黃 靜，張 健

(浙江理工大學(xué)信息學(xué)院，浙江 杭州 310018)

syhj_sy@163.com;gxzj126@126.com

1 引言(Introduction)

隨著我國(guó)農(nóng)業(yè)轉(zhuǎn)向高質(zhì)量發(fā)展階段，畜牧養(yǎng)殖業(yè)也向著標(biāo)準(zhǔn)化、專(zhuān)精化、信息與智能化的發(fā)展方向轉(zhuǎn)變，出現(xiàn)了智能化養(yǎng)殖的新理念。畜禽的健康養(yǎng)殖要求養(yǎng)殖人員對(duì)其養(yǎng)殖的每一只畜禽要有及時(shí)和準(zhǔn)確的了解，以實(shí)現(xiàn)智能化的管理。與此相關(guān)的自動(dòng)化和智能化既是相關(guān)產(chǎn)業(yè)發(fā)展的迫切需求，也是相關(guān)科研人員研究的重點(diǎn)之一。生豬養(yǎng)殖業(yè)就是這種情況的典型代表，通過(guò)圖像進(jìn)行豬個(gè)體的目標(biāo)檢測(cè)，為后續(xù)實(shí)現(xiàn)豬養(yǎng)殖過(guò)程的精細(xì)化管理提供了技術(shù)支持。

對(duì)于豬個(gè)體目標(biāo)檢測(cè)這樣的問(wèn)題，近年來(lái)，深度學(xué)習(xí)技術(shù)應(yīng)用于該領(lǐng)域的算法發(fā)展很快，各種優(yōu)秀的網(wǎng)絡(luò)模型被提出來(lái)。基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法又可以分為兩種：Onestage目標(biāo)檢測(cè)算法與Two-stage目標(biāo)檢測(cè)算法。Onestage目標(biāo)檢測(cè)算法事先預(yù)設(shè)候選框，因此其計(jì)算速度比較快，計(jì)算量相對(duì)較低，缺點(diǎn)是準(zhǔn)確度相對(duì)較低。YOLO系列目標(biāo)檢測(cè)算法是其代表，目前已經(jīng)有YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5。Two-stage目標(biāo)檢測(cè)算法的過(guò)程則是在輸入后，第一步確定候選框，然后對(duì)這些候選框進(jìn)行識(shí)別，以確定其類(lèi)別。因此，這些算法得到的檢測(cè)結(jié)果往往比較精確，但是計(jì)算量較大，目標(biāo)檢測(cè)的速度比較慢。其代表網(wǎng)絡(luò)算法則為RCNN系列，包括R-CNN、Fast R-CNN、Faster R-CNN及Mask R-CNN等。

目前，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)用于豬個(gè)體目標(biāo)檢測(cè)問(wèn)題。例如，PSOTA等和宋偉先都利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行豬個(gè)體目標(biāo)檢測(cè)；房俊龍等搭建了改進(jìn)的CenterNet網(wǎng)絡(luò)；孫東來(lái)等搭建了改進(jìn)的YOLOv3網(wǎng)絡(luò)等。

上述模型采集的數(shù)據(jù)圖像大多采集于大型養(yǎng)殖場(chǎng)，圖像質(zhì)量較高，未能充分考慮復(fù)雜豬舍環(huán)境中光照較暗，豬易被遮擋導(dǎo)致的圖像區(qū)域面積較小、特征匱乏的問(wèn)題。同時(shí)，實(shí)際豬個(gè)體目標(biāo)檢測(cè)出現(xiàn)漏檢錯(cuò)檢問(wèn)題也大都與這兩個(gè)原因有關(guān)。

針對(duì)該問(wèn)題，本文通過(guò)在原始SSD算法的基礎(chǔ)上引入FPN結(jié)構(gòu)和CBAM注意力機(jī)制，并引入Focal Loss損失函數(shù)，在不顯著降低原始算法計(jì)算實(shí)時(shí)性的同時(shí)，提高算法的豬個(gè)體目標(biāo)檢測(cè)精度和對(duì)豬遮擋及光線不足情況的適應(yīng)性，更好地實(shí)現(xiàn)在實(shí)際豬舍環(huán)境下的豬個(gè)體目標(biāo)檢測(cè)。

2 SSD算法模型(The model of SSD algorithm)

SSD算法是一種經(jīng)典的目標(biāo)檢測(cè)算法，也是目前目標(biāo)檢測(cè)算法一種重要的檢測(cè)框架。原始的SSD算法性能相對(duì)平均，其與以精準(zhǔn)度見(jiàn)長(zhǎng)的Faster R-CNN算法相比檢測(cè)速度快，與以速度著稱(chēng)的YOLO系列算法相比精準(zhǔn)性更好。

2.1 SSD算法的網(wǎng)絡(luò)結(jié)構(gòu)

SSD網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。

圖1 SSD網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Diagram of SSD network structure

SSD的網(wǎng)絡(luò)模型使用VGG網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，與VGG16網(wǎng)絡(luò)一樣有16 層，包含五組卷積。其中，有兩組卷積都分別由兩個(gè)卷積層組成，剩下的三組卷積則分別由三個(gè)卷積層以及三個(gè)全連接層構(gòu)成。但是和原始的VGG16網(wǎng)絡(luò)不同的是，起初為全連接層的FC6和FC7轉(zhuǎn)為卷積層，還一并擯棄了全部的Dropout層與FC8層。此外，在VGG16的特征提取層后又新增了Conv6、Conv7、Conv8、Conv9四個(gè)卷積層。

2.2 SSD算法的目標(biāo)預(yù)測(cè)和分類(lèi)過(guò)程

SSD算法使用六個(gè)卷積層對(duì)應(yīng)的大小各異的特征圖作為預(yù)測(cè)部分的輸入，分別是第四卷積層中的最后一次卷積的特征圖、FC7中卷積的特征圖、第六和第七以及第八和第九卷積層中的中間的卷積對(duì)應(yīng)的特征圖。SSD默認(rèn)框從這六張?zhí)卣鲌D中生成先驗(yàn)框。先驗(yàn)框由兩部分組成：先驗(yàn)框中心位置信息和尺寸信息。先驗(yàn)框中心能夠把特征圖劃分為許許多多尺寸固定的網(wǎng)格，其數(shù)量的多少與特征圖的大小成正相關(guān)，這就相當(dāng)于將原始的輸入圖像根據(jù)特征圖的尺寸分別分割成網(wǎng)格。

SSD算法會(huì)在每個(gè)特征圖中生成四個(gè)或者六個(gè)先驗(yàn)框，然后進(jìn)入先驗(yàn)框的微調(diào)和篩選過(guò)程。在一張?zhí)卣鲌D中，SSD算法會(huì)先根據(jù)交并比選出和真實(shí)框重合度超過(guò)某個(gè)事先確定的閾值的先驗(yàn)框，這些先驗(yàn)框被稱(chēng)為正樣本。而其他的先驗(yàn)框則被稱(chēng)為負(fù)樣本。在這種情況下，可能會(huì)產(chǎn)生正樣本的數(shù)量遠(yuǎn)遠(yuǎn)少于負(fù)樣本的問(wèn)題。因此，SSD采用了和R-CNN網(wǎng)絡(luò)同樣的難例挖掘方法，也就是首先使用正樣本和負(fù)樣本的一個(gè)子集去訓(xùn)練SSD網(wǎng)絡(luò)，然后立即用這個(gè)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)并將那些被錯(cuò)誤預(yù)測(cè)的負(fù)樣本(這些負(fù)樣本的正確的分類(lèi)應(yīng)該是正樣本)收集起來(lái)，形成難樣本集，最后再使用這個(gè)難樣本集去訓(xùn)練網(wǎng)絡(luò)模型，如此反復(fù)。在整個(gè)過(guò)程中，保持正負(fù)樣本的數(shù)量比例接近1∶3。完成后，SSD算法使用非極大值抑制的方法進(jìn)行先驗(yàn)框的篩選，將不合適的先驗(yàn)框去掉，留下的即為檢測(cè)結(jié)果。

2.3 SSD算法的損失函數(shù)

SSD算法的損失函數(shù)包含預(yù)測(cè)類(lèi)別置信度損失和位置回歸損失兩部分。損失函數(shù)是通過(guò)這兩者的結(jié)合產(chǎn)生的，具體如式(1)所示：

3 SSD算法的改進(jìn)(Improvement of SSD algorithm)

由于豬圖像的光照條件差、豬個(gè)體被遮擋等造成檢測(cè)困難的直接原因是圖像中的目標(biāo)區(qū)域較小，特征不夠明顯。為了解決這個(gè)問(wèn)題，需要加強(qiáng)算法的特征提取能力，增強(qiáng)其對(duì)較小目標(biāo)和困難目標(biāo)的檢測(cè)能力。同時(shí)，通過(guò)改進(jìn)損失函數(shù)，可以使網(wǎng)絡(luò)更加專(zhuān)注于這些難以檢測(cè)的目標(biāo)，提高該類(lèi)目標(biāo)的檢測(cè)成功率?；诖?，本文做了如下改進(jìn)。

3.1 CBAM注意力機(jī)制

在算法中加入注意力機(jī)制可以使其無(wú)視無(wú)足輕重的特征信息，著重注意重要的特征信息，增強(qiáng)算法的表征能力，進(jìn)而提高算法的目標(biāo)檢測(cè)能力。

CBAM作為混合域注意力機(jī)制，將通道和空間這兩種因素結(jié)合在一起構(gòu)建注意力模塊，使其更加全面，也更加高效。同時(shí)，作為一種輕量化模塊，加入CBAM模塊不會(huì)顯著增加卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算量，卻可以提高目標(biāo)檢測(cè)的準(zhǔn)確性。

CBAM模塊的流程是：首先在卷積神經(jīng)網(wǎng)絡(luò)中選出特定的特征圖送入通道注意力模塊中，將通道注意力結(jié)果和初始的特征圖進(jìn)行乘法操作；將所得到的中間結(jié)果送入空間注意力模塊中，然后將空間模塊的輸出結(jié)果與原來(lái)的中間結(jié)果相乘，即可得出最后的輸出結(jié)果。

3.2 特征金字塔結(jié)構(gòu)

SSD目標(biāo)檢測(cè)算法是一款經(jīng)典的目標(biāo)檢測(cè)算法，既擁有較快的計(jì)算速度，滿(mǎn)足大多數(shù)場(chǎng)景下實(shí)時(shí)性的需求，又可以擁有不錯(cuò)的準(zhǔn)確率，而且與Faster R-CNN相比，其訓(xùn)練過(guò)程無(wú)須中間權(quán)重的存儲(chǔ)過(guò)程，降低了訓(xùn)練成本。SSD網(wǎng)絡(luò)所采用的多特征圖檢測(cè)方式當(dāng)時(shí)較為先進(jìn)，但從當(dāng)下看仍有較大的改進(jìn)空間。

單從算法結(jié)構(gòu)方面來(lái)說(shuō)，SSD算法通過(guò)改進(jìn)VGG16網(wǎng)絡(luò)，提取其中六個(gè)特征圖，分別對(duì)這些特征圖進(jìn)行直接識(shí)別和分類(lèi)，可能會(huì)出現(xiàn)多個(gè)特征圖識(shí)別到同一個(gè)語(yǔ)義信息的問(wèn)題，造成重復(fù)和浪費(fèi)。由于不同尺度的特征圖對(duì)不同目標(biāo)的表征能力不同，而SSD算法又沒(méi)有當(dāng)下已經(jīng)應(yīng)用很普遍的多特征融合，造成了其目標(biāo)的檢測(cè)能力有較大進(jìn)步空間。

特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)(FPN)是一種常常被用來(lái)解決目標(biāo)多尺度檢測(cè)問(wèn)題的重要手段，是多特征融合的主要結(jié)構(gòu)之一。其在YOLOv3以來(lái)的YOLO系列算法中與PAN結(jié)構(gòu)相結(jié)合的應(yīng)用已經(jīng)十分成熟。

FPN結(jié)構(gòu)只需在已經(jīng)成熟的網(wǎng)絡(luò)模型基礎(chǔ)上更改網(wǎng)絡(luò)層之間連接的方式，在盡量降低對(duì)算法計(jì)算量和實(shí)時(shí)性的影響的情況下，有效提高網(wǎng)絡(luò)模型對(duì)小目標(biāo)的檢測(cè)能力。

特征金字塔結(jié)構(gòu)將深層特征圖(包含豐富的語(yǔ)義特征信息)和淺層特征圖(包含豐富的紋理信息)通過(guò)三種連接方式(自上而下、自下而上和橫向連接)進(jìn)行相互結(jié)合，使得各不同尺度特征圖都擁有豐富的特征信息，然后再在這些不同層級(jí)的特征圖上進(jìn)行檢測(cè)。

將特征金字塔、CBAM模塊和原始的SSD算法進(jìn)行有機(jī)結(jié)合，得到改進(jìn)的SSD算法，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 改進(jìn)后的SSD網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 Diagram of improved SSD network structure

3.3 Focal Loss損失函數(shù)

對(duì)于因?yàn)楣饩€條件較差，豬被遮擋導(dǎo)致的難以識(shí)別的豬個(gè)體，其檢測(cè)網(wǎng)絡(luò)模型應(yīng)該進(jìn)行重點(diǎn)關(guān)注。同時(shí)，豬個(gè)體目標(biāo)檢測(cè)問(wèn)題只需分辨豬個(gè)體和背景這兩種類(lèi)別，目標(biāo)數(shù)量較少，這樣就會(huì)造成正負(fù)樣本的數(shù)量不平衡。雖然SSD算法事先設(shè)定了正負(fù)樣本的比例，避免被過(guò)多的負(fù)樣本在訓(xùn)練時(shí)浪費(fèi)掉模型分辨樣本的能力，但還需要進(jìn)一步改進(jìn)。

為此，引入Focal Loss損失函數(shù)。該損失函數(shù)可以有針對(duì)性地解決這個(gè)問(wèn)題。

Focal Loss損失函數(shù)如式(10)所示：

初步改進(jìn)后的Focal Loss損失函數(shù)如式(11)所示：

這樣就既能夠解決正負(fù)樣本數(shù)量不平衡問(wèn)題，也能夠使得模型更加注重難分類(lèi)的樣本。在本次實(shí)驗(yàn)中，這些樣本就是因?yàn)楣庹?、遮擋等?wèn)題造成的難以檢測(cè)到的樣本。

將Focal Loss損失函數(shù)置換原本的預(yù)測(cè)類(lèi)別置信度損失函數(shù)，得到的改進(jìn)SSD網(wǎng)絡(luò)結(jié)構(gòu)的損失函數(shù)如式(13)所示：

4 實(shí)驗(yàn)分析(Experimental analysis)

4.1 數(shù)據(jù)集制作

本次實(shí)驗(yàn)通過(guò)網(wǎng)絡(luò)爬蟲(chóng)程序獲得網(wǎng)絡(luò)上公開(kāi)的豬目標(biāo)圖片，以及從互聯(lián)網(wǎng)公開(kāi)視頻和自己實(shí)地拍攝的視頻中截取的豬目標(biāo)圖片共5,122 張，其中特別加入含有豬被遮擋、光照條件差的圖片約1,000 張組成實(shí)驗(yàn)數(shù)據(jù)集。每張圖片至少包含一個(gè)目標(biāo)，可能包含多個(gè)目標(biāo)。整個(gè)數(shù)據(jù)集按照Pascal VOC 2007數(shù)據(jù)集格式制作，在統(tǒng)一將圖片尺寸縮放為416×416后，利用Imglabel軟件對(duì)圖片中的目標(biāo)進(jìn)行標(biāo)注，并將結(jié)果保存為XML文件。標(biāo)注完成后，隨機(jī)按8∶1∶1將其劃分成訓(xùn)練集、驗(yàn)證集和測(cè)試集。

4.2 實(shí)驗(yàn)平臺(tái)條件

本次實(shí)驗(yàn)的軟硬件條件及其相關(guān)配置如表1所示。

表1 實(shí)驗(yàn)環(huán)境及配置Tab.1 Experimental environment and configuration

4.3 評(píng)價(jià)指標(biāo)

結(jié)合本次實(shí)驗(yàn)的實(shí)際情況，決定采用平均精度指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)，其是精確率關(guān)于召回率的積分。兩者分別如式(14)和式(15)所示：

其中，表示正樣本被正確檢測(cè)的個(gè)數(shù)；表示正樣本被錯(cuò)誤檢測(cè)成負(fù)樣本的個(gè)數(shù)；表示負(fù)樣本被錯(cuò)誤檢測(cè)成正樣本的個(gè)數(shù)。精確率表示的是正確分類(lèi)的樣本占所有樣本的比重；召回率則表示的是檢測(cè)正確的正樣本占所有正樣本的比重。

另外三個(gè)評(píng)價(jià)指標(biāo)為檢測(cè)速度、誤檢率、漏檢率。檢測(cè)速度指其在數(shù)據(jù)集或者視頻流中每一秒檢測(cè)的圖像張數(shù)或者幀數(shù)。誤檢率為將不是目標(biāo)的圖像檢測(cè)為目標(biāo)的數(shù)目占總應(yīng)檢出目標(biāo)數(shù)目的比值。漏檢率為本應(yīng)是目標(biāo)的圖像檢測(cè)為不是目標(biāo)的數(shù)目占總應(yīng)檢出目標(biāo)數(shù)目的比值。

4.4 實(shí)驗(yàn)結(jié)果分析

分別對(duì)原始SSD算法和改進(jìn)后的SSD算法進(jìn)行訓(xùn)練，待兩者的損失函數(shù)收斂后完成訓(xùn)練。分別使用測(cè)試集對(duì)這兩個(gè)已經(jīng)訓(xùn)練好的模型進(jìn)行對(duì)比驗(yàn)證，得到的結(jié)果如表2所示。

表2 SSD網(wǎng)絡(luò)模型改進(jìn)前后性能指標(biāo)對(duì)比表Tab.2 Comparison table of performance indicators before and after the improvement of SSD network model

為了驗(yàn)證改進(jìn)后的SSD算法模型的實(shí)際效果，取存在光照較差、豬被遮擋情況的豬舍視頻進(jìn)行視頻檢測(cè)。檢測(cè)過(guò)程中，檢測(cè)平均速度為21.6 FPS，典型檢測(cè)結(jié)果截圖如圖3所示。

圖3 視頻檢測(cè)結(jié)果圖Fig.3 Diagram of video detection results

為了定量對(duì)改進(jìn)后的SSD算法模型的檢測(cè)效果進(jìn)行分析，將兩種算法模型對(duì)上述視頻的檢測(cè)結(jié)果隨機(jī)進(jìn)行截取，獲得約800 張圖像。隨機(jī)選取其中292 張含有豬目標(biāo)的圖像進(jìn)行計(jì)數(shù)，計(jì)算出兩種算法對(duì)該視頻的誤檢率和漏檢率結(jié)果，如表3所示。

表3 SSD網(wǎng)絡(luò)模型改進(jìn)前后實(shí)際視頻檢測(cè)結(jié)果對(duì)比表Tab.3 Comparison table of actual video detection results before and after the improvement of SSD network model

從表2和表3可以看出，改進(jìn)的SSD算法有96.38%的平均精度，相較于原始SSD算法，其FPS指標(biāo)降低了1.7%，但平均精度卻提高了2.97%。平均精度的提高得益于改進(jìn)的SSD算法通過(guò)FPN結(jié)構(gòu)與CBAM機(jī)制的聯(lián)合應(yīng)用，提高了網(wǎng)絡(luò)對(duì)豬個(gè)體目標(biāo)的特征提取能力。同時(shí)，漏檢率降低了3.65%，誤檢率降低了1.45%，兩者的降低不僅與上述網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)有關(guān)，改進(jìn)的損失函數(shù)使網(wǎng)絡(luò)模型更加關(guān)注這類(lèi)目標(biāo)也起了一定作用。整體改進(jìn)后雖然算法的實(shí)時(shí)性略有降低，但在進(jìn)行視頻檢測(cè)時(shí)仍能有21.6 FPS，基本可以滿(mǎn)足可能的視頻實(shí)時(shí)監(jiān)測(cè)需求。同時(shí)，從圖3中可以發(fā)現(xiàn)，對(duì)于左側(cè)光線較暗且豬個(gè)體存在一定的相互遮擋的情況，以及右側(cè)豬大部分被遮擋的情況，改進(jìn)后的SSD算法均可以對(duì)其進(jìn)行有效識(shí)別，但部分豬目標(biāo)的檢測(cè)框與實(shí)際個(gè)體之間的空隙稍大。綜上說(shuō)明，改進(jìn)后的SSD算法對(duì)于光線較暗和豬遮擋情況均有良好的適應(yīng)性，對(duì)因此造成的豬目標(biāo)難以檢測(cè)問(wèn)題有一定的改善。

5 結(jié)論(Conclusion)

本文基于SSD目標(biāo)檢測(cè)算法，對(duì)豬個(gè)體目標(biāo)檢測(cè)問(wèn)題進(jìn)行探究。首先，通過(guò)廣泛收集數(shù)據(jù)，構(gòu)建了較為全面的數(shù)據(jù)集，同時(shí)對(duì)訓(xùn)練集、驗(yàn)證集和測(cè)試集進(jìn)行了劃分。然后，為了提高原始算法對(duì)豬個(gè)體目標(biāo)的檢測(cè)能力，使用FPN結(jié)構(gòu)和CBAM模塊對(duì)網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用Focal Loss損失函數(shù)對(duì)原有損失函數(shù)進(jìn)行改進(jìn)。在對(duì)改進(jìn)后的網(wǎng)絡(luò)完成訓(xùn)練后，使用測(cè)試集數(shù)據(jù)和豬舍視頻進(jìn)行了測(cè)試，最終的實(shí)驗(yàn)結(jié)果表明，相較于原算法，改進(jìn)后的SSD網(wǎng)絡(luò)模型在豬個(gè)體目標(biāo)檢測(cè)問(wèn)題上有96.38%的平均精度，檢測(cè)平均速度為21.6 FPS，并對(duì)光線變化和目標(biāo)遮擋情況有更好的適應(yīng)性。但同時(shí)也發(fā)現(xiàn)，部分檢測(cè)框與實(shí)際個(gè)體之間的空隙稍大，需要進(jìn)一步探究和改進(jìn)。