基于深度學習的目標檢測算法研究

丁小可

（貴陽學院，貴州貴陽550005）

0 引言

在無人駕駛技術中，對汽車周圍環境的感知是無人駕駛系統的基礎部分，是保證無人車安全、準確行駛的必要條件。為了達到這個目的，無人駕駛系統中使用了各種類型的傳感器，其中屬于“視覺”的傳感器包括毫米波雷達、超聲波雷達、激光雷達及攝像頭。使用攝像頭所采集到的二維圖像來推斷無人車在三維世界中的位置，這項技術和傳統計算機視覺相結合，伴隨著“大數據”和“云計算”的成熟，在激光雷達成本高昂的當代，必然會在無人駕駛定位中發揮更大的作用。

在基于計算機視覺和攝像頭的物體檢測中，卷積神經網絡CNN是一種適合使用在連續值輸入信號上的深度神經網絡。

在深度學習出現之前，傳統的目標檢測方法分為三步：區域選擇、特征提取、分類器。這種檢測方法存在兩個問題：一方面，滑窗的選擇策略沒有針對性，時間復雜度高，窗口冗余；另一方面，人為設計的特征魯棒性差。深度學習出現后，目標檢測技術有了重大突破，比較矚目的有兩個方面：（1）以R-CNN為代表的基于Region Proposal的深度學習目標檢測算法[1]；（2）以YOLO為代表的基于回歸的目標檢測算法。FAST R-CNN在速度上沒有滿足實時性的要求，而采用回歸的YOLO算法計算速度較快。

1 YOLO目標檢測流程

如圖1所示，YOLO檢測流程為：

（1）輸入某個特定的圖片，YOLO將圖片分解成S×S個網格，如果某個目標物體的中心落在此網格中，網格就負責檢測這個物體。

（2）在每個網格中，模型都會自動生成兩個邊框，生成邊框的目的在于通過邊框來預測某類目標物是否存在，除此之外還要反映此目標物存在的概率是多大，以此判斷邊框的預測是否準確。這個所預測的值稱之為目標的置信度（confidence scores）。

置信度的公式定義為：

如果這個網格中不存在一個物體，則置信度為0；否則，置信度為預測的邊框和實際邊框的重合度（IOU）。

圖1 YOLO檢測流程

圖2 YOLO網絡結構

YOLO中每個網格的預測邊框有五個參數：x，y，w，h，confidence。其中，x，y分別代表了預測邊框相對于所在網格的中心坐標；w，h分別代表預測邊框相對于整幅圖像的寬和高；confidence代表了預測邊框和物體所在實際邊框的重合度。此外，每個網格還要預測C個條件類別概率（conditional class probability），記作Pr（Classi｜Object），這個概率只考慮每個網格中的目標概率而不考慮邊框中的目標。在測試階段將條件類別概率與每個邊框的預測置信度相乘，就得到了每個邊框中物體屬于某一類別的置信度，公式如下：

（3）依據上一步的的操作，模型建立了S×S×2個邊框，然后計算出每個邊框的置信度，最后采用非極大值抑制（NMS）[2]消除那些置信度較低的邊框。

2 YOLO網絡設計

YOLO檢測網絡包括24個卷積層和2個全連接層（用1×1），如圖2所示。其中，卷積層用來提取圖像特征，全連接層用來預測圖像位置和類別概率值[3]。

3 YOLO特點

與其他基于視覺檢測的模型相比，YOLO具有一系列的優點：

（1）能夠迅速識別目標物體。YOLO與FASTER R-CNN具有一定的相似性，但在YOLO中精簡了卷積神經網絡。原來在識別圖像中物體時，先要判定圖像中的元素到底是背景還是目標物，然后再辨別其類別和概率。而在YOLO中采用回歸的機制代替前述兩步，圖像被直接分解成S×S個網格，以此來替代原來的滑動窗口機制，從而使得候選框的數量減小，在犧牲一定精度的情況下使得檢測速度提高。

（2）產生背景錯誤的概率較低。之前其他的基于視覺檢測的模型在對圖片進行處理時，一般使用了滑動窗口機制來找到最有可能包含檢測目標的區域，而每次候選框中的圖像都是獨立的。YOLO是利用端到端的回歸方式來處理圖像，可以利用網格的聯系和圖像的統一更準確識別背景上的物體，從而降低檢測失誤率。和Fast R-CNN相比，YOLO的背景錯誤不到Fast R-CNN的一半[4]。

（3）模型的泛化能力較好。先讓自然圖像數據集在YOLO上訓練，然后將訓練得到的模型用于對非自然圖像的檢測，模型的準確率相較于YOLO之前的檢測模型更高。因此模型的泛化性較好，能夠適用于涉及圖像識別的其他行業。

盡管如此，YOLO也有一系列缺點：

（1）YOLO中利用全連接層的數據完成對邊框的定位，會丟失太多位置信息；

（2）由于在YOLO的每個網格中只定義了兩個邊框，當多個（大于二）物體處于一個網格中時，YOLO就不能很好地預測到。

4 結語

在采用YOLO模型對物體進行檢測時，只對物體的類別作了檢測，但在無人駕駛系統中，除了對物體的識別外，還需要在此基礎上對所檢測物體的具體位置進行判斷，以達到預警或將信息供給無人駕駛決策系統使用的目的。之后筆者將結合其他傳感器，采用多信息融合的方式，改進相關算法和模型。