林軼， 陳琳*， 王國鵬， 盛余洋， 孫立超

(1.長江大學計算機科學與技術學院， 荊州 434000； 2.三峽大學計算機與信息學院， 宜昌 443000)

近年來，隨著目標檢測技術的發(fā)展，交通標志的精準識別對高級輔助駕駛起著不可或缺的作用。而交通標志通常置于室外場景，在自然環(huán)境下受到雨淋、光照、老化等因素干擾，為確保到駕駛員的安全，在實際應用場景既要考慮檢測的速率，也要注重識別精度。

傳統(tǒng)目標檢測遵循手工設計特征并結合滑動窗口實現(xiàn)目標識別與定位，此方法準確度低、魯棒性差且無法實現(xiàn)實時檢測。在計算機視覺領域中，深度學習憑借卷積神經網絡逐步取代傳統(tǒng)手工設計，并在目標檢測、目標分類和目標分割等任務上有著良好的表現(xiàn)。目標檢測主要分為One-stage和Two-stage檢測算法，其中One-stage典型算法如SSD[1]、YOLO[2]、YOLOv2[3]、YOLOv3[4]等，直接回歸目標的分類與坐標位置，相比Two-stage有更快的檢測速度。Two-stage典型代表是R-CNN[5]、Fast R-CNN[6]、Faster R-CNN[7]等，通過利用區(qū)域生成網絡[8](region proposal network, RPN)對候選區(qū)進行區(qū)域推薦，相比One-stage有更高的檢測精度。

當前已有學者將目標檢測算法應用到交通標志識別中。宋青松等[9]提出一種聚類殘差單次多盒檢測算法(single shot multibox detector ,SSD)，在德國交通標志數(shù)據(jù)集(german traffic sign detection benchmark ,GTSDB)上準確率達到89.7%，檢測速度僅為0.96 f/s。Song等[10]提出一種高效的卷積神經網絡，在TT100K數(shù)據(jù)集上精準度高于Fast R-CNN及Faster R-CNN近10%。Cao等[11]在LeNet-5卷積神經網絡模型基礎上，采用Gabor作為初始核，選擇Adam作為優(yōu)化算法，在GTSDB數(shù)據(jù)集上檢測精度達到99%。以上學者的方法具有高精度與通用性，但模型網絡復雜致使計算量大識別速度慢，無法滿足實時檢測要求。

針對YOLOv3檢測算法和一些卷積神經網絡檢測過程中，無法兼顧精度和速度的平衡，提出一種改進的S-YOLO算法。在實驗部分，將S-YOLO與YOLOv3以及其他檢測算法進行對比分析，S-YOLO實現(xiàn)了交通標志檢測的有效性，同時在實時場景下達到理想的檢測精度。

圖2 S-YOLO實現(xiàn)圖Fig.2 S-YOLO implementation diagram

1 YOLOv3檢測模型

YOLOv3為One-stage目標檢測算法，采用Darknet-53網絡作為主干特征提取網絡，替代了YOLOv2的Darknet-19，共有53個卷積層，整個結構無池化層和全連接層。該網絡由5個殘差塊構成，每個殘差塊由CBL(Conv, Batch Normalization) LeakyRelu和殘差組件組成，如圖1(a)所示。其中，CBL是Darknet-53網絡中最小組件，由卷積層、批歸一化層和Leaky_relu激活層組成，如圖1(b)所示。通過引入ResNet[12]殘差結構，避免訓練過程造成梯度爆炸和消失等問題，降低深層網絡訓練難度。

圖1 Darknet-53組件結構Fig.1 Darknet-53 component structure

2 改進的S-YOLO檢測算法

YOLOv3在通用場景下已取得良好的檢測效果，但針對交通標志識的識別還存在一些不足：在CBL組件上多了一些層的計算，導致占用更多的顯存，降低檢測速度；初始先驗框為COCO數(shù)據(jù)集聚類的結果，不適用于交通標志；網絡結構對于小目標的交通標志檢測效果不理想；使用交并比(intersection over union, IoU)作為損失函數(shù)，在一些特殊條件下會出現(xiàn)異常值。針對上述問題，提出一種改進的S-YOLO算法，主要改進思想：合并批歸一化層[13](batch normalization,BN)到卷積層，減少一些層的計算，加快模型前向推理；使用二分K-means算法，對交通標志重新聚類確定初始先驗框，實現(xiàn)精準定位；添加空間金字塔池化(spatial pyramid pooling,SPP)模塊[14]，有效地提取出交通標志的深度特征，提升模型檢測精度；采用CIoU[15]損失函數(shù)，通過最小化預測框與真實框的中心距離并增加長寬比的懲罰，加快模型收斂，提升模型檢測精度。

S-YOLO算法實現(xiàn)整體流程圖如圖2所示，將圖像輸入Darknet-53主干網絡進行卷積等操作生成三種特征層，對第三個特征層進行空間金字塔池化操作，再進行上采樣后和第二個特征層進行張量拼接，同理，將第二個特征層進行上采樣后再與第三個特征層進行張量拼接，最后進行卷積等操作生成三種不同尺寸的特征圖。

2.1 合并BN層到卷積層

圖3 合并BN層到Conv層Fig.3 Merge BN layer to Conv layer

YOLOv3引入了批歸一化BN層，位于卷積層后，在訓練階段加快網絡收斂，解決了梯度爆炸和消失等問題，增強網絡健壯性。將BN層參數(shù)合并到卷積層，減少計算量以達到模型前向推理速度的提升。如圖3所示，圖像經過卷積再到BN層進行歸一化。計算過程為

(1)

xconv=xiwi+b

(2)

式中：xbn為BN計算結果；β為偏置；γ為縮放因子；μ為均值；為正則化參數(shù)，σ2為方差；xconv為卷積后結果；xi為輸入特征圖；wi為權重參數(shù)。

合并BN層到卷積層，將式(2)代入式(1)中得到新的卷積層為

(3)

合并后的權值參數(shù)為

(4)

偏置為

(5)

最終得到

xbn=xiwnew+bnew

(6)

BN層合并于卷積層后，新的卷積層參數(shù)只有權值wnew和偏置bnew，且少了BN層的計算，從而降低內存的使用，加快模型推理速度。

2.2 特征金字塔池化

引入空間金字塔池化模塊，將特征圖的局部與全局特征融合，豐富特征圖的表達能力。融合過程如圖4所示，原始圖像經過Darknet-53后得到13×13×256特征圖，將該特征圖輸入SPP模塊后，進行4個分支操作，從輸入直接到輸出，分別在3種大小的池化核進行下采樣，生成3個局部特征圖，再將4個特征圖進行張量拼接，得到13×13×1 024的特征圖，增加了特征圖的深度，豐富了交通標志的多尺度信息。

改進的S-YOLO網絡結構如圖5所示，Darknet-53網絡對輸入的圖像進行下采樣等操作，最終獲得3種尺寸特征圖，分別在3組特征圖的基礎上進行目標預測。網絡實現(xiàn)的具體過程如下：首先將13×13×1 024特征層進行5次卷積后得到第一個中間層，再將該層進行分類和回歸預測，得到預測層13×13×75；同時，將第一個中間層進行卷積和上采樣，與Darknet-53生成的26×26×512特征層進行Concat操作，即特征金字塔搭建過程，得到第二個中間層，再將該層進行分類和預測，得到預測層26×26×75；同理，將中間層進行卷積和上采樣，與Darknet-53生成的52×52×256特征層進行Concat操作，得到第三個中間層，再將該層進行分類和預測操作，最終得到預測層52×52×75。通過上述操作，得到3組不同尺度的預測層，能有效地提取到小目標的特征信息。

圖4 張量拼接Fig.4 Tensor splicing

圖5 S-YOLO網絡結構Fig.5 The network structure of S-YOLO

2.3 二分K-means聚類算法

采用二分K-means對數(shù)據(jù)集進行聚類，相較于K-means，該算法減少相似度計算量以提高執(zhí)行速度，并克服局部收斂的不足。其距離度量公式為

d(box,centroid)=1-IoU(box,centroid)

(7)

式(7)中：box表示先驗框；centroid表示先驗框的中心，IoU為兩個先驗框的交集與并集的比。

圖6為使用二分K-means聚類得到先驗框個數(shù)K與IoU關系。從圖6可知，隨著K的增大，IoU值逐漸遞增，當K=9時，IoU增長趨于平穩(wěn)，綜合交通標志檢測精度與速率，該點為最佳初始框框個數(shù)。最終得到的9個先驗框為(9,15)(4,21)(19,28)(24,36)(31,43)(39,52)(50,69)(67,89)(91,116)，分別對應13×13、26×26、52×52這三種尺度特征層。

圖6 先驗框個數(shù)K與IoU關系Fig.6 The relationship between K and IoU

2.4 CIoU回歸損失函數(shù)

IoU作為評價模型性能的一個重要指標，通過計算預測框與真實框交并比的值來衡量邊界框的相似度。計算公式為

(8)

式(8)中：area(A)為預測框的面積；area(B)為真實框的面積。常見的計算IoU損失函數(shù)為

(9)

該損失函數(shù)反映出邊界框的重合程度且具有尺度不變性，但存在兩個缺陷：當預測框與真實框不相交時，如圖7所示，IoU=0，LIoU=1，此時LossIoU不可導，無法反映邊界框之間距離；當預測框與真實框的尺度相同且IoU也相同時，LossIoU無法區(qū)分兩者相交的情況。

圖7 預測框與真實框不相交Fig.7 Prediction box don’t intersect the ground-truth box

為彌補IoU損失函數(shù)的不足，采用CIoU作為目標框的坐標回歸損失，其計算公式為

(10)

(11)

(12)

圖8 CIoU實現(xiàn)圖Fig.8 CIoU implementation diagram

3 實驗與分析

精選部分CTSDB[16]數(shù)據(jù)集并網絡爬取百度圖庫，為了提高數(shù)據(jù)集的泛化性，對樣本進行旋轉、壓縮、添加噪聲等圖像增強方式，最終獲得數(shù)據(jù)集6 218張，訓練集與驗證集按照3∶1分配，選取數(shù)量最多的4類交通標志作為檢測對象，分別為限速(speedlimit)、禁止(prohibitory)、指示(mandatory)和行人(pedestriancrossing)。

3.1 實驗環(huán)境與配置參數(shù)

本實驗的軟硬件環(huán)境配置如表1所示。在網絡訓練階段，使用原始YOLOv3提供的參數(shù)作為初始化參數(shù)，選用遷移式學習方法，通過YOLOv3內置參數(shù)進行迭代調整，實驗參數(shù)如表2所示。

表1 實驗環(huán)境配置Table 1 Experimental environment configuration

表2 S-YOLO參數(shù)配置Table 2 S-YOLO parameter configuration

3.2 評價指標

為了對不同模型進行性能評估，采用平均準確率(mean average precision, mAP)、準確率P(precision)、召回率R(recall)、F1值及檢測速度每秒幀率(frame per sceond, FPS)作為衡量模型性能的指標，計算公式分別為

(13)

(14)

(15)

式中：TP為真正例；FP為假正例；FN假負例；m為類別；AP為類別平均精度。

3.3 實驗對比與分析

3.3.1 消融實驗

為驗證所提方法的有效性，在重制的CTSDB交通標志數(shù)據(jù)集上進行消融實驗，以mAP、R、FPS和F1四項作為算法的評價指標，通過替換或組合模塊來對模型進行訓練，再對訓練完成的權重文件進行測試，驗證各個模塊對網絡性能的提升，如表3所示。從表3可知，模型A相對Base模型，在不影響檢測精度前提下僅提升了識別速度，表明合并BN層到卷積層只提升了模型的識別速度，但不影響檢測精度；對比模型A與模型B、C、D可知，添加二分K-means、SPP、CIoU模塊相對模型性能都有一定的提升，在mAP上分別提升了0.93%、1.3%、2.21%，而識別速度幾乎一致；對比模型A與模型E、F、G可知，將每兩個模塊進行結合模型性依舊提升，在mAP上分別提升了2.18%、2.26%、3.51%；最后將四個模塊相結合得到S-YOLO模型，在mAP上提升了4.26%，速度提升了15.19%。消融結果可知，合并BN層到卷積層、添加二分K-means、SPP、CIoU模塊對于網絡的性能均有一定的提升。

表3 重制的CTSDB數(shù)據(jù)集上消融實驗結果Table 3 Ablation experimental results on the reproduced CTSDB dataset

3.3.2 其他算法比較

為更進一步驗證所提算法的檢測性能，將Tiny-YOLOv3、YOLOv3、SSD ReNet50[17]、Faster R-CNN[9]以及YOLOv4[18]與S-YOLO算法進行對比，以mAP和FPS作為評價指標，實驗結果如表4所示。數(shù)據(jù)表明，S-YOLO的mAP和FPS分別達到94.33%和42.41 f/s，相對Tiny-YOLOv3和YOLOv3，在mAP上分別提升了5.36%和4.26%，雖然FPS不及Tiny-YOLOv3，但其檢測精度明顯高于Tiny-YOLOv3；對比Faster R-CNN算法，雖然在精度上略低，但其檢測速率遠高于Faster R-CNN；SSD算法在mAP和FPS兩項指標上分別為89.7%和0.08 f/s，均不及S-YOLO算法；對于當前的YOLOv4算法，在mAP上高于本人提出的算法1.67%，但識別速度為26 f/s。

對兼顧精度與速度的檢測環(huán)境而言，所提的S-YOLO算法在精度和速度兼顧的條件下有更好的檢測性能，達到一個實時檢測效果。

表4 其他模型對比實驗Table 4 Comparative experiment of other models

3.3.3 權重測試

使用Loss-IoU和Loss-CIoU作為回歸損失訓練得到的權重文件，以IoU和CIoU作為評價度量進行比較，將閾值(threshold)設置為0.75，分別在IoU和CIoU下進行驗證，統(tǒng)計結果見表5，Promote為提升度。數(shù)據(jù)表明，Loss-CIoU在測試數(shù)據(jù)集AP值較Loss-IoU分別提高了7.80%，并且Loss-CIoU的平均IoU閾值(AP)較Loss-IoU提高了3.40%，表明采用Loss-CIoU作為損失函數(shù)的模型性能得到優(yōu)化。

表5 不同損失函數(shù)性能比較Table 5 Performance comparison of different loss functions

3.4 檢測可視化

圖9 S-YOLO檢測效果Fig.9 S-YOLO detection visualization

圖9為S-YOLO在不同環(huán)境場景下對交通標志的檢測結果。由圖可知，在目標密集、雨天、暗光等復雜場景下，S-YOLO具有良好的識別效果，并能精準地檢測出相應的交通標志。

為進一步驗證所提模型的泛化性，將原始YOLOv3與改進的S-YOLO在TT100K交通標志數(shù)據(jù)集中進行對比實驗。如圖10所示，圖(a1)存在漏檢，未能識別出2個較小尺寸的交通標志，但圖(b1)能夠檢測出這2個較小的目標；圖(a2)未能識別1個較小尺寸目標，而圖(b2)正確檢測出所有目標。實驗表明，改進的S-YOLO能夠有效地降低目標檢測的漏檢率，在交通標志檢測上具有良好的泛化作用。

圖10 S-YOLO與YOLOv3對比實驗Fig.10 Comparative experiment of S-YOLO and YOLOv3

4 結論

針對原始YOLOv3算法在交通標志識別場景下存在精度低、速度慢問題，提出一種改進的S-YOLO目標檢測算法。首先將CBL組件中的BN層合并到卷積層來提高模型前向推理速度，然后引入SPP模塊來更有效獲取圖像特征，再使用二分K-means聚類算法確定適合交通標志的先驗框使模型的收斂性更好，最后引入CIoU回歸損失函數(shù)來提高模型檢測精度。實驗結果表明，改進的S-YOLO算法計算量少、精度高、泛化性強和實時性檢測，并且mAP與召回率分別達到了94.33%和94%，較原始YOLOv3提升了4.26%和5%，速度達到了42.41 f/s，較YOLOv3提升了15.19%，整體性能得到一定的提升。

同時，本文所提算法還有諸多方面有待改進，在識別小目標效果上還未達到預期的結果，檢測速度上也還有提升的空間。在實時檢測情景下，如何更進一步地提高模型的檢測精度，將是下一步的研究方向。