顧 燕,李 臻,楊 鋒,趙維駿,朱 波,郭一亮,呂 揚,焦國力

(北方夜視科技(南京)研究院有限公司,江蘇 南京 211102)

1 引 言

隨著汽車制造工業(yè)的發(fā)展,小型轎車的城市人均擁有量逐年攀升,城市主要道路上的車流量也在不斷上升。一方面由于智慧城市概念的興起和計算機視覺技術(shù)的發(fā)展,傳統(tǒng)的基于人工的交通管理與規(guī)劃正在被智能算法逐步替代[1]。另一方面,車輛的檢測識別也是實現(xiàn)無人安全駕駛的必要手段。

傳統(tǒng)的圖像車輛檢測算法通常通過經(jīng)典圖像處理方法實現(xiàn)檢測功能,這種采用人工提取圖像特征的方法,主要有背景差分法[2],幀差法[3],以及光流法[4],等車輛實時檢測方法。這類基于人工特征提取的圖像處理算法經(jīng)典、簡單,但缺點也比較明顯,其算法設(shè)計往往過于主觀性,檢測精度不高,穩(wěn)定性較差。

基于人工智能的深度神經(jīng)網(wǎng)絡(luò)目標檢測算法目前主流有兩個方向,一個方向為設(shè)計有緊密-稀疏(Dense-Sparse)候選結(jié)構(gòu)的二階段目標檢測方法,如Faster R-CNN[5]、Fast R-CNN[6]等,另一個方向是緊密(Dense)無區(qū)域建議的端到端檢測算法,如YOLO系列[7]、SSD[8]等。就國際通用的算法精度評價標準AP而言,前者的計算精度遠高于后者。而對Faster R-CNN的改進已經(jīng)廣泛應(yīng)用于道路交通標志檢測[9-10]、道路異物檢測、道路擁堵狀態(tài)檢測、運動行人檢測[9]等方面,在車輛目標檢測方面,魏子洋[11]等通過用k-means聚類改進錨框生成方式的方法提高了Faster R-CNN檢測車輛的精度,劉澤康[12]等通過融合目標的邊緣信息,陳飛[13]等通過融合特征圖信息提高了Faster R-CNN的車輛檢測精度。

本文針對Faster R-CNN的特征提取層,并提出了改進方法,避免了車輛目標因尺度差距過大而引起的檢測精度低的問題,改變Faster R-CNN的NMS方法增強網(wǎng)絡(luò)對多目標重疊情況的魯棒性,本文首先設(shè)計了多感受野特征提取網(wǎng)絡(luò)Tri-VGG,不同感受野的特征信息通過深度融合來提升Faster R-CNN的檢測精度。其次,對RPN(Region Proposal Network)網(wǎng)絡(luò)中的非極大值抑制(NMS,Non-Maximum Suppression)方法進行了探索,設(shè)計了一種改進的soft-NMS算法。最后,設(shè)計了一種參數(shù)調(diào)整和訓(xùn)練策略,解決了在實驗中的過擬合問題。最終本文設(shè)計的檢測算法的評價準確率AP達到了85.32 %,比原始的Faster R-CNN算法提高了5.86 %。

2 模型改進

2.1 神經(jīng)網(wǎng)絡(luò)特征提取機制的改進

針對紅外視頻下車輛目標像素大小差距過大的問題,文獻[14]中提出不同尺度感受野卷積核對于不同尺寸的目標有偏向性,尺度大的感受野卷積核偏向于大目標,相反,尺度小的感受野卷積核偏向于小目標,因此本文設(shè)計了一種多尺度感受野并行提取特征的方法。但直接使用多個感受野的卷積核采樣再融合的方法并不可取,因為這會使神經(jīng)網(wǎng)絡(luò)出現(xiàn)過擬合,不僅算法精度不會有明顯提高,而且會消耗大量的計算成本。

解決上述問題可以采用空洞卷積(Dilated Convolution),權(quán)重因子共享原則進行多個感受野的并行采集。空洞卷積間隔采樣原理示意如圖1所示。

圖1 空洞卷積原理示意圖Fig.1 Schematic diagram of dilated convolution principle

改進模型的特征提取層神經(jīng)網(wǎng)絡(luò)由三路權(quán)重共享以及并行采集融合的卷積神經(jīng)網(wǎng)絡(luò)組成。特征提取層的整體流程示意如圖2所示。其中,Conv表示卷積層(Convlution Layer)。

圖2 特征提取網(wǎng)絡(luò)流程Fig.2 Process of feature extraction network

每一路神經(jīng)網(wǎng)絡(luò)的下采樣結(jié)構(gòu)由4個卷積層及其正則化和激活層以及2個最大池化層(maxpool)組成,卷積核尺寸為3×3,于是每一路的感受野為3×3,5×5,7×7。卷積層通道數(shù)依次為64、64、128、128。卷積核步長(stride)為1,填充(padding)為1。此外,將每一路網(wǎng)絡(luò)的下采用結(jié)構(gòu)中的梯度凍結(jié),即權(quán)重凍結(jié),減緩神經(jīng)網(wǎng)絡(luò)的過擬合情況。

采用九層二維卷積層和三層最大池化層構(gòu)成并行特征采集器的每一個通道,這類似于VGG16的原始結(jié)構(gòu),但是三路權(quán)重僅有一路權(quán)重用于共享,通過元素相加的形式將三路特征提取網(wǎng)絡(luò)進行融合,生成的特征圖傳遞到RPN網(wǎng)絡(luò),還需要經(jīng)過一層正則化-激活-最大池化層處理,特征提取網(wǎng)絡(luò)的總體流程示意圖如圖2所示。

每一路特征圖的尺寸應(yīng)當始終保持一致,本文將非空洞卷積網(wǎng)絡(luò)中的卷積層填充系數(shù)設(shè)置為1,步長系數(shù)設(shè)置為1；將一路空洞卷積層的膨脹系數(shù)設(shè)置為2,則3×3大小的卷積核等效于5×5大小的感受野,卷積核填充系數(shù)為2,步長系數(shù)設(shè)置為1；另一路空洞卷積層的膨脹系數(shù)為3,則3×3大小的卷積核等效于7×7大小的感受野,卷積核填充系數(shù)為3,步長系數(shù)為1。

這樣設(shè)計的原因是為了使得三路網(wǎng)絡(luò)共享一組權(quán)重,實驗中發(fā)現(xiàn),如果同時不同的權(quán)重對三路網(wǎng)絡(luò)進行訓(xùn)練則會出現(xiàn)由參數(shù)冗余導(dǎo)致的網(wǎng)絡(luò)過擬合,會出現(xiàn)損失函數(shù)無法收斂、檢測精度無法提高、訓(xùn)練時間過渡延長等問題,于是我們采用權(quán)重共享策略來避免過擬合問題。三路網(wǎng)絡(luò)在訓(xùn)練和預(yù)測時只使用一組共享權(quán)重,即從初始化到訓(xùn)練完成都是共享的,這種共享權(quán)重的方式可以減小計算成本從而大大提升算法速度。并行特征提取網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖3所示,網(wǎng)絡(luò)之間的每一層卷積層共享權(quán)重。

圖3 并行提取網(wǎng)絡(luò)示意圖Fig.3 Schematic diagram of parallel extraction network

2.2 NMS過程的改進

針對紅外視頻內(nèi)車輛在視野中重疊概率較高的問題,對Faster R-CNN邊框回歸中的NMS方法改進進行了探索。

Faster R-CNN在RPN網(wǎng)絡(luò)過濾生成的錨框時使用了非極大值抑制NMS(Non-Maximum Suppression)方法。其大致過程是對于重疊部分較多的檢測框進行概率排序,只保留其中概率最高的檢測框,而將其余檢測框直接取消。但是對于道路上的車輛檢測,視野中出現(xiàn)目標重疊的情況十分常見,因此直接將相近的檢測框取消會降低算法的檢測精度。

作為生物圈中的一員，人類的活動對生物圈有重要影響。為了讓學生有切身體會，在本課中，教師請學生閱讀書本上的4個案例，要求小組討論，并發(fā)揮聯(lián)想交流啟示。

文獻[15]提出了一種基于IOU權(quán)重函數(shù)的Soft-NMS方法,但是這種方法的計算時間開銷會隨圖片尺寸的變化呈指數(shù)級增長,且對于非密集圖片的檢測精度沒有明顯的提升。

基于上述問題基于Soft-NMS進行了改進,即對于與分數(shù)最大的框的IOU小于Nt1的檢測框不作處理,對IOU介于Nt1和Nt2之間的檢測框作線性權(quán)重衰減,而對IOU大于Nt2的框直接取消。

2.3 訓(xùn)練策略

2.3.1 VGG預(yù)訓(xùn)練

改進后的Faster R-CNN在ROI Pooling層的分類網(wǎng)絡(luò)仍采用VGG16的三個全連接層(Fully connection Layer)加一層softmax的決策網(wǎng)絡(luò)結(jié)構(gòu),而特征提取部分的前四個卷積層也與VGG16的結(jié)構(gòu)相同。于是可以先采用基于VGG16分類網(wǎng)絡(luò)的Faster R-CNN訓(xùn)練數(shù)據(jù)集,將訓(xùn)練得到的權(quán)重分配給相應(yīng)的層,如圖4所示。

圖4 VGG16權(quán)重預(yù)訓(xùn)練策略Fig.4 Weight pre-training strategy based on VGG16

將VGG16網(wǎng)絡(luò)前四層分配給特征提取層的下采樣部分,并且為了防止參數(shù)冗余將下采樣層學習率設(shè)置為0,使其不再參與學習。將VGG最后四層分配給Faster R-CNN的分類器,作為分類器的預(yù)訓(xùn)練權(quán)重繼續(xù)參與學習。

2.3.2 權(quán)重衰減和dropout策略

訓(xùn)練網(wǎng)絡(luò)時,為了避免可學習參數(shù)過多導(dǎo)致神經(jīng)網(wǎng)絡(luò)出現(xiàn)過擬合現(xiàn)象,本文采用L2正則化(1)抑制網(wǎng)絡(luò)中的所有權(quán)重,避免某一部分權(quán)重出現(xiàn)過高或過低的現(xiàn)象。

(1)

其中,L0為Faster R-CNN中的RPN網(wǎng)絡(luò)總損失函數(shù);n為訓(xùn)練集樣本量;λ是一個調(diào)整對權(quán)重的超參數(shù);ω為神經(jīng)網(wǎng)絡(luò)中的可學習參數(shù),即神經(jīng)網(wǎng)絡(luò)權(quán)重。

此外,本文采用dropout方法對神經(jīng)網(wǎng)絡(luò)中的最后幾層分類層進行訓(xùn)練。dropout是一種神經(jīng)網(wǎng)絡(luò)隨機失活的策略,在訓(xùn)練中隨機失活部分卷積核,使其權(quán)重降為0,這樣可以動態(tài)的平衡分類層中各卷積核的重要性,可以有效規(guī)避因網(wǎng)絡(luò)可學習參數(shù)過多導(dǎo)致的過擬合問題。

3 實驗及分析

本文的采用驗證平臺:硬件資源顯卡NVIDIA TITAN XP×2,軟件環(huán)境Ubuntu16.04LTS系統(tǒng),Pytorch1.3.1編程框架,并且采用了CUDA 10.0 GPU加速環(huán)境。

3.1 數(shù)據(jù)集的準備

為了增強實驗的說服力,我們采用公開的FIRL數(shù)據(jù)集。該數(shù)據(jù)集分為兩個部分,不僅提供了帶人工標注的熱成像數(shù)據(jù)集,而且第二個部分提供了對應(yīng)的無標注RGB彩色圖像,用于訓(xùn)練和驗證神經(jīng)網(wǎng)絡(luò)。數(shù)據(jù)通過車載RGB相機和熱成像儀器采集獲得。FIRL數(shù)據(jù)集內(nèi)一共有5個類別,我們對數(shù)據(jù)集處理,將其他類別的標注屏蔽,保留數(shù)據(jù)集轎車和其他兩類,并將其合并一類,命名為“車輛”。

FIRL數(shù)據(jù)集共有三類輸入圖像,分別為RGB圖像、8比特紅外圖像、16比特紅外圖像,本文僅采用8比特紅外圖像作為實驗數(shù)據(jù)集,其中訓(xùn)練集有8862張圖像；測試集有1366張圖像；不設(shè)置驗證集。所有圖像的尺寸均為640×512×3,如圖5所示。

圖5 FIRL數(shù)據(jù)集輸入圖像Fig.5 Input image from FIRL dataset

此外,為了提升算法權(quán)重的魯棒性,在訓(xùn)練時對輸入的圖像進行隨機翻轉(zhuǎn)、對稱、附加高斯噪聲等圖像增強操作。

3.2 實驗細節(jié)

本文采用國際通用的評價標準“平均精確率(Average Precision,AP)”為評價標準來評價神經(jīng)網(wǎng)絡(luò)模型檢測性能。

為了對比soft-NMS對算法檢測精度的影響,首先采用原始的Faster R-CNN對數(shù)據(jù)集進行訓(xùn)練,循環(huán)14次,batch大小為16張圖片,前四層卷積層初始學習率Rl=0,其余層初始學習率Rl=0.001,每一個循環(huán)學習率下降,比率為0.1,RPN候選框取300個/張,權(quán)重衰減常數(shù)為0.0001。然后在Faster R-CNN的RPN網(wǎng)絡(luò)采用改進的soft-NMS的進行訓(xùn)練,其他參數(shù)同上。

實驗中發(fā)現(xiàn),soft-NMS的閾值Nt1取值范圍在0.3到0.5,Nt2取0.7～0.9之間時優(yōu)化效果較明顯,檢測AP如表1所示。

表1 改進的soft-NMS不同取值對應(yīng)的APTab.1 AP values corresponding to different values of improved soft-NMS

選取改進的soft-NMS的兩個閾值分別取Nt1=0.4,Nt2=0.9的模型作為對比,訓(xùn)練結(jié)果每10個batch打印一次,結(jié)果如圖6所示。

圖6 改進的soft-NMS與NMS方法損失函數(shù)及AP對比Fig.6 Comparison of improved soft-NMS and NMS methods in loss function and AP

圖例SNMS和NMS分別代表基于soft-NMS和NMS的算法由損失函數(shù)曲線圖和AP曲線可以看出,是否采用改進的soft-NMS對于損失函數(shù)的收斂影響并不顯著,但是采用soft-NMS方法可以略微增加目標檢測的準確度,改進后的算法AP達到了82.31 %,相較于改進之前79.46 %提高了約2.85 %。

同樣地,用基于改進的soft-NMS方法、VGG16網(wǎng)絡(luò)作為特征提取層的Faster R-CNN作為對照設(shè)計實驗檢驗Tri-VGG網(wǎng)絡(luò)對算法檢測性能的影響。batch大小取16,循環(huán)14次,前四層卷積層初始學習率Rl=0,其余層初始學習率為Rl=0.001,每一個循環(huán)學習率下降,比率為0.1,RoI候選框取256個/張,權(quán)重衰減常數(shù)為0.0001。實驗結(jié)果每10個batch打印一次,結(jié)果如圖7所示。圖例中的VGG16表示特征提取層為VGG16的網(wǎng)絡(luò),Tri-VGG1表示不采用權(quán)重共享、不采用預(yù)訓(xùn)練策略以及不采用正則化方法的Tri-VGG特征提取網(wǎng)絡(luò),Tri-VGG2表示采用權(quán)重共享及預(yù)訓(xùn)練策略、權(quán)重衰減系數(shù)為0.0001、dropout系數(shù)為0.4的Tri-VGG特征提取網(wǎng)絡(luò)。

圖7 Tri-VGG與VGG16特征提取層的Faster R-cnn損失函數(shù)及AP對比Fig.7 Comparison of Tri-VGG and VGG16 feather extraction layer in Faster R-cnn loss function and AP

由實驗結(jié)果發(fā)現(xiàn),未采取任何訓(xùn)練策略的Tri-VGG特征提取網(wǎng)絡(luò)的損失函數(shù)無法進一步收斂,而算法的檢測精度卻無法提升,這是因為存在參數(shù)冗余,也就是過擬合現(xiàn)象。

于是我們對該網(wǎng)絡(luò)采取了凍結(jié)預(yù)訓(xùn)練卷積層、權(quán)重共享、權(quán)重衰減、dropout等方法避免網(wǎng)絡(luò)的過擬合,在實驗中發(fā)現(xiàn),隨著dropout系數(shù)的增長,網(wǎng)絡(luò)的過擬合現(xiàn)象起初會得到較好的改善,但是如果dropout系數(shù)超過0.4,網(wǎng)絡(luò)的檢測性能的不穩(wěn)定性就會較為突出,每次試驗的結(jié)果波動較大,于是本文采用的dropout為0.4是緩解網(wǎng)絡(luò)過擬合的前提下,較為穩(wěn)妥的選擇。由圖7可以看出,經(jīng)過預(yù)訓(xùn)練的Tri-VGG網(wǎng)絡(luò)的收斂效果也有明顯的提升,采用Tri-VGG的神經(jīng)網(wǎng)絡(luò)模型得到的AP達到了85.21 %,相較于原始的VGG神經(jīng)網(wǎng)絡(luò)模型高出了約3.01 %。

表2為幾種算法的綜合對比,實驗結(jié)果表明,檢測精度上一階段網(wǎng)絡(luò)檢測模型稍遜于二階段網(wǎng)絡(luò)模型,而本文的模型相比RPN網(wǎng)絡(luò)采用soft-NMS的Faster R-CNN模型AP提高了3.01 %,相比原始的Faster R-CNN檢測算法AP提高了5.86 %。運算速度上,一階段算法的運算速度略快于二階段算法,本文的網(wǎng)絡(luò)模型檢測速度為20 f/s,在滿足檢測實時性的條件下,盡可能的提升了算法的檢測精度。算法的可視化結(jié)果如圖8所示。

表2 算法檢測精度比較Tab.2 Comparison of detection accuracy of algorithms

圖8 紅外車輛檢測算法可視化結(jié)果Fig.8 Visualization results of infrared vehicle detection algorithm

4 結(jié) 論

本文在Faster R-CNN網(wǎng)絡(luò)基礎(chǔ)上發(fā)展了一種權(quán)重共享的多感受野融合特征提取網(wǎng)絡(luò)Tri-VGG,并且設(shè)計了改進的soft-NMS方法改進了Faster R-CNN的第二次NMS過程,并且設(shè)計了訓(xùn)練策略防止網(wǎng)絡(luò)過擬合,使得改進的多尺度特征融合的Faster R-CNN網(wǎng)絡(luò)對于擁堵路況的小型車輛的AP最高達到了86.65 %,車輛檢測AP達到了85.32 %,比采用了改進soft-NMS的Faster R-CNN高了3.01 %,比原始的Faster R-CNN網(wǎng)絡(luò)高了5.86 %。后續(xù)的研究可從優(yōu)化Faster R-CNN的邊框回歸機制、改進網(wǎng)絡(luò)的損失函數(shù)以及提高算法檢測速度等方向進行。