì)3 個(gè)邊界框進(jìn)行預(yù)測(cè)，因此需要12 個(gè)先驗(yàn)框。利用K-Means++聚類(lèi)算法對(duì)車(chē)輛數(shù)據(jù)集中標(biāo)注框的長(zhǎng)寬進(jìn)行聚類(lèi)。

根據(jù)聚類(lèi)結(jié)果得出更新后的先驗(yàn)框大小分別為：（13，28）、（22，47）、（32，77）、（45，60）、（46，114）、（46，193）、（72，96）、（78，145）、（92，191）、（97，257）、（109，392）、（127，204）。相比YOLOv4 原本的先驗(yàn)框，根據(jù)車(chē)輛數(shù)據(jù)集聚類(lèi)得到的先驗(yàn)框尺寸更符合訓(xùn)練集中道路車(chē)輛的長(zhǎng)寬比，使用更新后的先驗(yàn)框?qū)?chē)輛數(shù)據(jù)集進(jìn)行訓(xùn)練能夠使得定位更加精確。

4 實(shí)驗(yàn)與結(jié)果分析

4.1 實(shí)驗(yàn)環(huán)境

本實(shí)驗(yàn)的硬件環(huán)境為Windows10 64 位操作系統(tǒng)，Intel Core i7-8700K CPU @ 4.30 GHz 處理器，16 GB 內(nèi)存，NVIDA GTX 1080Ti 顯卡，8 GB 顯存。軟件環(huán)境采用Darknet 深度學(xué)習(xí)框架［20］，相較于其他深度學(xué)習(xí)框架，Darknet 具有安裝速度快，易于安裝的獨(dú)特優(yōu)勢(shì)；整個(gè)框架完全由C 語(yǔ)言實(shí)現(xiàn)，不存在任何的依賴項(xiàng)；支持CPU 和GPU 計(jì)算，使用者可以根據(jù)硬件條件靈活切換；移植性非常好，Darknet 框架部署到機(jī)器本地非常簡(jiǎn)單。

4.2 實(shí)驗(yàn)數(shù)據(jù)集

選用KITTI 數(shù)據(jù)集［21］和BDD100K（Berkeley DeepDrive）數(shù)據(jù)集［22］中的圖像作為本實(shí)驗(yàn)車(chē)輛檢測(cè)模型的數(shù)據(jù)。KITTI數(shù)據(jù)集由德國(guó)卡爾斯魯厄理工學(xué)院和豐田美國(guó)技術(shù)研究院聯(lián)合創(chuàng)辦，包含市區(qū)、鄉(xiāng)村和高速公路等場(chǎng)景采集的真實(shí)圖像數(shù)據(jù)；BDD100K 數(shù)據(jù)集由伯克利大學(xué)人工智能實(shí)驗(yàn)室發(fā)布，數(shù)據(jù)集涵蓋了6 種不同天氣、6 種不同場(chǎng)景以及白天、黃昏、夜晚三種時(shí)間階段的復(fù)雜圖片。數(shù)據(jù)集部分樣本如圖9所示。

圖9 部分樣本示意圖Fig.9 Schematic diagram of partial samples

首先從KITTI 數(shù)據(jù)集的2D 目標(biāo)檢測(cè)數(shù)據(jù)集中選取7 481張圖片作為基礎(chǔ)實(shí)驗(yàn)數(shù)據(jù)集，其中6 000 張圖片作為訓(xùn)練集，742 張圖片作為驗(yàn)證集，739 張圖片作為測(cè)試集。數(shù)據(jù)集共含 有Car、Van、Truck、Tram、Pedestrain、Person（sit-ting）、Cyclist、Misc 這8 個(gè)類(lèi)別，將數(shù)據(jù)集按照VOC（Visual Object Classes）數(shù)據(jù)集的格式進(jìn)行整理，并刪除實(shí)驗(yàn)不需要數(shù)據(jù)的標(biāo)簽類(lèi)別，僅保留實(shí)驗(yàn)所需的3 個(gè)類(lèi)別：Car、Van、Truck，共計(jì)32 750 個(gè)標(biāo)注信息。最后從BDD100K 數(shù)據(jù)集中挑選7 000張復(fù)雜環(huán)境圖片作為擴(kuò)展實(shí)驗(yàn)數(shù)據(jù)集，其中5 000 張圖片作為訓(xùn)練集，1 000 張圖片作為驗(yàn)證集，1 000 張圖片作為測(cè)試集，保留實(shí)驗(yàn)所需的3 個(gè)類(lèi)別：Car、Bus、Truck。

4.3 實(shí)驗(yàn)結(jié)果分析

4.3.1 特征提取網(wǎng)絡(luò)實(shí)驗(yàn)

本文方法在特征提取網(wǎng)絡(luò)進(jìn)行三處改進(jìn)，分別是密集連接模塊、跨層連接結(jié)構(gòu)及深度殘差結(jié)構(gòu)。為探究其對(duì)模型整體性能的影響，針對(duì)特征提取網(wǎng)絡(luò)改進(jìn)方案進(jìn)行對(duì)比實(shí)驗(yàn)。

由表1 可知，融合密集連接網(wǎng)絡(luò)后，導(dǎo)致模型運(yùn)算量增加，檢測(cè)速度有所下降，但同時(shí)增強(qiáng)了模型對(duì)淺層特征的復(fù)用，提升了一定的檢測(cè)精度；在跨層連接結(jié)構(gòu)改進(jìn)后，由于損失了部分梯度信息復(fù)用，模型均值平均精度（mean Average Precision，mAP）降低了0.06 個(gè)百分點(diǎn)，檢測(cè)速度有所提升；在對(duì)模型深度殘差結(jié)構(gòu)進(jìn)行簡(jiǎn)化后，模型精度降低了0.97個(gè)百分點(diǎn)，檢測(cè)速度上升了10.2 frame/s；最后，同時(shí)采用上述三種特征提取網(wǎng)絡(luò)改進(jìn)方案后，模型精度較原模型有所下降，檢測(cè)速度達(dá)到了51.39 frame/s。

表1 不同特征提取網(wǎng)絡(luò)對(duì)模型性能影響對(duì)比Tab.1 Influence comparison of different feature extraction networks on model performance

4.3.2 特征融合網(wǎng)絡(luò)實(shí)驗(yàn)

在模型的特征融合網(wǎng)絡(luò)，本文采用跳躍連接結(jié)構(gòu)和多尺度特征檢測(cè)兩種方案對(duì)其進(jìn)行改進(jìn)。通過(guò)對(duì)兩種方案的對(duì)比實(shí)驗(yàn)，驗(yàn)證其對(duì)模型性能的影響。

由表2 的改進(jìn)方案對(duì)比實(shí)驗(yàn)可知，通過(guò)引入跳躍連接結(jié)構(gòu)，強(qiáng)化了網(wǎng)絡(luò)特征信息之間的融合，在提升精度的情況下，損失了一定的檢測(cè)速度；在多尺度特征檢測(cè)改進(jìn)后，由于采用4 尺度進(jìn)行檢測(cè)，使得模型整體結(jié)構(gòu)更為復(fù)雜，運(yùn)算量增加，檢測(cè)速度下降了5.85 frame/s，但采用4 尺度對(duì)車(chē)輛目標(biāo)進(jìn)行檢測(cè)，有效降低了車(chē)輛漏檢率，并提升了整體檢測(cè)性能，檢測(cè)精度提升了0.57 個(gè)百分點(diǎn)；在同時(shí)采用兩種改進(jìn)方案后，模型損失了一定的檢測(cè)速度，但檢測(cè)精度達(dá)到了98.09%。

表2 不同特征融合網(wǎng)絡(luò)對(duì)模型性能影響對(duì)比Tab.2 Influence comparison of different feature fusion networks on model performance

4.3.3 先驗(yàn)框分配策略實(shí)驗(yàn)

原模型為每個(gè)特征檢測(cè)尺度分配3 個(gè)先驗(yàn)框，以此適用于不同大小的檢測(cè)目標(biāo)。采用模型默認(rèn)的先驗(yàn)框分配策略不一定適用于道路車(chē)輛數(shù)據(jù)集，因此需要對(duì)模型的先驗(yàn)框重新進(jìn)行分配。本文在特征檢測(cè)部分使用4 個(gè)特征檢測(cè)尺度，其中13×13 特征圖具有最大的感受野，適合檢測(cè)大目標(biāo)物體，分配最大的幾個(gè)先驗(yàn)框；104×104 特征圖分配最小的先驗(yàn)框；26×26 和52×52 特征圖分配中等大小的先驗(yàn)框。為了驗(yàn)證先驗(yàn)框分配策略對(duì)模型性能的影響，針對(duì)不同特征檢測(cè)尺度分配不同數(shù)量的先驗(yàn)框，探究最佳的分配方案。由于采用4 個(gè)特征檢測(cè)尺度，因此將先驗(yàn)框總數(shù)控制為12。

由表3 的分配策略對(duì)比實(shí)驗(yàn)可知，不同先驗(yàn)框分配策略會(huì)對(duì)模型的性能有一定的影響，當(dāng)為13×13 特征圖分配4 個(gè)先驗(yàn)框時(shí)，模型的檢測(cè)精度和檢測(cè)速度均有所下降，這是因?yàn)橛?xùn)練集中大目標(biāo)物體相對(duì)中小目標(biāo)物體要更少，分配更多的先驗(yàn)框反而導(dǎo)致其他檢測(cè)尺度訓(xùn)練難度增加；當(dāng)13×13 特征圖少分配1 個(gè)先驗(yàn)框，52×52 特征圖多分配1 個(gè)先驗(yàn)框時(shí)，模型的檢測(cè)精度與速度都達(dá)到最優(yōu)，可見(jiàn)訓(xùn)練集中，中等偏小目標(biāo)占比最大，大目標(biāo)占比最小，合理地分配降低了模型的訓(xùn)練難度。根據(jù)實(shí)驗(yàn)結(jié)果，將聚類(lèi)得到的12 個(gè)不同大小的先驗(yàn)框，分別按照2、3、4、3 的先驗(yàn)框分配策略，分配給4個(gè)特征檢測(cè)尺度。先驗(yàn)框按照分配策略重新分配后結(jié)果為：將尺寸為（97，257）、（109，392）的先驗(yàn)框分配給13×13 特征圖；（46，193）、（92，191）、（127，204）先驗(yàn)框分給26×26 特征圖；（45，60）、（46，114）、（72，96）、（78，145）先驗(yàn)框分給52×52 特征圖；（13，28）、（22，47）、（32，77）先驗(yàn)框分給104×104特征圖。

表3 不同先驗(yàn)框分配策略對(duì)模型性能影響對(duì)比Tab.3 Influence comparison of different anchor allocation strategies on model performance

4.3.4 模型結(jié)構(gòu)改進(jìn)實(shí)驗(yàn)

為探究主干特征提取網(wǎng)絡(luò)改進(jìn)、特征融合網(wǎng)絡(luò)改進(jìn)以及先驗(yàn)框尺寸聚類(lèi)與分配三種綜合改進(jìn)方案對(duì)模型整體性能的影響，構(gòu)建8 組不同的實(shí)驗(yàn)方案對(duì)網(wǎng)絡(luò)的檢測(cè)精度和速度進(jìn)行對(duì)比分析，實(shí)驗(yàn)結(jié)果如表4 所示。

表4 不同實(shí)驗(yàn)方案對(duì)模型性能影響分析Tab.4 Analysis of influence of different experimental schemes on model performance

由實(shí)驗(yàn)B 可知，在對(duì)特征提取網(wǎng)絡(luò)進(jìn)行簡(jiǎn)化后，模型mAP 下降了0.48 個(gè)百分點(diǎn)，檢測(cè)速度較原始模型有所上升；實(shí)驗(yàn)C 對(duì)特征融合網(wǎng)絡(luò)改進(jìn)后，模型獲得了98.09% 的mAP，Car 作為數(shù)據(jù)集中包含小目標(biāo)最多的類(lèi)別，檢測(cè)精度比Van 和Truck 提升明顯，檢測(cè)速度則隨著模型結(jié)構(gòu)復(fù)雜化有一定降低；實(shí)驗(yàn)D 對(duì)模型的先驗(yàn)框進(jìn)行維度聚類(lèi)并重新分配后，模型檢測(cè)精度提升了0.55 個(gè)百分點(diǎn)，檢測(cè)速度也略有提升，不難看出先驗(yàn)框聚類(lèi)及再分配可提升模型的檢測(cè)性能；通過(guò)實(shí)驗(yàn)H 可知，同時(shí)使用三種改進(jìn)方案時(shí)，在檢測(cè)速度上比傳統(tǒng)YOLOv4 高出2.33 frame/s，獲得了48.05 frame/s 的檢測(cè)速度，同時(shí)mAP 達(dá)到了98.21%，較原始模型提升了0.8個(gè)百分點(diǎn)，模型結(jié)構(gòu)改進(jìn)后在檢測(cè)精度和速度上均有所提升。

通過(guò)以上改進(jìn)實(shí)驗(yàn)可知，DR-YOLOv4 算法將先驗(yàn)框根據(jù)特征檢測(cè)尺度由小到大按照2、3、4、3 個(gè)的策略進(jìn)行分配；設(shè)計(jì)簡(jiǎn)化的跨階段局部模塊結(jié)構(gòu)和6 組密集連接的深度殘差結(jié)構(gòu)，其中殘差組件數(shù)量分別為1、2、3、3、3、2 個(gè)；在特征融合階段引入跳躍連接結(jié)構(gòu)并采用4 尺度檢測(cè)。圖10 所示為模型訓(xùn)練過(guò)程中的平均損失收斂曲線，當(dāng)模型迭代次數(shù)達(dá)到14 000 時(shí)，學(xué)習(xí)率由初始的10-3下降到10-4；當(dāng)模型迭代次數(shù)達(dá)到16 000 左右時(shí)，損失值在0.9 左右上下浮動(dòng)，此時(shí)的學(xué)習(xí)率降低為10-5，并且在16 000 至18 000 次迭代過(guò)程中損失值無(wú)明顯下降，平均損失收斂曲線趨近平穩(wěn)。

圖10 本文算法平均損失收斂曲線Fig.10 Average loss convergence curve of proposed algorithm

表5 中顯示了改進(jìn)后模型與不同目標(biāo)檢測(cè)模型在KITTI數(shù)據(jù)集上的測(cè)試結(jié)果。DR-YOLOv4 算法在檢測(cè)速度方面略遜色于SSD300，但仍以48.05 frame/s 的速度達(dá)到了實(shí)時(shí)檢測(cè)的效果，并在檢測(cè)精度方面以98.21%的mAP 優(yōu)于其他的目標(biāo)檢測(cè)算法。

表5 不同目標(biāo)檢測(cè)模型在KITTI數(shù)據(jù)集上效果對(duì)比Tab.5 Comparison of effects of different target detection models on KITTI dataset

為進(jìn)一步驗(yàn)證模型在復(fù)雜惡劣的環(huán)境中對(duì)車(chē)輛目標(biāo)的檢測(cè)效果，本文選取包含各種困難樣本的BDD100K 數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練和測(cè)試，由表6 的測(cè)試結(jié)果可以看出，改進(jìn)后的模型在BDD100K 數(shù)據(jù)集上的檢測(cè)精度與檢測(cè)速度方面均優(yōu)于原始模型。

表6 模型改進(jìn)前后在BDD100K數(shù)據(jù)集上測(cè)試結(jié)果Tab.6 Test results on BDD100K dataset before and after model improvement

由圖11 可以看出，本文算法在KITTI 數(shù)據(jù)集上的檢測(cè)效果良好，在有遮擋及強(qiáng)光照的環(huán)境仍然具有很好的檢測(cè)能力，可以精準(zhǔn)地對(duì)車(chē)輛進(jìn)行分類(lèi)。在BDD100K 數(shù)據(jù)集的夜間環(huán)境中，存在遮擋、小目標(biāo)及反光等因素干擾時(shí)，本文算法也能獲得較好的檢測(cè)效果，對(duì)道路車(chē)輛的檢測(cè)具有良好的魯棒性。

圖11 部分檢測(cè)結(jié)果示意圖Fig.11 Partial schematic diagram of test results

5 結(jié)語(yǔ)

本文提出了一種基于密集連接網(wǎng)絡(luò)的道路車(chē)輛檢測(cè)算法DR-YOLOv4，采用改進(jìn)的密集連接的殘差結(jié)構(gòu)和跨階段局部模塊結(jié)構(gòu)及6 組深度殘差塊的主干網(wǎng)絡(luò)；特征融合階段通過(guò)采用多尺度特征檢測(cè)和跳躍連接方式加強(qiáng)特征信息的融合；并對(duì)重新生成的先驗(yàn)框進(jìn)行分配策略實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，DR-YOLOv4 模型在KITTI 數(shù)據(jù)集上取得了98.21%的均值平均精度與48.05 frame/s 的檢測(cè)速度，具有較好的檢測(cè)精度和實(shí)時(shí)性，對(duì)小目標(biāo)車(chē)輛的檢測(cè)效果良好。最后為了驗(yàn)證模型在復(fù)雜環(huán)境中對(duì)車(chē)輛目標(biāo)的檢測(cè)性能，在BDD100K數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試，結(jié)果表明，改進(jìn)后的模型對(duì)復(fù)雜環(huán)境下的車(chē)輛目標(biāo)也具有良好的檢測(cè)效果。