肖振遠，王逸涵，羅建橋，熊 鷹，李柏林

（西南交通大學機械工程學院，成都 610031）

0 引言

目標檢測作為計算機視覺研究的熱點，在圖像識別和目標追蹤等領域得到了廣泛的應用。近年來隨著卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）的發(fā)展，涌現(xiàn)出了諸多優(yōu)秀的目標檢測網(wǎng)絡算法：基于錨框的檢測算法［1-5］和基于無錨框的檢測算法［6，7］。基于錨框的算法又可分為基于兩階的目標檢測算法（如區(qū)域卷積網(wǎng)絡（Regions with Convolutional Neural Network，R-CNN）［1］、快速區(qū)域卷積神經(jīng)網(wǎng)絡（Faster Regions with Convolutional Neural Network，F(xiàn)aster-RCNN）［2］等）和基于一階的目標檢測性算法（如單階多框檢測器（Single Shot multibox Detector，SSD）［3］、單階改進目標檢測器（Single-Shot Refinement Neural Network for Object Detection，RefineDet）［4］以 及YOLOv3（You Only Look Once version 3）［5］等）?；跓o錨框的算法又可分為基于角點的目標檢測算法［6］和基于中心點的目標檢測算法［7］。在模型訓練過程中，這些目標檢測算法通常會遇到一個共同的問題：類間樣本不平衡［8］。類間樣本不平衡即某些類別樣本數(shù)目遠大于其他類別的情況，包括前景和背景間的不平衡以及前景類間樣本不平衡。不平衡問題如不解決，會導致檢測器對小類樣本檢測準確度低下，最終降低模型的性能。

針對類間樣本的不平衡問題，許多學者進行了研究［9-16］。在基于錨框的檢測器中，兩階檢測器通常利用二階級聯(lián)和啟發(fā)式抽樣方法來解決類間樣本不平衡：在第一階段通過生成特定候選目標的方式過濾大量冗余的背景樣本，如學習分割候選目標［9，10］、選擇性搜索［11］、基于邊緣的目標建議［12］等；在第二階段采用啟發(fā)式抽樣方法平衡前景和背景之間的樣本數(shù)量，如固定前景和背景的比例1∶3［3］、在線難樣本挖掘［13］等；單階檢測器通常采用啟發(fā)式抽樣或難樣本挖掘［14］方法從稠密的錨框中有規(guī)律地進行抽樣，以平衡前景和背景之間的樣本數(shù)量。以上方法有效緩解了前景和背景之間類的不平衡，但未考慮前景類間的不平衡問題。此外，焦點損失（Focal Loss）［15］對單階檢測器中的交叉熵損失函數(shù)進行改進，通過控制正負樣本的權重和難易樣本的權重，增大難學習的小類樣本在損失函數(shù)中所占比重，使算法更偏重難學習的小類樣本；但它并未考慮背景樣本的影響。基于無錨框的檢測器的檢測準確率高于基于錨框的檢測器，主要原因在于學習過程中產(chǎn)生了與基于錨框檢測器不同的類間樣本數(shù)量。自適應樣本選擇方法（Adaptive Training Sample Selection，ATSS）［16］對基于錨框的檢測器和基于無錨框的檢測器進行了詳細的分析，通過對樣本進行統(tǒng)計，自適應選擇正負樣本，控制類間樣本數(shù)量，有效緩解了類間樣本的不平衡，縮小了無錨框的檢測器和有錨框的檢測器的性能差異?？傊?，上述解決不平衡問題的方法，只考慮了前景類與背景類間的不平衡或者前景類間的不平衡，并沒有綜合考慮前景類與背景類不平衡和前景類間樣本不平衡。

目前流行的目標檢測網(wǎng)絡一般采用分類損失和位置/尺寸回歸損失來完成多任務學習（如Faset-RCNN、SSD）。RefineDet 沿用了經(jīng)典的分類和回歸損失，是一種有代表性的目標檢測方法，而且它在性能上超過了大部分其他目標檢測方法［1-5］，具有先進性；但RefineDet 在使用損失函數(shù)進行權重更新時，存在上述提到的前景類與背景類不平衡和前景類間樣本不平衡問題，并且由于是多任務學習，RefineDet 還存在多任務間的不平衡（分類任務和回歸任務間的不平衡）［17］。因此，RefineDet的性能仍然具有提升的潛力。

本文針對RefineDet 損失函數(shù)，提出了一種改進的部分加權損失函數(shù)（Subsection Weighted Loss，SWLoss），以緩解類間不平衡數(shù)據(jù)集中小樣本類別檢測性能低的問題，它的主要組成如圖1所示。

圖1 SWLoss組成Fig.1 Composition of SWLoss

SWLoss主要有以下內(nèi)容：1）在RefineDet目標檢測損失函數(shù)中引入類間樣本平衡因子，并以每個訓練批量中不同類別樣本數(shù)量的倒數(shù)作為啟發(fā)式的平衡因子，對分類損失中的不同類別進行加權，從而提高對小樣本類別學習的關注程度；2）在分類損失和回歸損失中引入多任務平衡因子，對分類損失進行加權量化，縮小兩個任務學習速率的差異。

1 RefineDet

RefineDet 在訓練時，損失函數(shù)主要由三個模塊構成：1）錨框調(diào)整模塊（Anchor Refinement Module，ARM），將最初生成的錨框分為前景和背景，并對錨框的位置進行粗略的調(diào)整；2）目標檢測模塊（Object Detection Module，ODM），對ARM 模塊粗調(diào)后的錨框進行多分類，并對錨框的位置進行精確的調(diào)整；3）連接模塊（Transfer Connection Block，TCB），將ARM 模塊輸出的特征圖進行特征金字塔（Feature Pyramid Network，F(xiàn)PN）［18］操作，變換成ODM 需要的特征圖。其中ARM 和ODM提供了整個模型權重更新所需的損失。RefineDet 進行了兩次分類和回歸調(diào)整，在訓練時采用難樣本挖掘策略使得前景-背景不平衡問題得到了改善，同時兼顧了兩階檢測器的準確率和一階檢測器的速率，因此在目標檢測任務中獲得了較高的檢測性能。

RefineDet 損失函數(shù)Ltotal如式（1），主要由兩部分構成：1）錨框調(diào)整模塊ARM 的損失Larm，包括前期二分類的損失Lb和先驗框粗調(diào)整的損失Lr，如式（2）；2）目標檢測模塊ODM 的損失Lodm，包括多分類損失Lm和準確回歸目標位置的損失Lr，如式（3）。

其中：P為錨框i在ARM 中對應的預測置信度，P={pi|i∈錨框索引值}；X為錨框i在ARM 中粗調(diào)后的位置信息X={xi|i∈錨框索引值}；C為錨框i在ODM 中對應的預測置信度，C={ci|i∈錨框索引值}；T為錨框i在ODM 中精調(diào)后的位置信息，T={ti|i∈錨框索引值}；Larm和Lodm如式（2）、（3）。

式中：i為錨框的標簽索引；Narm為ARM 中對應的正樣本的數(shù)量，Nodm為ODM 中對應的正樣本的數(shù)量；Lb、Lm、Lr分別代表二分類損失、多分類損失和回歸損失；l*i表示錨框i對應的真實框的類別標簽，l*=；l為二分類損失對前景的編碼值，l=或l=為錨框i對應的真實框的位置信息，g*=

盡管RefineDet 已經(jīng)改善了前景和背景的類別不平衡，但它仍沒有考慮前景類間樣本的不平衡問題。在ODM 中，多分類損失是所有樣本的平均損失，并以此來更新梯度，這種全局損失會使得樣本數(shù)目越少的小類的關注度越低，進而導致網(wǎng)絡模型對小類的檢測準確率越低。此外，ODM 中存在著多任務不平衡問題，會導致分類任務與回歸任務的權重更新速率不同，也會影響檢測準確率。本文針對RefineDet 存在的上述缺陷，提出了部分加權損失函數(shù)SWLoss，以提高網(wǎng)絡的檢測性能。

2 部分加權損失函數(shù)SWLoss

在對模型訓練時，由式（3）可以看出，在Lodm階段，損失函數(shù)由分類損失Lcla和回歸損失Lreg組成，如式（4）：

從式（4）中可得，分類損失是所有樣本分類損失的平均值，在反向傳播過程中，模型參數(shù)通過以下公式進行調(diào)整：

其中：η為學習率lNodm為第Nodm個樣本的損失；wm是第m次更新的權重。

如式（4）所示，每個樣本在權值調(diào)整過程中貢獻相同，這會導致前景中樣本數(shù)較大的類別在權值更新過程中占主導作用，從而使模型權重更新的速率偏向于該類，導致小類樣本識別率降低。這種前景類間不平衡現(xiàn)象在工業(yè)檢測應用中經(jīng)常發(fā)生，例如缺陷檢測［19］，正常樣本占絕大多數(shù)，而缺陷樣本卻非常少。

為緩解類間樣本不平衡問題（前景類與背景類不平衡和前景類間樣本不平衡），本文針對目標檢測模塊ODM 的損失Lodm提出一種部分加權損失函數(shù)SWLoss。SWLoss首先在Lodm中引入類間樣本平衡因子，增加小類樣本在損失函數(shù)中所占的比重，提高小類樣本的檢測效果，如式（7）所示：

其中：n為每批量訓練樣本類別的總數(shù)；j為樣本的類別，j=0時表示背景類；Lj對應每批量訓練樣本中每種類別的總樣本損失；1/βj為第j類引入的類間樣本平衡因子，是一個具有啟發(fā)性的代表類間樣本不平衡的值，βj為每批量訓練樣本中每種類別的樣本數(shù)，即以每批量訓練樣本中每種類別的樣本數(shù)作為各類的懲罰因子，其中背景類選為設置正負樣本比例倍的平衡因子。如式（7）所示，總損失SWLoss 為每種類別損失的加權和，當βj選為每批量訓練樣本中每種類別j的樣本數(shù)時，每種類別的損失相當于取該類的平均損失，間接使得小類總樣本損失在總損失中所占比重增加，大類損失總樣本損失在總損失中所占比重減少，從而平衡了類間樣本不均衡的問題。

此外，Lodm誤差函數(shù)并沒有考慮多任務間的不平衡問題。不同任務之間的難度、損失大小各不相同，最優(yōu)化損失函數(shù)時，不同任務之間的最佳區(qū)間不相容，會導致不同任務權重更新速率不同。為解決上述問題，SWLoss 引入多任務平衡因子對不同任務進行加權量化，使兩者更新速率盡量同步。最終的損失函數(shù)SWLoss如式（8）所示：

其中：κ為動態(tài)多任務平衡因子，決定著分類損失在整個損失的比重。如式（9）所示，κ越大意味著分類損失更新得越快，κ越小意味著分類損失更新得越慢。取κ=n，n為每批量訓練樣本類別的總數(shù)。

在反向傳播中，SWLoss 的權重更新如式（9）所示。相比式（5）和（6）中?Lodm(wm)，由于每個類別的損失懲罰因子不同，使得每個類在權值調(diào)整過程中貢獻不同，權重更新速率也會不同，也就意味著每個類擁有不同的學習率。因此，該損失保持了原始類間樣本數(shù)量不平衡的同時，提高了網(wǎng)絡對小類的關注度。此外，多任務平衡因子κ的引入，使分類和回歸任務之間的更新速率變得可調(diào)節(jié)。

3 實驗對比與分析

為分析SWLoss在不平衡數(shù)據(jù)集上的目標檢測性能，在兩個有代表性的數(shù)據(jù)集上進行實驗，并與其他損失函數(shù)的目標檢測效果進行對比。

3.1 實驗設置

分別在公開數(shù)據(jù)集（Pattern Analysis，Statical Modeling and Computational Learning，Visual Object Classes Challenge 2007，Pascal VOC2007）和人工采集的包裝盒點陣字符數(shù)據(jù)集上進行實驗。VOC2007 數(shù)據(jù)集覆蓋了20 個目標類別的9 963張圖片。按9∶1 比例在VOC2007 上劃分訓練和測試集，具體數(shù)量信息如圖2 所示，圖中橫坐標縮寫了部分目標類別名稱，包 括：Aerop（Aero Plane），Bicyc（Bicycle），DinT（Dining Table），Motor（Motor Bike），Potted（Potted Plant），TVmon（Tv Monitor）。圖2中的直方圖展示了訓練集中各類目標的數(shù)量?？梢钥吹?，Person、Car 等類別的樣本數(shù)量大幅超過Sheep、Chair 等類別的樣本數(shù)量，因此，VOC2007 中不同目標的樣本數(shù)量嚴重不平衡。點陣字符數(shù)據(jù)集記錄了食品包裝盒上的生產(chǎn)日期，包括12個目標類別，如圖3所示的類別名稱。為體現(xiàn)SWLoss 損失函數(shù)的適應性，在不同時間段分別收集訓練和測試樣本共500 張圖片，9 000 個點陣字符。訓練集來自時間跨度為2018-07-02T12：11：00—12：15：00 的200 張有效樣本，訓練集中的字符標注信息通過圖像處理軟件Halcon［20］自動獲得。人工剔除標注不準確的失效樣本后，訓練集中各類字符數(shù)量如圖3 所示。由于字符6 和9 僅出現(xiàn)在訓練集時間跨度的秒單位上，因此圖3 中字符6 和9 的數(shù)量相對其他字符較少，各類字符樣本數(shù)量嚴重不平衡。測試集來自時間跨度為2018-07-02T13：55：00—13：59：59 的300 張有效樣本，該時間跨度內(nèi)字符6 和9 較多，因而可以驗證網(wǎng)絡對6 和9 的檢測能力。同樣，采用Halcon標注測試集字符，用于計算檢測精度。

網(wǎng)絡優(yōu)化器采用隨機梯度下降法，動量和權重衰減分別設置為0.9、0.000 5。以32批量在VOC2007上訓練，前80 000次迭代學習率為10-3，后20 000 次學習率為10-4，最后20 000次學習率為10-5。由于點陣字符圖像尺寸較大（1 296×966），以8批量在點陣字符上迭代訓練7 500次，初始學習率為10-3，每迭代10次，學習率衰減0.05。

選用其他損失函數(shù)替換SWLoss 進行實驗，對比方法包括：1）RefineDet中原有的損失函數(shù)，記為Loss0；2）按類別數(shù)量比例對輸出概率進行加權的概率期望損失［21］，記為PELoss；3）基于曲線下面積（Area Under Curves，AUC）優(yōu)化的加權成對損失［22］，記為WPLoss；4）同時考慮類間不平衡和難樣本挖掘的Focal Loss，記為Floss。所有算法參數(shù)均采用對應文獻中推薦的配置。

由于Focal Loss同時考慮類間不平衡和難樣本挖掘，可采用SWLoss 損失函數(shù)中的類別不平衡因子1/βi替換Focal Loss中的類別系數(shù)?；赟WLoss的實驗包括：1）本文提出的部分加權損失函數(shù)SWLoss，記為SWLoss1；2）忽略不平衡因子的損失函數(shù)，即κ=1 時，記為SWLoss0；3）Focal Loss 中的類別系數(shù)替換為1/β，記為SWLoss0+Floss；4）Focal Loss 中的類別系數(shù)替換為1/β，同時考慮不平衡因子，記為SWLoss1+Floss。

實驗結果采用平均精度均值（mean Average Precision，mAP）進行評價，如式（13）所示，其中：TP（True Positives）為預測框與標簽框正確的匹配；FP（False Positives）為預測框將背景預測為目標；FN（False Negatives）指需要模型檢測出的物體，沒有檢測出；P（Precision）為測試精度；R（Recall）為召回率。

3.2 VOC2007對比實驗

圖2 對比了SWLoss 與RefineDet 原始損失Loss0 在VOC2007上的檢測結果。由圖2可知，相比原始損失函數(shù)，在SWLoss 損失函數(shù)中，樣本嚴重不平衡的小類Sheep、Cow 的準確度得到了提升，大類Person的準確度略微下降，整體的準確度由表1 可知，提升了1.01 個百分點，原因是SWLoss 損失函數(shù)引入了類間樣本平衡因子，增加了小類樣本在整體損失函數(shù)中的權重，降低了大類樣本的權重，從而在梯度更新中，使得小類樣本的更新速度得到提升。這說明本文引入的類間樣本平衡因子能夠提高網(wǎng)絡關注小類樣本的能力，改善大類樣本對小類樣本權重更新的覆蓋，緩解類間樣本的不平衡。

圖2 VOC2007數(shù)據(jù)集上各類樣本數(shù)量及測試精度Fig.2 Numbers and test accuracies of different classes of samples in VOC2007 dataset

表1還列出了SWLoss與其他對比方法的mAP。由表1可知：1）SWLoss0 明顯超過Loss0，SWLoss1 進一步提高了性能，說明提升主要來自分類損失，平衡多任務能進一步提高性能。2）FLoss 超過SWLoss1，說明考慮難樣本挖掘能夠提高性能。3）Floss+SWLoss0 和Floss+SWLoss1 均超過Floss，原因是Focal loss 類別系數(shù)是全局類別比例，SWLoss 損失函數(shù)基于批量中的類別比例，能更準確保證每次更新時類間樣本的平衡，因此SWLoss 損失函數(shù)在處理類間樣本不平衡問題上超過Floss。4）SWLoss1 超過PEloss 和WPloss，原因是PEloss 通過加權系數(shù)直接調(diào)整輸出概率，小類樣本損失占比依然很??；WPloss 通過AUC 損失更多關注難分類樣本，對小類樣本的關注程度不足，而SWLoss損失函數(shù)直接提高小類樣本損失的占比，因此SWLoss 損失函數(shù)在處理類別不平衡問題時具有優(yōu)勢。

表1 采用不同損失函數(shù)時的mA 單位：%Tab.1 mAP when using different loss functions unit：%

3.3 點陣字符對比實驗

圖3 和表1 展示了包裝盒點陣字符上的實驗結果。由圖3 可以看出：小樣本字符類別6 和9 的精度大幅提高，原因是SWLoss 損失函數(shù)提高了6 和9 的損失在整體損失的占比，在梯度更新時使得網(wǎng)絡權重的更新偏向于6和9的相關權重，因此對于該種存在較大不平衡的類間不平衡，SWLoss 損失函數(shù)的改善效果較明顯。由表1 可以看出：點陣字符數(shù)據(jù)集的檢測結果展現(xiàn)了與VOC2007 數(shù)據(jù)集類似的對比趨勢，說明了SWLoss 損失函數(shù)對不同類間不平衡數(shù)據(jù)集的適應性。具體來說：首先，大幅提高了原始RefineDet 性能；然后，優(yōu)于對比損失函數(shù)PEloss、WPLoss；最后，結合Focal Loss獲得的最好結果，表明基于批量類別比例的有效性。

圖3 點陣字符數(shù)據(jù)集上各類樣本數(shù)量及測試精度Fig.3 Numbers and test accuracies of different classes of samples in dot-matrix character dataset

為直觀分析所提算法效果，圖4 展示了點陣字符上的檢測效果?？梢钥吹?，原始網(wǎng)絡RefineDet 在檢測時產(chǎn)生了部分多余的檢測框如圖4（a）和（b），并且對數(shù)字6 和9 產(chǎn)生了誤檢和漏檢現(xiàn)象；圖4（c）和（d）為SWLoss損失函數(shù)的檢測結果，它在獲得高準確率的同時沒有產(chǎn)生多余的檢測框，且檢測框的位置相對準確，這是由于SWLoss損失函數(shù)在對網(wǎng)絡反向傳播更新權重時引入了多任務平衡因子權重進行加權量化，縮小了分類任務和回歸任務的差距。

圖4 字符檢測結果Fig.4 Character detection results

4 結語

本文針對RefineDet 目標檢測網(wǎng)絡對類間不平衡數(shù)據(jù)集檢測時，存在小樣本類別檢測性能低的問題，提出SWLoss 損失函數(shù)。該損失函數(shù)在目標檢測模塊的損失函數(shù)中引入了類間樣本平衡因子和多任務平衡因子，分別解決類間樣本不平衡問題以及多任務間不平衡問題。實驗表明SWLoss 損失函數(shù)有效地緩解了RefineDet 檢測網(wǎng)絡中的不平衡問題，能夠明顯提高小類樣本的檢測精度。

本文雖然關注了類間數(shù)據(jù)不平衡問題，但未考慮同類樣本的數(shù)據(jù)變化，即如何區(qū)分簡單樣本和復雜樣本。合理的損失函數(shù)應該更加側重難分類的復雜樣本，因此，今后將研究能夠關注復雜樣本的損失函數(shù)，進一步提高網(wǎng)絡特征學習的魯棒性。