梁興碧

（廣東工業(yè)大學(xué)計算機學(xué)院，廣東 廣州 510000）

隨著深度學(xué)習(xí)算法的不斷發(fā)展，在目標(biāo)檢測、語義分割和車道線檢測等領(lǐng)域皆積累了豐富的研究成果。例如，F(xiàn)aster R-CNN[1]和YOLOv4[2]等是較為經(jīng)典的目標(biāo)檢測算法；U-Net[3]、FCN[4]、SegNet[5]和PSPNet[6]等是較為經(jīng)典的語義分割算法；SCNN[7]和SADENet[8]等是較為經(jīng)典的車道線檢測算法。盡管這些算法都有出色的性能表現(xiàn)，但若一個接一個地處理這些任務(wù)會比一次同時處理所有任務(wù)需要花費更多的時間。

交通場景理解中的不同任務(wù)往往有很多相關(guān)信息可以互補。比如，車道線往往是可行駛區(qū)域的邊界線，而可行駛區(qū)域通常緊密地圍繞著車輛。因此多任務(wù)網(wǎng)絡(luò)模型更適用于這種場景，主要原因有兩個：（1）它可以通過同時并行處理多個任務(wù)而不是按順序逐個處理，從而加速了推理速度。（2）它可以在多個任務(wù)之間共享信息，這樣一定程度上會緩解模型的過擬合，提高了模型的泛化能力。對于駕駛環(huán)境感知系統(tǒng)，高精度和實時性是最關(guān)鍵的兩個要求，這關(guān)系到無人駕駛系統(tǒng)能否做出準(zhǔn)確及時的決策以確保安全行駛。然而，對于實際的無人駕駛系統(tǒng)，計算資源往往是有限的。因此，在實際場景中同時考慮這兩個要求是非常具有挑戰(zhàn)性的。為了在獲得高精度和高效率的同時解決駕駛環(huán)境感知網(wǎng)絡(luò)的多任務(wù)問題，即目標(biāo)檢測、可行駛區(qū)域分割和車道線檢測，本文設(shè)計了一種簡單有效的網(wǎng)絡(luò)架構(gòu)。本研究使用CSPDarknet 作為編碼器從圖像中提取特征，然后將這些特征圖輸入到特征融合模塊，該模塊主要由FPN 和PAN 組成，最后將融合后的特征圖分別輸入到三個解碼器以完成各自的任務(wù)。

1 算法設(shè)計

1.1 特征提取和特征融合網(wǎng)絡(luò)

本文選擇CSPDarknet[9]作為特征提取網(wǎng)絡(luò)，它支持特征傳播和特征重用，解決了優(yōu)化過程中的梯度重復(fù)問題,從而顯著減少了參數(shù)和計算量，有利于保證網(wǎng)絡(luò)的實時性。本文的特征融合網(wǎng)絡(luò)主要由空間金字塔池（SPP）模塊、特征金字塔網(wǎng)絡(luò)（FPN）模塊和路徑聚合網(wǎng)絡(luò)(PAN)模塊組成。SPP 模塊可以提取并融合不同尺度的特征，F(xiàn)PN 模塊可以自上而下地融合不同語義層次的特征，而PAN 模塊可以自下而上地融合不同語義層次的特征。這三個模塊結(jié)合可以獲得更好的特征融合效果，使得提取到的特征包含多尺度、多語義層次的信息。

1.2 目標(biāo)檢測分支網(wǎng)絡(luò)

本研究目標(biāo)檢測分支網(wǎng)絡(luò)結(jié)構(gòu)見圖1。文獻(xiàn)[10]在目標(biāo)檢測模型的檢測頭中引入了多種自注意力機制：尺度感知、空間感知和任務(wù)感知，顯著提高了檢測頭的表示能力。本研究借鑒該方案，在本研究的目標(biāo)檢測分支網(wǎng)絡(luò)中引入了自注意力機制。其中，尺度感知模塊可根據(jù)目標(biāo)的尺度在適當(dāng)?shù)膶哟紊显鰪娞卣?，使得特征圖對不同尺度變得更加敏感；空間感知模塊可在相同的空間位置聚合不同層次的特征，使得特征圖變得更加稀疏并且聚焦于不同位置的目標(biāo)；任務(wù)感知模塊可根據(jù)目標(biāo)的不同卷積核的響應(yīng)，引導(dǎo)不同通道的特征圖分別支持不同的任務(wù)，比如分類、邊框回歸等。

圖1 目標(biāo)檢測分支網(wǎng)絡(luò)結(jié)構(gòu)圖

1.3 可行駛區(qū)域分割分支網(wǎng)絡(luò)

本研究將FPN 的底層特征圖輸入到可行駛區(qū)域分割分支網(wǎng)絡(luò)，其輸入大小為(W/8,H/8,256)。首先經(jīng)過GAU 模塊，該模塊可提供全局上下文信息，來指導(dǎo)低層特征選擇類別定位信息。然后經(jīng)過三個上采樣過程，將輸出特征圖恢復(fù)為(W,H,2)的大小，表示輸入圖像中每個像素對于可行駛區(qū)域和背景的預(yù)測概率。此外，本研究在上采樣層中使用最近鄰插值法，而不是反卷積，降低了計算成本。

1.4 車道線檢測分支網(wǎng)絡(luò)

本研究車道線檢測分支網(wǎng)絡(luò)采用與可行駛區(qū)域分割分支網(wǎng)絡(luò)相同的網(wǎng)絡(luò)結(jié)構(gòu)。

1.5 多任務(wù)網(wǎng)絡(luò)

本研究的多任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)見圖2。首先通過共享的卷積層提取圖像特征，其次經(jīng)過頸部的特征融合模塊，得到語義信息表征能力更強的特征圖，最后分別輸入三個任務(wù)各自的解碼器，每個解碼器都結(jié)合了注意力模塊，以提高解碼器的表征能力。

圖2 多任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)圖

1.6 損失函數(shù)

1.6.1 目標(biāo)檢測損失函數(shù)Ldet

本研究目標(biāo)檢測損失函數(shù)Ldet是置信度損失、分類損失和邊界框損失的加權(quán)和，公式如下所示：

其中Lclass和Lconf采用Focal Loss 損失函數(shù)，該損失函數(shù)有助于解決樣本不均衡問題，提高模型的性能。而Lbox采用CIOU 損失函數(shù)，它考慮了預(yù)測框與標(biāo)簽之間的中心點距離、重疊率和長寬比的相似度，有助于進(jìn)一步提高檢測性能。α1、α2、α3可以調(diào)整對應(yīng)損失的權(quán)重大小以平衡損失。

1.6.2 可行駛區(qū)域分割損失函數(shù)Lda-seg

可行駛區(qū)域分割損失函數(shù)采用帶有Logits 的交叉熵?fù)p失函數(shù)，旨在最小化網(wǎng)絡(luò)輸出像素與實際標(biāo)簽之間的分類誤差。該損失函數(shù)的計算流程由兩步組成：第一步是對網(wǎng)絡(luò)的最后一層輸出做一個softmax，求取輸出屬于可行駛區(qū)域的概率；第二步則是對softmax 的輸出和樣本的實際標(biāo)簽求一個交叉熵。

1.6.3 車道線檢測損失函數(shù)Lll-seg

車道線檢測損失函數(shù)采用同樣帶有Logits 的交叉熵?fù)p失函數(shù)。

1.6.4 多任務(wù)網(wǎng)絡(luò)損失函數(shù)Lall

本研究多任務(wù)網(wǎng)絡(luò)損失函數(shù)是以上三種損失函數(shù)的加權(quán)和，公式如下所示：

其中γ1、γ2、γ3可以調(diào)整各損失權(quán)重以平衡總損失，有助于模型更好更快地收斂。

2 實驗

2.1 數(shù)據(jù)集簡介

BDD100K 數(shù)據(jù)集包含10 萬個高清視頻序列，是目前規(guī)模最大的無人駕駛數(shù)據(jù)集。該數(shù)據(jù)集涵蓋不同時間、不同天氣條件（包括晴天、陰天和雨天，以及白天和晚上的不同時間）和駕駛場景，其數(shù)據(jù)規(guī)模大，多樣性豐富。

2.2 實驗設(shè)置

為了使目標(biāo)檢測器能夠獲得更多關(guān)于交通場景中車輛的先驗知識，本研究使用k-means 聚類算法從數(shù)據(jù)集的所有視頻幀中獲取先驗錨點。使用Adam 作為優(yōu)化器來訓(xùn)練模型，初始學(xué)習(xí)率設(shè)置為0.001，并在訓(xùn)練過程中使用warm-up 和余弦退火算法來調(diào)整學(xué)習(xí)率，旨在引導(dǎo)模型更快更好地收斂。本研究還采用了一些較為常用的數(shù)據(jù)增強方法來增加圖像的多樣性，比如隨機旋轉(zhuǎn)、縮放、平移、剪切等。

2.3 實驗結(jié)果

2.3.1 目標(biāo)檢測分支網(wǎng)絡(luò)

見表1，本研究使用精確率、召回率和mAP50 作為檢測準(zhǔn)確率的評價指標(biāo)。實驗結(jié)果表明，本研究目標(biāo)檢測分支網(wǎng)絡(luò)在檢測精度上超過了Faster R-CNN、MultiNet[11]和DLT-Net[12]模型，并且與YOLOv5 模型的性能相當(dāng)。由于其他任務(wù)的信息共享，本研究目標(biāo)檢測分支網(wǎng)絡(luò)不會將遠(yuǎn)離道路（即非可行駛區(qū)域）的物體誤識別為車輛，預(yù)測結(jié)果更加準(zhǔn)確。

表1 車輛檢測結(jié)果

2.3.2 可行駛區(qū)域分割分支網(wǎng)絡(luò)

本研究使用準(zhǔn)確率和mIoU 作為指標(biāo)來評估不同模型的分割性能，結(jié)果見表2。可以看出，本研究可行駛區(qū)域分割分支網(wǎng)絡(luò)的分割性能均優(yōu)于其他三個模型。本研究可行駛區(qū)域分割分支網(wǎng)絡(luò)在分割靠近車輛或車道線的邊緣區(qū)域方面要好得多，這主要是因為另外兩個任務(wù)都為這個任務(wù)提供了邊緣信息。

表2 可行駛區(qū)域分割結(jié)果

2.3.3 車道線檢測分支網(wǎng)絡(luò)

本研究使用像素精度和mIOU 作為評估指標(biāo)。見表3，本研究車道線檢測分支網(wǎng)絡(luò)的性能大大超過了其他三個模型。借助其他兩個任務(wù)共享的信息，本研究車道線檢測分支網(wǎng)絡(luò)幾乎不會將某些車輛所在或可行駛的區(qū)域誤認(rèn)為車道線。

表3 車道線檢測結(jié)果

3 結(jié)論

本研究提出了一種簡單有效的多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)用于駕駛環(huán)境感知，可以同時處理目標(biāo)檢測、可行駛區(qū)域分割和車道線檢測三個任務(wù)。該網(wǎng)絡(luò)由一個用于特征提取的編碼器和三個用于處理特定任務(wù)的解碼器組成，并且可以進(jìn)行端到端的訓(xùn)練。經(jīng)實驗驗證，目標(biāo)檢測、可行駛區(qū)域分割和車道線檢測三個任務(wù)具有較高的相關(guān)性，進(jìn)行多任務(wù)學(xué)習(xí)能互相促進(jìn)彼此的性能，最終提高模型的整體性能，并且一次執(zhí)行多任務(wù)比依次執(zhí)行單個任務(wù)能節(jié)省大量時間。