摘要：針對(duì)傳統(tǒng)路端車輛目標(biāo)檢測(cè)算法參數(shù)多、檢測(cè)速度較慢等問(wèn)題，提出了基于YOLOv5 的車輛目標(biāo)檢測(cè)算法輕量化改進(jìn)。首先，選用輕量化EfficientnetV2 卷積神經(jīng)網(wǎng)絡(luò)對(duì)原骨干網(wǎng)絡(luò)進(jìn)行重構(gòu)，同時(shí)在網(wǎng)絡(luò)中引入GAM 注意力機(jī)制；其次，為平衡CIoU 損失和IoU 損失在損失函數(shù)中的權(quán)重，引入α-CIoU 損失代替原有的CIoU 損失；最后，使用soft-NMS 算法替換原有的NMS 非極大值抑制算法。結(jié)果表明：相比原算法，改進(jìn)后算法的精度提升了2.51%，檢測(cè)速度提升了8.6%，模型大小降低了31.7%；改進(jìn)后的模型在提升檢測(cè)速度的同時(shí)，還提高了路端車輛目標(biāo)的檢測(cè)性能。

關(guān)鍵詞：車輛目標(biāo)檢測(cè)；深度學(xué)習(xí)；YOLOv5 算法；網(wǎng)絡(luò)輕量化

0 前言

隨著車路協(xié)同技術(shù)的發(fā)展，智能駕駛成為交通行業(yè)研究的熱點(diǎn)之一，其中目標(biāo)檢測(cè)是確保智能駕駛安全的必要關(guān)鍵技術(shù)。智能駕駛要求車載計(jì)算機(jī)能夠精確、迅速地檢測(cè)出道路上的所有目標(biāo)，因此高效的目標(biāo)檢測(cè)算法在智能駕駛領(lǐng)域具有舉足輕重的作用。

目標(biāo)檢測(cè)的目的是在圖像或視頻中準(zhǔn)確地定位目標(biāo)并識(shí)別出目標(biāo)的類別。目前，基于機(jī)器視覺(jué)的目標(biāo)檢測(cè)算法主要通過(guò)深度學(xué)習(xí)來(lái)實(shí)現(xiàn)，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)的特征，再通過(guò)分類回歸層完成目標(biāo)的分類和定位工作。目標(biāo)檢測(cè)算法可劃分為2 類［1］：一類是以區(qū)域卷積神經(jīng)網(wǎng)絡(luò)R-CNN 為代表的雙階段算法，先生成候選框，然后對(duì)候選框進(jìn)行分類和定位，該方法精度較高，但速度較慢；另一類是以YOLO 算法為代表的單階段算法，該算法是直接在圖像上完成目標(biāo)的檢測(cè)和定位，其優(yōu)點(diǎn)是速度快。YOLO 算法通過(guò)單次前向傳播來(lái)預(yù)測(cè)目標(biāo)的位置和類別，能夠有效地利用多尺度特征信息進(jìn)行目標(biāo)檢測(cè)，在較高精度下準(zhǔn)確地定位車輛位置，適用于車輛目標(biāo)的檢測(cè)任務(wù)。

為滿足對(duì)車輛目標(biāo)檢測(cè)的實(shí)時(shí)性要求，有研究人員在網(wǎng)絡(luò)輕量化和檢測(cè)算法方面進(jìn)行了大量研究。ZHANG 等［2］為移動(dòng)設(shè)備提出了ShuffleNet 算法，該算法采用點(diǎn)群卷積和Shuffle 通道2 種新的運(yùn)算方法，降低了計(jì)算成本。MA 等［3］進(jìn)一步提出了ShuffleNetV2 算法，該算法采用逐點(diǎn)組合的結(jié)構(gòu)，重排通道，可減少參數(shù)量。HOWARD 等［4-5］使用深度可分離卷積替代標(biāo)準(zhǔn)卷積，提出MobileNet 模型，將卷積分解為深度卷積、逐點(diǎn)卷積，并進(jìn)一步采用該方法優(yōu)化MobileNetV3 算法，通過(guò)自動(dòng)搜索的方法找到性能更好的算法結(jié)構(gòu)。在檢測(cè)算法方面，余穎舜等［6］提出一種將元學(xué)習(xí)Reptile 與知識(shí)蒸餾相結(jié)合的方法來(lái)提升YOLO 算法的檢測(cè)速度。

在網(wǎng)絡(luò)結(jié)構(gòu)輕量化方面，以上提出的目標(biāo)檢測(cè)算法均進(jìn)行了優(yōu)化，但主干特征提取網(wǎng)絡(luò)中參數(shù)較多和計(jì)算量較大仍是限制自動(dòng)駕駛技術(shù)發(fā)展的原因之一。本文基于真實(shí)場(chǎng)景下的車輛數(shù)據(jù)，對(duì)傳統(tǒng)的YOLOv5 算法進(jìn)行改進(jìn)，將原主干特征提取網(wǎng)絡(luò)更換為輕量化的網(wǎng)絡(luò)結(jié)構(gòu)，并加入注意力機(jī)制模塊，更換了原網(wǎng)絡(luò)中的損失函數(shù)和非極大值抑制（NMS）算法，以期在一定程度上改善目標(biāo)被遮的問(wèn)題。

1 YOLOv5 目標(biāo)檢測(cè)算法

1. 1 YOLOv5 目標(biāo)檢測(cè)原理

YOLOv5 是一種單階段端到端的目標(biāo)檢測(cè)算法，該算法首先通過(guò)特征提取網(wǎng)絡(luò)提取輸入特征，得到特定大小的特征圖輸出，將圖像劃分為若干個(gè)S×S 的網(wǎng)格，每個(gè)網(wǎng)格負(fù)責(zé)對(duì)落入其中的目標(biāo)進(jìn)行檢測(cè)；當(dāng)目標(biāo)位于網(wǎng)格中某個(gè)點(diǎn)時(shí)，對(duì)應(yīng)的網(wǎng)格開(kāi)始對(duì)目標(biāo)進(jìn)行檢測(cè)；最后，通過(guò)NMS 處理，輸出最終的檢測(cè)結(jié)果。

1. 2 YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)為全卷積網(wǎng)絡(luò)，可通過(guò)堆疊卷積層來(lái)實(shí)現(xiàn)目標(biāo)的檢測(cè)任務(wù)。該網(wǎng)絡(luò)架構(gòu)主要包括輸入端、骨干網(wǎng)絡(luò)、頭部網(wǎng)絡(luò)3 個(gè)部分，檢測(cè)時(shí)直接輸入圖片或視頻，利用人工標(biāo)注的標(biāo)簽對(duì)網(wǎng)格進(jìn)行訓(xùn)練，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取圖像中的特征信息，生成預(yù)測(cè)框和置信度，設(shè)置損失函數(shù)，進(jìn)一步獲得目標(biāo)的檢測(cè)邊框和分類。YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

輸入端負(fù)責(zé)輸入圖像并進(jìn)行數(shù)據(jù)增強(qiáng)，即在數(shù)據(jù)集中隨機(jī)選取4 張?jiān)紙D像及其標(biāo)注框，通過(guò)移動(dòng)、縮放、裁剪等操作將其拼接到1 張圖上，作為訓(xùn)練樣本。

骨干網(wǎng)絡(luò)主要用于圖像的特征提取和歸一化操作。其中，CBS 模塊由1 個(gè)卷積層Conv、1 個(gè)BatchNorm2d 模塊、1 個(gè)激活函數(shù)SiLU 組成，用于提取特征；C3 模塊由3 個(gè)卷積層Conv 和1 個(gè)瓶頸層Bottleneck 組成；CSP 由CBL 模塊、Resunint 模塊以及卷積層組成，可以促進(jìn)特征傳播，緩解梯度消失程度和減少參數(shù)量?？焖倏臻g金字塔池化（SPPF）層由3 個(gè)串行的池化層組成，對(duì)輸入的特征圖進(jìn)行不同尺度的池化操作，并進(jìn)行特征融合。

骨干網(wǎng)絡(luò)首先通過(guò)卷積塊對(duì)輸入圖像進(jìn)行采樣，以減小特征圖的空間維度和增加網(wǎng)絡(luò)對(duì)物體的感受野，從而更好地捕捉物體的全局特征和上下文信息；C3 層用于特征的提取，其將輸入特征分成2 部分，一部分作為主路徑，前向傳播，另一部分作為支路，2 部分輸入特征分別進(jìn)行卷積，然后將其合并，形成輸出；SPPF 層用于特征的融合。

頭部網(wǎng)絡(luò)包括Neck 和 Detect 2 個(gè)部分。Neck是將底層的粗糙特征轉(zhuǎn)化為更加高級(jí)和語(yǔ)義豐富的特征，主要使用1 個(gè)路徑聚合網(wǎng)絡(luò)PANet，其結(jié)構(gòu)有5 個(gè)核心模塊，如圖2 所示：① FPN 特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)；② 自底向上路徑增強(qiáng)；③ 預(yù)測(cè)框分支；④ 自適應(yīng)特征池化；⑤ 全連接融合。

PANet 在FPN 的基礎(chǔ)上引入了1 個(gè)自底向上的路徑，用低層特征融合高層特征，以增強(qiáng)高層特征的定位信息，經(jīng)過(guò)自頂向下的特征融合后，再進(jìn)行自底向上的特征融合，則底層的位置信息能夠傳遞到頂層，增強(qiáng)了多個(gè)尺度上的定位能力。

在檢測(cè)階段，將之前提取到的多尺度特征輸入到特征網(wǎng)絡(luò)中，通過(guò)卷積和池化操作，得到目標(biāo)的位置信息和類別信息，再經(jīng)過(guò)NMS 處理得到最終的檢測(cè)結(jié)果。

2 改進(jìn)的YOLOv5 算法

在車路協(xié)同環(huán)境下，為了提高車輛目標(biāo)檢測(cè)的準(zhǔn)確性和檢測(cè)速度，并提高網(wǎng)絡(luò)的收斂性能，本文在原有YOLOv5 模型上引入輕量化的網(wǎng)絡(luò)結(jié)構(gòu)EfficientNetV2，用于替換原有的主干網(wǎng)絡(luò)，通過(guò)減少計(jì)算量和參數(shù)量來(lái)提升檢測(cè)速度；同時(shí)，在設(shè)計(jì)損失函數(shù)時(shí)引入α 參數(shù)，來(lái)平衡調(diào)整CIoU 損失和IoU損失在損失函數(shù)中的權(quán)重；針對(duì)檢測(cè)部分，引入軟化非極大值抑制（soft-NMS）［7］算法，用于提高目標(biāo)分類精度。

2. 1 輕量化EfficientNetV2 網(wǎng)絡(luò)

在骨干網(wǎng)絡(luò)部分，采用輕量化的EfficientNetV2架構(gòu)［8］替換原有的網(wǎng)絡(luò)。表1 為EfficientnetV2 模型架構(gòu)，其中MBConv 為移動(dòng)翻轉(zhuǎn)殘差瓶頸卷積，F(xiàn)used-MBConv 為融合移動(dòng)翻轉(zhuǎn)殘差瓶頸卷積，均是輕量級(jí)網(wǎng)絡(luò)的重要組成部分。

改進(jìn)后的模型可分為3 個(gè)部分：第1 部分為3×3的卷積，用于擴(kuò)充通道數(shù)。第2 部分是采用Fused-MBConv 層和MBConv 層來(lái)代替原有的C3 層，如圖3 所示，MBConv 層是先采用1×1 的卷積來(lái)升維，再用一般的卷積特征進(jìn)行提取，并添加一個(gè)SE 注意力機(jī)制，對(duì)輸入特征矩陣的每一個(gè)通道做一個(gè)全局平均池化操作，再采用1×1 的卷積進(jìn)行降維，將不同通道的信息進(jìn)行綜合，以減少參數(shù)量；Fused-MBConv 層則是將深度可分離卷積替換成1 個(gè)普通的卷積，以提升訓(xùn)練速度。第3 部分是采用1×1 卷積、池化和全連接，從而能夠處理不同大小的圖像。