錢 伍，王國(guó)中，李國(guó)平

上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院，上海201620

交通燈檢測(cè)是指對(duì)交通燈定位和識(shí)別，作為自動(dòng)駕駛和輔助駕駛中的核心算法之一，直接關(guān)系到智能汽車的行駛決策。對(duì)交通燈準(zhǔn)確定位和類別檢測(cè)能夠?yàn)樾旭傊械能囕v提供交通信號(hào)信息，保障車輛行駛安全。顯然，實(shí)時(shí)和魯棒的交通燈檢測(cè)算法可以幫助智能汽車提前獲取交通信號(hào)信息，避免交通事故的發(fā)生，提高汽車的安全性能。

隨著計(jì)算機(jī)視覺和深度學(xué)習(xí)的快速發(fā)展，從視覺方面對(duì)交通燈檢測(cè)取得重大突破。但是，基于計(jì)算機(jī)視覺的交通燈檢測(cè)算法也面臨諸多困難，總結(jié)為以下幾個(gè)方面：（1）交通燈在圖像中具有較小的尺度，算法定位困難；（2）行駛中的車輛抖動(dòng)，采集到的圖像模糊，交通燈的邊緣信息難以確定；（3）交通燈的顏色和幾何特征易與環(huán)境中其他物體混淆，算法產(chǎn)生誤檢測(cè)；（4）交通燈處于復(fù)雜多變的戶外，算法難以泛化，魯棒性差；（5）檢測(cè)信息需要及時(shí)回傳到汽車的控制系統(tǒng)，算法要有可靠的實(shí)時(shí)性。

傳統(tǒng)的交通燈檢測(cè)算法往往只考慮單一環(huán)境，關(guān)注交通燈的顏色和幾何特征，使用特征提取、模板匹配和分類算法對(duì)交通燈進(jìn)行識(shí)別。其中Sobel 邊緣檢測(cè)、Hough 變換和支持向量機(jī)（support vector machine，SVM）等算法被組合應(yīng)用到交通燈的檢測(cè)中。Omachi等人在交通燈顏色特征下，提出歸一化輸入圖像的RGB 空間的方法提取候選區(qū)域，在候選區(qū)域上使用Hough 變換檢測(cè)交通燈。Li 等人將形態(tài)學(xué)濾波和統(tǒng)計(jì)方法結(jié)合在一起，首先使用Top-Hat 變換將輸入圖像變換為二值圖像，再使用閾值分割法提取明亮區(qū)域，結(jié)合形態(tài)學(xué)處理該區(qū)域，最后使用統(tǒng)計(jì)分析方法識(shí)別交通燈。這些算法不可避免地使用了大量人工提取的特征，魯棒性差，只能在特定的場(chǎng)景中實(shí)現(xiàn)，實(shí)時(shí)性難以達(dá)到要求。

近年來，以卷積神經(jīng)網(wǎng)絡(luò)為核心的目標(biāo)檢測(cè)算法取得了發(fā)展。這些算法可分為一階段和二階段算法，一階段的代表算法包括：OverFeat、SSD（single shot multibox detector）系列、YOLO（you only look once）家族和EfficientDet等。二階段的代表算法有R-CNN（region-based convolutional neural networks）家族和SPPNet等。

Manana 等人使用一種提前預(yù)處理的Faster RCNN對(duì)車道線進(jìn)行檢測(cè)，相比沒有預(yù)處理，縮短了訓(xùn)練的時(shí)間。Wang 等人使用HSV（hue saturation value）空間提取交通燈的候選區(qū)域，結(jié)合6 層卷積神經(jīng)網(wǎng)絡(luò)對(duì)這些區(qū)域進(jìn)行分類，實(shí)現(xiàn)了較高的速度和精度。Liu 等人在自建的交通數(shù)據(jù)集上，提出改進(jìn)YOLOv3 模型，模型檢測(cè)速度達(dá)到了59 frame/s，精度高達(dá)91.12%。Thipsanthia 等人在泰國(guó)交通數(shù)據(jù)集下使用YOLOv3 和YOLOv3-tiny 對(duì)50 類路標(biāo)進(jìn)行檢測(cè)，檢測(cè)精度分別達(dá)到了88.10%和80.84%。Choi 等人基于YOLOv3，設(shè)計(jì)了高斯損失函數(shù)，增加了模型對(duì)交通燈的召回率，在BDD100K數(shù)據(jù)集上，最好獲得了20.8%的mAP。

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法彌補(bǔ)了傳統(tǒng)算法中人工提取特征的不足，但是在特征提取過程中對(duì)原始圖像進(jìn)行多次下采樣，對(duì)小目標(biāo)檢測(cè)能力差。并且，這些算法不僅網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，而且模型規(guī)模大，訓(xùn)練代價(jià)高。

1 相關(guān)介紹

YOLO 算法將目標(biāo)檢測(cè)問題轉(zhuǎn)化為回歸問題，有著快速檢測(cè)的能力。YOLOv5 延續(xù)網(wǎng)格檢測(cè)方法，每個(gè)網(wǎng)格預(yù)測(cè)3 個(gè)bboxes（bounding box），每個(gè)bbox 包含4 個(gè)坐標(biāo)、1 個(gè)置信度和個(gè)條件類別概率。

如圖1，為了增加感受野且不影響模型推理速度，YOLOv5 在骨干網(wǎng)絡(luò)增加Focus 層，將圖像的寬度和高度信息轉(zhuǎn)化為通道信息。為了減少冗余信息，YOLOv5借鑒了CSPNet，設(shè)計(jì)兩種不同的BottleneckCSP 結(jié)構(gòu)，分別記作CSP1 和CSP2。其中CSP1 用特征提取部分，CSP2 用于特征融合部分。YOLOv5 有著四種不同規(guī)模的模型，分別記為YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x，模型參數(shù)依次增加，目標(biāo)檢測(cè)能力逐漸提升。盡管YOLOv5 有著快速識(shí)別和自適應(yīng)錨框等優(yōu)點(diǎn)，但是對(duì)目標(biāo)特征提取能力不足，并且特征融合網(wǎng)絡(luò)僅僅關(guān)注高級(jí)語(yǔ)義信息。因此，在此基礎(chǔ)上提出改進(jìn)方法，增加模型對(duì)類似交通燈這樣小且環(huán)境復(fù)雜目標(biāo)的檢測(cè)能力。

圖1 YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv5 network structure

2 改進(jìn)方法

本文分別從三方面改進(jìn)YOLOv5：（1）改進(jìn)模型的輸入尺度，使其能夠盡可能輸入較多的目標(biāo)特征；（2）設(shè)計(jì)了ACBlock（asymmetric convolution block）、SoftPool和DSConv（depthwise separable convolution），旨在增加主干網(wǎng)絡(luò)的特征提取能力，減少模型參數(shù)；（3）設(shè)計(jì)記憶性特征融合網(wǎng)絡(luò)，增加模型對(duì)底層特征的學(xué)習(xí)能力。改進(jìn)YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 I-YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 I-YOLOv5 network structure

為了與YOLOv5 的四種模型對(duì)應(yīng)，改進(jìn)后的模型分別記作I-YOLOv5s、I-YOLOv5m、I-YOLOv5l 和I-YOLOv5x。

2.1 模型輸入改進(jìn)——可見標(biāo)簽比

YOLOv5 以640×640 的尺度作為模型輸入，特征提取過程對(duì)目標(biāo)進(jìn)行了8 倍、16 倍和32 倍下采樣。此過程會(huì)使小目標(biāo)丟失顯著特征，因此本節(jié)探究模型輸入，盡可能多地保留目標(biāo)的顯著特征。

本文定義可見標(biāo)簽的概念：標(biāo)簽的GT（ground truth）經(jīng)過主干網(wǎng)絡(luò)的特征提取后，尺度大于1×1，稱這個(gè)標(biāo)簽為可見標(biāo)簽，其對(duì)應(yīng)的特征圖包含著目標(biāo)的顯著特征。不可見標(biāo)簽則會(huì)與周圍環(huán)境融合，生成弱信息特征圖，給檢測(cè)帶來了難度。由此，計(jì)算一個(gè)可見標(biāo)簽閾值，控制模型輸入，使采樣后的特征有更多的顯著特征。以8 倍下采樣作為模型最低的下采樣值，推導(dǎo)模型輸入與可見標(biāo)簽閾值之間的關(guān)系如下：

式中，是計(jì)算得到的模型輸入大小；=max{,}，、分別是原始圖像的寬和高；是可見標(biāo)簽閾值。

可見標(biāo)簽比指的是尺度≥的標(biāo)簽個(gè)數(shù)與總標(biāo)簽數(shù)目的比值，可以確定可見標(biāo)簽閾值，控制模型輸入?？梢姌?biāo)簽比越大，特征圖中目標(biāo)的顯著特征越多。表1 以BDD100K 為數(shù)據(jù)集，給出了可見標(biāo)簽閾值、可見標(biāo)簽比、模型輸入尺寸、模型檢測(cè)能力、模型運(yùn)行速度和模型訓(xùn)練占用顯存之間的關(guān)系。如表1，隨模型輸入尺度的增加，模型的AP（average precision）也隨之增加。但是，相應(yīng)的計(jì)算量會(huì)隨之增加。為了均衡AP 值和模型顯存占用，使用手肘法確定=13。此時(shí)模型的效益最高，相應(yīng)的模型輸入為800×800。

表1 可見標(biāo)簽比與模型性能關(guān)系Table 1 Relationship between visible label ratio and model performance

2.2 主干網(wǎng)絡(luò)的改進(jìn)方法

為了提高主干網(wǎng)絡(luò)對(duì)目標(biāo)的特征提取能力，本文借鑒ACNet，設(shè)計(jì)了ACBlock作為CSP（cross stage partial）結(jié)構(gòu)的基礎(chǔ)卷積。

如圖3，設(shè)計(jì)的ACBlock 由3 個(gè)卷積核3×3×、3×1×和1×3×組成。其中3×3×卷積核是一個(gè)正則卷積，可以提取圖像的基礎(chǔ)特征；3×1×和1×3×分別是豎形和橫形卷積核，二者可以提取圖像的縱向和橫向特征，以及目標(biāo)的位置和旋轉(zhuǎn)特征。因此，ACBlock 比原卷積核能夠提取到更多的特征信息，提高了主干網(wǎng)絡(luò)的特征提取能力。

圖3 ACBlock 結(jié)構(gòu)Fig.3 ACBlock structure

因?yàn)榫矸e滿足疊加原理（式（2）），所以ACBlock可以直接替換CSP 中的卷積核。ACBlock 提取特征后，依據(jù)式（2）進(jìn)行特征疊加。

式中，是輸入，和是兩個(gè)兼容大小的卷積核，*是卷積運(yùn)算。

在訓(xùn)練階段，ACBlock 中的3 個(gè)卷積核被單獨(dú)訓(xùn)練，疊加后再前向傳播。在推理階段，3個(gè)卷積核的權(quán)重被提前融合成一個(gè)正則卷積形式，再進(jìn)行推理計(jì)算，因此不會(huì)增加額外的推理時(shí)間。融合公式如下：

ACBlock 可以直接替換原始卷積核，使主干網(wǎng)絡(luò)獲取到更多的特征信息。ACBlock 由三種卷積核實(shí)現(xiàn)，勢(shì)必也會(huì)增加模型參數(shù)，又因?yàn)锳CBlock 中的每個(gè)卷積核被單獨(dú)訓(xùn)練，所以模型訓(xùn)練時(shí)間被延長(zhǎng)。

池化是卷積神經(jīng)網(wǎng)絡(luò)中一種至關(guān)重要的方法，它降低了網(wǎng)絡(luò)的計(jì)算，實(shí)現(xiàn)了空間不變性，更重要的是增加了后續(xù)卷積的感受野。YOLOv5 使用正則卷積實(shí)現(xiàn)模型下采樣，這不僅增加了計(jì)算量，而且還產(chǎn)生了較多的采樣損失。為此，本文提出在激活特征圖的池化區(qū)域內(nèi)使用Softmax 方式實(shí)現(xiàn)池化，對(duì)特征圖進(jìn)行2 倍下采樣。

在池化區(qū)域內(nèi)，使用Softmax 計(jì)算每個(gè)元素激活的權(quán)重，將指數(shù)加權(quán)累加激活作為池化鄰域的激活輸出，指數(shù)加權(quán)權(quán)重和鄰域激活公式如下：

如圖4，類似卷積核，本文使用一個(gè)3×3 步長(zhǎng)為2 的掩膜來對(duì)特征圖進(jìn)行池化。在激活后的特征圖中，較高激活（圖中高亮塊）包含特征圖的主要特征信息，較低激活則包含次要信息。下采樣時(shí)，掩膜會(huì)覆蓋在特征圖的3×3 區(qū)域上，在此區(qū)域內(nèi)計(jì)算每一個(gè)激活的Softmax 權(quán)重，較高的激活會(huì)獲得更高的權(quán)重。對(duì)此區(qū)域內(nèi)的激活加權(quán)累加后，作為池化結(jié)果傳遞到下一個(gè)特征圖。這個(gè)過程中，池化區(qū)域內(nèi)的所有激活都參與累加，較高的激活攜帶主要特征占據(jù)池化結(jié)果的主導(dǎo)地位，較低的激活也能將自己的次要特征信息傳遞到池化結(jié)果中。

圖4 SoftPool下采樣過程Fig.4 SoftPool down sampling process

因此，SoftPool 以加權(quán)求和保留了激活信息，對(duì)不同激活的關(guān)注度不同，很大程度上保留輸入的屬性，實(shí)現(xiàn)下采樣的同時(shí)能夠減少信息損失。

分析模型規(guī)模時(shí)，發(fā)現(xiàn)ACBlock 的引入，將模型參數(shù)增加了約70%。因此本文設(shè)計(jì)了DSConv 卷積核代替主干網(wǎng)絡(luò)中的部分正則卷積，旨在確保精度不變條件下減少模型參數(shù)。

如圖5（a）所示，YOLOv5 的正則卷積是由一個(gè)3×3×的卷積核實(shí)現(xiàn)，DSConv 則是由3×3×1 和1×1×兩個(gè)卷積核組成，卷積的過程也是兩步進(jìn)行。先由3×3×1 的卷積核對(duì)特征圖進(jìn)行逐通道卷積，得到結(jié)果；再由1×1×對(duì)進(jìn)行逐點(diǎn)卷積，得到作為DSConv 結(jié)果輸出。

圖5 正則卷積與DSConv 對(duì)比Fig.5 Regular convolution compared with DSConv

將主干網(wǎng)絡(luò)中第二層卷積核（圖1backbone 部分）替換成DSConv（圖2backbone 部分），可以減少模型參數(shù)，對(duì)模型性能幾乎沒有任何影響。

2.3 記憶性特征融合網(wǎng)絡(luò)

對(duì)小目標(biāo)檢測(cè)而言，底層特征比高級(jí)語(yǔ)義信息更重要。如圖6（a），YOLOv5 借鑒了PANet，采用自上而下和自下而上的順序融合方式生成三種高級(jí)語(yǔ)義信息，來計(jì)算損失。顯然，用于計(jì)算損失的只有高級(jí)信息，底層特征沒有被使用，丟失了較多小尺度信息，模型對(duì)目標(biāo)邊緣學(xué)習(xí)能力也被局限。

因此本文提出一種記憶性特征融合網(wǎng)絡(luò)，旨在將高級(jí)語(yǔ)義信息和底層特征結(jié)合，讓模型同時(shí)學(xué)習(xí)底層特征和高級(jí)語(yǔ)義信息，增加模型對(duì)小目標(biāo)的學(xué)習(xí)能力，提高模型對(duì)目標(biāo)的定位和回歸能力。

如圖6（b），設(shè)計(jì)的記憶性融合網(wǎng)絡(luò)沒有邊緣融合節(jié)點(diǎn)，使用遠(yuǎn)跳鏈接將底層特征直接傳遞到語(yǔ)義生成節(jié)點(diǎn)。因此，網(wǎng)絡(luò)末端可以將原始底層特征和高級(jí)語(yǔ)義信息再次融合。最終送入損失函數(shù)的特征既包含高級(jí)語(yǔ)義信息，又有底層特征。模型在學(xué)習(xí)高級(jí)語(yǔ)義信息的同時(shí)也能夠?qū)W習(xí)到底層信息，有助于模型檢測(cè)小尺度目標(biāo)。

圖6 PANet與本文特征融合網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 PANet and proposed feature fusion network structure

由于融合的信息中包含了較多的底層信息，模型對(duì)目標(biāo)的定位將更加精確，同時(shí)回歸框的精度也得到提高。如圖7，從特征融合的熱力圖中可以分析網(wǎng)絡(luò)對(duì)圖像的關(guān)注點(diǎn)。相比于PANet，記憶性特征融合網(wǎng)絡(luò)關(guān)注中心更集中在目標(biāo)中心，給檢測(cè)頭提供了準(zhǔn)確的位置中心，有助于模型的定位。因此，記憶性特征融合網(wǎng)絡(luò)可以提高定位精度。

圖7 特征融合后的熱力圖Fig.7 Heatmap of fused features

另外，熱力圖中目標(biāo)邊緣處較多的熱點(diǎn)會(huì)增加模型對(duì)邊緣信息的判別難度。通過計(jì)算預(yù)測(cè)框和真實(shí)框的IOU（intersection over union）可以評(píng)估預(yù)測(cè)框回歸的精準(zhǔn)度。表2 在BDD100K 驗(yàn)證集上計(jì)算了改進(jìn)方法的預(yù)測(cè)框與真實(shí)框的平均IOU。YOLOv5 模型預(yù)測(cè)框與真實(shí)框之間的平均IOU 是0.528，使用記憶性特征融合網(wǎng)絡(luò)后的平均IOU提高到了0.591，提高了0.063。記憶性特征融合網(wǎng)絡(luò)能夠克服目標(biāo)邊緣問題，回歸精度增加了6.3 個(gè)百分點(diǎn)。

表2 預(yù)測(cè)框與真實(shí)框的平均IOUTable 2 Average IOU of predict and ground truth boxes

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)步驟

本文在BDDTL（BDD100K traffic light）和Bosch數(shù)據(jù)集上訓(xùn)練模型，并測(cè)試改進(jìn)方法的有效性。相比于Bosch，BDDTL 不僅有著更大的數(shù)據(jù)量，而且還具有更多的數(shù)據(jù)屬性，能夠充分測(cè)試模型的泛化能力。因此，本文在BDDTL 數(shù)據(jù)集上建立消融實(shí)驗(yàn)和測(cè)試模型泛化能力。模型的訓(xùn)練是在Nvidia Tesla V100 PCIE 32 GB GPU 上進(jìn)行，測(cè)試是在Nvidia RTX2080 Super 8 GB GPU 上進(jìn)行。

YOLOv5 的訓(xùn)練參數(shù)見文獻(xiàn)[12]，采用余弦退火的衰減方式。在參數(shù)一致的前提下，訓(xùn)練了I-YOLOv5，并對(duì)模型輸入進(jìn)行增強(qiáng)。

實(shí)驗(yàn)內(nèi)容如下：

（1）在BDDTL 數(shù)據(jù)集上建立改進(jìn)方法的消融實(shí)驗(yàn)來分析改進(jìn)方法的可行性和必要性；

（2）在BDDTL 和Bosch 數(shù)據(jù)集上，通過對(duì)比多種算法、改進(jìn)前后的算法，來測(cè)試改進(jìn)的效果；

（3）在BDDTL 數(shù)據(jù)集上測(cè)試模型的魯棒性，評(píng)估模型的泛化能力；

（4）在BDDTL 數(shù)據(jù)集上建立模型魯棒性消融實(shí)驗(yàn)，驗(yàn)證改進(jìn)方法對(duì)魯棒性的影響。

3.2 評(píng)估指標(biāo)

本文采用AP.50 作為評(píng)估模型性能的指標(biāo)，因此需要計(jì)算模型的和，具體公式如下：

式中，是準(zhǔn)確預(yù)測(cè)標(biāo)簽的個(gè)數(shù)；是不存在目標(biāo)的誤檢測(cè)，或已存在目標(biāo)的誤檢測(cè)；是目標(biāo)的漏檢測(cè)。

3.3 模型訓(xùn)練

如圖8（a），在訓(xùn)練過程中，YOLOv5 收斂速度慢，其 中YOLOv5s 和YOLOv5m 在 第250 個(gè)epoch 附 近開始收斂。I-YOLOv5 在第50 個(gè)epoch 附近開始收斂，有著更快的收斂速度。從圖8（b）可以看出：YOLOv5 在驗(yàn)證集上的AP 先增后降，出現(xiàn)了嚴(yán)重的過擬合；隨著模型收斂，I-YOLOv5 的驗(yàn)證AP 穩(wěn)定上升，沒有出現(xiàn)過擬合現(xiàn)象。

圖8 模型訓(xùn)練過程Fig.8 Model training process

3.4 消融實(shí)驗(yàn)

為了充分驗(yàn)證改進(jìn)方法行之有效，通過構(gòu)建消融實(shí)驗(yàn)（見表3），逐步探究改進(jìn)方法對(duì)YOLOv5 影響。消融實(shí)驗(yàn)以YOLOv5l為基礎(chǔ)模型，輸入大小統(tǒng)一為640×640，評(píng)估指標(biāo)為AP和模型計(jì)算量（FLPOS）。

表3 以YOLOv5l為基礎(chǔ)模型的消融實(shí)驗(yàn)Table 3 Ablation experiments based on YOLOv5l

從表3中可知，ACBlock、SoftPool 和Our FPN（feature pyramid network）對(duì)模型檢測(cè)能力有較大的提升。ACBlock 使模型的AP 上升了5.4 個(gè)百分點(diǎn)，因此ACBlock 可以提取到更多的特征信息，但也增加了69.2%的計(jì)算量。

SoftPool 池化使模型的AP 增加了2.8 個(gè)百分點(diǎn)，參數(shù)量減少了1.7%，這種池化方式實(shí)現(xiàn)了下采樣的同時(shí)可以減少信息丟失。

DSConv直接減少了4.3%的計(jì)算量，將模型的AP降低了0.2個(gè)百分點(diǎn)，對(duì)模型的精度幾乎沒有任何影響。

記憶性融合網(wǎng)絡(luò)將模型的檢測(cè)能力提高了5.6個(gè)百分點(diǎn)，模型參數(shù)減少了21.4%。因此，使用遠(yuǎn)跳連接使底層特征與高級(jí)語(yǔ)義信息重新再融合可以增加模型的特征學(xué)習(xí)能力。

在消融實(shí)驗(yàn)逐步進(jìn)行的過程中可以發(fā)現(xiàn)：改進(jìn)方法疊加，模型的性能并不是直接疊加，而是在上一個(gè)改進(jìn)的基礎(chǔ)上的小幅度提升。通過逐步改進(jìn)YOLOv5 的主干網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)，模型的檢測(cè)能力也隨之逐步提升。

3.5 實(shí)驗(yàn)結(jié)果

模型在BDDTL 和Bosch 數(shù)據(jù)集上的測(cè)試結(jié)果列在表4 和表5 中。

如表4，在BDDTL數(shù)據(jù)集上，YOLOv5x作為YOLOv5 最優(yōu)秀的模型，在55 frame/s 的檢測(cè)速度下獲得了63.30%的AP。EfficientDet-D2 的AP 只有45.50%，檢測(cè)速度只有24 frame/s。I-YOLOv5s 的AP達(dá)到了72.30%，比YOLOv5x 提升了9 個(gè)百分點(diǎn)，推理速度也達(dá)到了111 frame/s。I-YOLOv5x 取得了所有實(shí)驗(yàn)中最優(yōu)的結(jié)果，模型的AP高達(dá)74.30%，比YOLOv5x提高了11 個(gè)百分點(diǎn)，檢測(cè)速度保持在40 frame/s。

表4 不同模型在BDDTL 數(shù)據(jù)集上的測(cè)試結(jié)果Table 4 Test results of different models on BDDTL

如表5，在Bosch 數(shù)據(jù)集上，YOLOv5 的AP 達(dá)到了75.1%，檢測(cè)速度最快達(dá)到130 frame/s。相比之下，I-YOLOv5 檢測(cè)速度平均下降了約7 frame/s，但檢測(cè)平均能力提高了12.03個(gè)百分點(diǎn)。其中，I-YOLOv5s在82.8%的AP 下檢測(cè)速度達(dá)到了126 frame/s；IYOLOv5x在84.4%的AP下，檢測(cè)速度也有46 frame/s。

表5 不同模型在Bosch 數(shù)據(jù)集上的測(cè)試結(jié)果Table 5 Test results of different models on Bosch

圖9 展示了改進(jìn)前后的檢測(cè)效果，其中（a）、（c）、（e）和（g）是YOLOv5 檢測(cè)效果，（b）、（d）、（f）和（h）是I-YOLOv5 檢測(cè)效果。從（a）和（b）可知，改進(jìn)后的算法緩解了YOLOv5 的漏檢測(cè)問題，模型對(duì)小尺度交通燈的檢測(cè)能力也得到提高；如（c）和（d）,在夜晚場(chǎng)景下，改進(jìn)后的模型修正了檢測(cè)框的位置，提升了定位精度；從（e）和（f）可知，由于大尺度訓(xùn)練樣本少，YOLOv5 對(duì)大尺度交通燈的檢測(cè)能力也同樣不足，而改進(jìn)后的方法彌補(bǔ)了這個(gè)問題；由（g）和（h）可知，改進(jìn)后的模型對(duì)小尺度交通燈的檢測(cè)能力顯著上升。

圖9 模型檢測(cè)效果Fig.9 Model detection effect

3.6 模型魯棒性測(cè)試

如表6，測(cè)試不同的環(huán)境條件下的模型性能，可以評(píng)估改進(jìn)前后模型的魯棒性是否有所提高。

表6 改進(jìn)YOLOv5 和YOLOv5 魯棒性測(cè)試結(jié)果Table 6 Improved YOLOv5 and YOLOv5 robustness test results %

（1）在不同尺度檢測(cè)能力的測(cè)試中，I-YOLOv5在small 尺度中取得了71.9%的AP，在large 尺度中提高了40%?？梢园l(fā)現(xiàn)，所有模型在large 尺度中的檢測(cè)能力都小于small 尺度下。這是因?yàn)锽DDTL 數(shù)據(jù)集中大尺度標(biāo)簽僅僅只有119個(gè)，小尺度標(biāo)簽有164 333個(gè)，樣本不均衡，模型對(duì)大尺度目標(biāo)學(xué)習(xí)能力不足。

（2）在不同時(shí)間條件下的測(cè)試結(jié)果表明，IYOLOv5 的AP 顯著提高，在黎明和黃昏條件下，提升了20.7%的AP，在夜晚AP 也有8.3 個(gè)百分點(diǎn)的增加。

（3）通過在不同場(chǎng)景下測(cè)試，I-YOLOv5 幾乎都有較高的提升，其中在parking lot 場(chǎng)景中，I-YOLOv5l將AP 值直接提高了21.1 個(gè)百分點(diǎn)。但是在tunnel場(chǎng)景，I-YOLOv5 表現(xiàn)出較差的檢測(cè)性能。因?yàn)樵搱?chǎng)景中的測(cè)試圖片只有3 張，共9 個(gè)目標(biāo)，測(cè)試結(jié)果偏差大。

（4）在不同天氣條件下，I-YOLOv5 對(duì)YOLOv5的AP 提升都在10 個(gè)百分點(diǎn)之上。在foggy 場(chǎng)景中，I-YOLOv5 提升了25.4 個(gè)百分點(diǎn)，達(dá)到了75.2%。

3.7 模型魯棒性消融實(shí)驗(yàn)

為驗(yàn)證改進(jìn)方法對(duì)模型泛化能力的影響，以YOLOv5l 模型為基礎(chǔ)，在輸入統(tǒng)一為640×640 的條件下，逐步引入提出的方法，通過測(cè)試不同場(chǎng)景下的mAP（mean average precision）來衡量模型性能，研究改進(jìn)方法對(duì)模型魯棒性能的影響。此外增加A mAP I（average mAP increase）指標(biāo)，用于衡量mAP 的平均增加量。

模型魯棒性消融實(shí)驗(yàn)結(jié)果見表7。設(shè)計(jì)的ACBlock 結(jié)構(gòu)在size、time 和weather 場(chǎng)景下的mAP都增加了5.0 個(gè)百分點(diǎn)以上，在scene 場(chǎng)景下，mAP 僅增加了5.2%。SoftPool 對(duì)不同場(chǎng)景下模型的mAP 提升了2.5 個(gè)百分點(diǎn)～3.0 個(gè)百分點(diǎn)，其中在scene 場(chǎng)景下對(duì)模型的貢獻(xiàn)最少。DSConv 的使用對(duì)模型檢測(cè)能力的影響較小，在不同size 條件使模型的mAP 降低了1.0%。本文的特征融合網(wǎng)絡(luò)的設(shè)計(jì)對(duì)模型的貢獻(xiàn)最大，在weather 場(chǎng)景下提高模型5.9 個(gè)百分點(diǎn)，平均給模型性能增加5.0 個(gè)百分點(diǎn)。

表7 以YOLOv5l為基礎(chǔ)模型的魯棒性消融實(shí)驗(yàn)Table 7 Robust ablation experiment based on YOLOv5l

與3.4 節(jié)內(nèi)容相似的是，改進(jìn)方法對(duì)模型魯棒性的提高不是具體到某一種方法的改進(jìn)，而是模型整體特征提取能力的增加，特征融合的優(yōu)化使模型的檢測(cè)能力增加。

4 結(jié)論

針對(duì)目前基于視覺的交通燈檢測(cè)算法存在的難點(diǎn)，本文以BDD100K 為數(shù)據(jù)集，以YOLOv5 為基礎(chǔ)，使用可見標(biāo)簽比確定模型輸入，引入ACBlock 增加主干網(wǎng)路的特征提取能力，設(shè)計(jì)SoftPool 減少模型采樣損失，使用DSConv 減少模型參數(shù)，設(shè)計(jì)一種記憶性特征融合網(wǎng)絡(luò)充分利用特征信息。

實(shí)驗(yàn)結(jié)果證明，改進(jìn)后的方法在BDD100K 和Bosch 數(shù)據(jù)集上使AP 分別提高了11.0 個(gè)百分點(diǎn)和9.3個(gè)百分點(diǎn)，檢測(cè)速度最慢也在40 frame/s。在不同的尺度、場(chǎng)景、天氣和時(shí)間條件下，改進(jìn)后的模型均有較大的提升，最多提升了25.4 個(gè)百分點(diǎn)，有效增加了模型的魯棒性和小目標(biāo)提取能力。本文通過改進(jìn)YOLOv5 模型，增加了模型的檢測(cè)能力，提高了模型的魯棒性，做到了準(zhǔn)確和實(shí)時(shí)的交通燈檢測(cè)。