基于SSD神經網絡的圖像目標物體檢測

王君洋，葉傳奇，朱炳旭

（河南科技大學 軟件學院，河南 洛陽 471003）

0 引言

目標檢測為我們的生活提供了極大的便利，受到越來越多人的重視。目標檢測算法主要分三類，第一類是傳統的目標檢測算法：Cascade+HOG，DPM+Haar，SVM。第二類是候選框+深度學習分類：R-CNN，Fast R-CNN，Faster R-CNN等。第三類則是基于深度學習的回歸方法：YOLO，SSD，DenseBox等。其中SSD算法在保留了速度和精度的同時還有比較好的準確率和性能。SSD包含大量的網絡模型，其不同點主要在于被檢測圖像的大小不一樣。本文主要研究圖像識別領域TensorFlow的應用。

1 TensorFlow框架

TensorFlow是一個用于數值計算的開源框架，主要采用數據流圖。TensorFlow是人工智能領域處理分析的主要工具，同時也是一個用于機器學習和深度學習的開源平臺。在深度學習領域，TensorFlow經常被用于自然語言處理、語音識別以及圖像識別等。

1.1 TensorFlow的特點

TensorFlow具有極大的靈動性、移植性，能夠自動求取微分、支持多語言、性能高度改良。

1.2 TensorFlow Object Detection API庫

TensorFlow Object Detection API庫的目的是創建一個在單個圖像中精確定位和識別多個事物的機器學習模型。這個API是基于Tensorflow構造的開源框架，不僅有利于在目標檢測的模型中構建、訓練和部署，同時在處理物體檢測問題中也可以使用。而在一個畫面幀中檢測許多不同物體的過程就是物體檢測過程，因此可以將其運用在熊貓這個數據模型中。

2 SSD算法

YOLO回歸的概念和Faster-RCNN中的Anchor機制被結合在SSD中。為了維持YOLO快速的特性，同時確保保留在窗口預測過程中Faster-RCNN算法比較精準的性能，可以利用全圖多尺度區域在各個地方進行回歸滿足需求。SSD主要被用于不同尺度的特征圖中，預測一些Default Bounding Boxes的類別和坐標的偏移量等，通過采用卷積核的方式來實現。

2.1 SSD結構模型

以VGG-16為基礎，使用VGG的前5個卷積，后面增加從CONV6開始的5個卷積結構，輸入圖片規格為300×300。

2.2 SSD流程

Faster R-CNN的anchorbox和被引入SSD中的Defalut Box的預設目標預選框機制十分相似。不同點主要在于使用PriorBox層在不同尺度featuremap所有特征點上，過程如圖1所示。

圖1 SSD原理過程

2.3 選取默認框

通常多尺度的方式被SSD在實現目標檢測中使用。如果n層特征圖在模型檢測中使用，那么就可以確定第k個特征圖默認框的占比是：；特征層默認框占輸入圖像的最小比重是Smin，通常取0.2；占輸入圖像的最大比重則是Smax，通常取0.9[1]。

2.4 損失

網絡輸出預測的predict box與ground truth回歸變換之間的損失計算，置信度采用Softmax，位置回歸則采用Smooth L1。訓練中，為了提高預測框類別的置信度，可以通過減小損失函數值來實現，同時提高預測框位置可信度。每次迭代都將迭代的結果返回給模型，模型接收返回的信息后，通過返回的信息進行修改繼續訓練。通過提升模型的目標檢測能力，訓練出所需要的最佳的圖像識別模型。

3 實驗準備及過程

3.1 數據集的創建與處理

從網絡中下載500張中等大小的熊貓照片保存在“images”目錄下。下載的不同角度和形狀的熊貓照片可以被用來訓練所需要的預測模型。經過一段時間的大量訓練，模型預測結果的精確度得到了提高。為了讓系統知道學習訓練和識別的實際物體是邊界框內的物體，可以在獲取圖像數據后，沿著模型后期將要預測的物體畫邊界框，用Labelme進行標記。在標記完成之后，會得到一個目錄和存儲每張圖面邊界框的xml文件[2]。

3.2 劃分和創建新的數據集

將從網絡中下載的數據集劃分為訓練集和測試集兩大類。模型向訓練部分添加大約80%的圖片和它的描述圖像邊界框的xml文件，向測試部分添加大約20%的圖片和它的xml文件[3]。為了使TensorFlow可以順利讀取xml文件中的數據，將xml文件的格式修改為Tfrecord格式，存放在新的數據集中。

3.3 運用SSD識別物體過程

讀取本地測試圖片，preprocess_input以及保存圖像像素值（顯示需要）；模型預測結果，得到7 308個priorbox；進行非最大抑制算法處理；SSD300模型輸入以及加載參數。

4 結語

物體檢測改善了人們日常生活的體驗，已經成為當今社會研究的一個熱點技術。本文基于SSD算法，設計實現了圖像神經網絡檢測模型，并且將其應用到熊貓的圖片識別中。多次實驗中的一個預測結果如圖2所示，成功標記出熊貓的概率為87.3%。在20測試數據集的測試中，18測試集的測試結果準確率在90%以上，表明該模型檢測結果的準確率較高。

圖2 識別熊貓