江子昂　李小玉　李洋　羅力　張澤世

關(guān)鍵詞：YOLOv5s；目標(biāo)檢測；車輛檢測

中圖分類號： TP311 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2023）03-0019-03

1 引言

截至2022年6月底，公安部已經(jīng)官方宣布我國的車輛總量已經(jīng)達(dá)到了4.06億輛，與2021年底比較，新增加了1082 萬輛汽車（扣除報(bào)廢注銷量），增長率為2.74%。其中，2022年6月之前新注冊登記的車輛就有1657萬輛。這說明了我國人民的生活質(zhì)量處于不斷上升的趨勢中，對汽車的需求量也在持續(xù)的增加，這就導(dǎo)致道路交通擁堵現(xiàn)象越來越多。日益增加的汽車數(shù)量以及相對落后的道路交通管理系統(tǒng)是造成道路交通擁堵的最主要根源[1]。車輛目標(biāo)檢測在道路交通管理系統(tǒng)中扮演著十分關(guān)鍵的角色。車輛目標(biāo)檢測屬于電腦視覺的典型任務(wù)，其目的就是從圖片中找出物品的具體的位置，并檢測出物品的具體類別是什么[2]。如果可以快速且準(zhǔn)確地檢測出車輛，就可以對車輛流動做出最及時(shí)的管理從而避免道路交通擁堵。

最近幾年中卷積神經(jīng)網(wǎng)絡(luò)的研究獲得了迅猛的成長，使得基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法也受到了更多的重視與應(yīng)用，其中比較典型的方法包括RCNN[3]，F(xiàn)ast R-CNN[4]，F(xiàn)aster R-CNN[5]等一些基于候選框的二層次方法，不過由于這一類方法在訓(xùn)練的時(shí)候需要相當(dāng)大的空間且訓(xùn)練和檢測的速度非常慢，因此這類二層次方法并不合適用在交通管理系統(tǒng)中來檢測大批次的車輛。YOLO系列算法是當(dāng)前比較流行的另外一種類型的算法，此算法的訓(xùn)練和檢測速度非常快，因此廣泛地被應(yīng)用于工業(yè)上面。本文使用YOLOv5算法中的YOLOv5s模型來進(jìn)行復(fù)雜情況下的車輛檢測，用數(shù)據(jù)標(biāo)記軟件labelimg 對公共數(shù)據(jù)集StanfordCar Dataset[6]進(jìn)行標(biāo)記處理，得到用訓(xùn)練、測試和驗(yàn)證各150張汽車圖片組成的數(shù)據(jù)集，基于得到的數(shù)據(jù)集進(jìn)行YOLOv5s模型的訓(xùn)練測試和驗(yàn)證，最后利用互聯(lián)網(wǎng)和實(shí)地拍攝的數(shù)據(jù)材料來實(shí)際驗(yàn)證模型的性能。

2 YOLOv5 模型概述

YOLO的意思就是you only look once（你只看一次），這類算法的創(chuàng)造性在于它把目標(biāo)檢測問題看待成回歸問題，直接從圖像元素開始，計(jì)算邊框和分類的可能性。YOLO系列算法經(jīng)過不斷的升級更新出現(xiàn)了有YOLOv1[7]，YOLOv2[8]，YOLOv3[9]，YOLOv4[10]，YOLOv5 等算法，YOLOv5算法是由Ultralytics LLC有限公司于2020年6月發(fā)布的，在其官方的源碼庫中出現(xiàn)了4各不同的版本，分別是YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四個(gè)模型，其中YOLOv5s模型是所有4個(gè)模型中深度最少的，特征圖的寬度也最小的一個(gè)模型，而其他的3種模型都是在YOLOv5s模型的基礎(chǔ)上不斷深化，并進(jìn)一步加寬得到的。YOLOv5s 一般由輸入端、Backbone、Neck和Prediction四個(gè)具有特殊功能的部分組成。圖1為YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)圖。

輸入端口YOLOv5s，主要應(yīng)用了Mosaic圖像增強(qiáng)的技術(shù)、自適應(yīng)錨框方法，以及自適應(yīng)圖像縮放方法。Mosaic數(shù)據(jù)增強(qiáng)是YOLOv5團(tuán)隊(duì)成員提出來的，這種方法可以豐富數(shù)據(jù)集，可以增加很多的小目標(biāo)，增強(qiáng)網(wǎng)絡(luò)的穩(wěn)健性，在小目標(biāo)的檢測過程中效果還是很可觀的。另外在YOLOv3、YOLOv4算法中，不同的數(shù)據(jù)集在進(jìn)行訓(xùn)練的時(shí)候，初始錨框值都是采用單獨(dú)的程序計(jì)算得到的，但官方給出的YOLOv5算法的源碼中增加了自適應(yīng)錨框方法和自適應(yīng)圖像縮放方法，使得在每一次訓(xùn)練過程中，此算法都會自適應(yīng)的計(jì)算不同數(shù)據(jù)集中的最佳錨框值，并在原始圖片中自適應(yīng)的使用最小的黑邊，提升了模型推理能力。

Backbone主要包括Focus結(jié)構(gòu)和CSP結(jié)構(gòu)。如圖2所示，F(xiàn)ocus結(jié)構(gòu)的主要核心就是切片功能[11]，在此模型中原始的608×608的3通道圖像輸入到Focus結(jié)構(gòu)中，使用切片功能，先變成304×304具有12通道的特征信息圖，再經(jīng)過一次由32個(gè)卷積核組成的卷積操作，最終變成304×304具有32通道的特征信息圖。此算法中還設(shè)計(jì)了兩種CSP結(jié)構(gòu)，CSP1_X結(jié)構(gòu)在Back?bone主干網(wǎng)絡(luò)被采用，而另一種CSP2_X結(jié)構(gòu)則使用于Neck部分中。CSP結(jié)構(gòu)首先會將基礎(chǔ)層的特征信息映射劃分為兩個(gè)部分，最后通過跨階段層次結(jié)構(gòu)將它們合并，這種結(jié)構(gòu)不但可以增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)能力還可以降低計(jì)算瓶頸，使模型變得輕量的同時(shí)識別準(zhǔn)確性不會改變。

Neck部分主要使用了FPN+PAN結(jié)構(gòu)，F(xiàn)PN是將上層的特性信息特點(diǎn)利用向上采樣的方法傳遞融合，傳達(dá)強(qiáng)語義特征并得以提供進(jìn)行預(yù)測的特征圖，PAN則從底向上傳達(dá)強(qiáng)定位特性信息，這樣FPN+PAN結(jié)構(gòu)就可以從不同的主干層對不同的檢測層進(jìn)行特征聚合。YO?LOv5在Neck這一部分并沒有按部就班地使用YOLOv4 中的普通卷積操作，而是把CSP2_X結(jié)構(gòu)加入到了Neck 部分，從而提高了對網(wǎng)絡(luò)特殊信息的整合能力。

Prediction部分YOLOv5也使用了與YOLOv4相似的損失函數(shù)，采用了CIOU_Loss 作為目標(biāo)Boundingbox的損失函數(shù)。CIOU_Loss可使預(yù)測框回歸的速率和準(zhǔn)確性都更高一些。CIOU_Loss為公式（1） ，其中v 是度量長寬比一致性的參數(shù)，應(yīng)該確定為公式（2）：

3 實(shí)驗(yàn)與結(jié)果分析

本節(jié)首先會介紹實(shí)驗(yàn)所用到的數(shù)據(jù)集及其處理的方法，然后是實(shí)驗(yàn)的運(yùn)行環(huán)境及依賴庫的版本，再然后是實(shí)驗(yàn)的過程，最后是重點(diǎn)分析YOLOv5s模型的性能和實(shí)際的檢測效果。

3.1 數(shù)據(jù)集介紹和處理

該實(shí)驗(yàn)使用的是公共數(shù)據(jù)集Stanford Car Dataset。這個(gè)數(shù)據(jù)集是由stanford所建立，是一個(gè)汽車資料集合，數(shù)據(jù)集中包括了16185張汽車圖像，汽車的種類也非常的豐富，足足有196種汽車?；旧犀F(xiàn)實(shí)生活中所有的車輛的圖像在數(shù)據(jù)集中都可以找到。數(shù)據(jù)集被分為有8144個(gè)訓(xùn)練圖片的訓(xùn)練集和8041個(gè)試驗(yàn)圖片的測試集，而其中的各個(gè)車輛分類都已大致分成了50-50個(gè)分割。類通常指品牌，型號，生產(chǎn)日期等級別，2012的特斯拉Model S或者是2012 的BMW M3 coupe。

在處理數(shù)據(jù)集階段使用labelimg對數(shù)據(jù)集進(jìn)行標(biāo)記，labelimg是一款給圖形標(biāo)注類別的工具，它是基于python開發(fā)的，圖形界面則采用QT開發(fā)，用此工具可以使標(biāo)記的圖片保存成各種網(wǎng)絡(luò)模型訓(xùn)練時(shí)所需要的文件格式。使用labelimg對數(shù)據(jù)集中的圖像進(jìn)行處理，指明識別對象為car類別，保存文件格式調(diào)整為yolo_txt格式，如圖3所示，經(jīng)過labelimg標(biāo)記處理后得到數(shù)據(jù)集的帶標(biāo)簽的yolo_txt文件，只有得到了帶標(biāo)簽的yolo_txt文件才可以訓(xùn)練模型。分別對訓(xùn)練集、測試集和驗(yàn)證集各150圖片進(jìn)行標(biāo)記操作，得到最終的數(shù)據(jù)集。用這些數(shù)據(jù)集來進(jìn)行模型的訓(xùn)練。

3.2 實(shí)驗(yàn)環(huán)境

YOLOv5是利用Python所編寫所以運(yùn)行環(huán)境中需要安裝Python，訓(xùn)練YOLOv5s模型所需要的依賴庫之間的版本對應(yīng)是非常嚴(yán)格的，版本之間的不對應(yīng)會導(dǎo)致模型無法訓(xùn)練的結(jié)果，此實(shí)驗(yàn)是嚴(yán)格按照表1所示的版本進(jìn)行模型訓(xùn)練的。其中IDE是集成的開發(fā)環(huán)境，是提供程序開發(fā)環(huán)境的工具，包含了代碼編輯器、編譯器、調(diào)試器和圖形用戶界面等工具；依賴庫numpy是一種數(shù)字計(jì)算擴(kuò)展，對于大型矩陣的運(yùn)算是非常方便的；依賴庫pandas是在數(shù)據(jù)分析階段所使用的庫；依賴庫pillow是圖像處理庫，具有對圖像進(jìn)行裁剪、調(diào)整大小和顏色處理等功能；依賴庫scipy是用來進(jìn)行計(jì)算大多數(shù)函數(shù)運(yùn)算的庫；依賴庫Pytorch是運(yùn)行環(huán)境中最重要的庫，它是由Facebook（臉書）的人工智能研究院開發(fā)的，是一個(gè)用Python開發(fā)的可續(xù)計(jì)算包，主要有兩個(gè)功能：1） 具有強(qiáng)大的張量計(jì)算。2） 包含自動求導(dǎo)系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。

3.3 實(shí)驗(yàn)結(jié)果

根據(jù)搭建的環(huán)境和標(biāo)注處理好的數(shù)據(jù)集來訓(xùn)練模型，訓(xùn)練weights（權(quán)重）設(shè)置為YOLOv5s.pt，batchsize（每批次樣本的數(shù)量）調(diào)整為4，增加模型的泛化力，經(jīng)過100次迭代最終得到訓(xùn)練好的模型文件YO?LOv5s.pt，模型性能如表2所示，其中Precision是查準(zhǔn)率的意思，表達(dá)式為公式（3） ，其中TP為正樣本正確分類的個(gè)數(shù)，F(xiàn)N為正樣本未分類的個(gè)數(shù)，訓(xùn)練曲線圖如圖4所示，圖中Precision的數(shù)值趨于平穩(wěn)緩和并數(shù)值上接近1，說明模型的準(zhǔn)確度已經(jīng)很高了；Recall是查全率的意思，表達(dá)式為公式（4） ，其中FP為沒有正確分類的個(gè)數(shù)，訓(xùn)練曲線圖如圖5所示，圖中Recall的數(shù)值最后維持在0.8 左右，說明模型的失誤檢測率低；mAp@0.5和mAp@0.5：0.95：mAp是用Precision和Re?call作為兩坐標(biāo)軸作圖所圍成的范圍，越靠近1，模型精度就越高[12]。根據(jù)以上數(shù)據(jù)可以得出實(shí)驗(yàn)訓(xùn)練出來的模型在車輛識別的正確率是非常高的。

3.4 實(shí)際檢測

為了實(shí)際檢測訓(xùn)練好的YOLOv5s.pt模型的識別準(zhǔn)確度，使用訓(xùn)練好的YOLOv5s.pt模型檢測在互聯(lián)網(wǎng)上找到的一張帶有汽車的圖片所需要的時(shí)間為11.1ms，結(jié)果如6所示，為了具體的驗(yàn)證模型的識別準(zhǔn)確性，采用實(shí)地拍攝圖片和視頻用YOLOv5s.pt模型進(jìn)行檢測，結(jié)果如圖7所示。

根據(jù)圖6和圖7可以看出，無論是互聯(lián)網(wǎng)上的圖片還是實(shí)地拍攝的圖片模型，都準(zhǔn)確地檢測出圖片中的車輛可以準(zhǔn)確地把圖片中的車輛用紅色的方框標(biāo)記出來，并沒有出現(xiàn)錯誤，準(zhǔn)確度都在90%左右，這說明模型已經(jīng)訓(xùn)練得比較好了。

4 結(jié)束語

本文把YOLOv5算法中的YOLOv5s模型運(yùn)用到車輛檢測中，使用Stanford Car Dataset數(shù)據(jù)集訓(xùn)練、測試和驗(yàn)證模型，得到Y(jié)OLOv5s.pt模型文件，使用訓(xùn)練好的模型文件進(jìn)行檢測，結(jié)果表明識別的準(zhǔn)確率非常高，可以對車輛進(jìn)行高準(zhǔn)確度的檢測，實(shí)現(xiàn)了城市道路車輛的有效檢測，這對城市道路管理有著非常大的意義，可以提高城市道路車輛管理的效率，有效地避免道路交通擁堵。