基于改進SSD模型的牛臉檢測

茍先太，黃 巍，劉琪芬

(西南交通大學 電氣工程學院，四川 成都 611756)

0 引 言

隨著我國畜牧業(yè)逐漸走向規(guī)?；?，牲畜牛的急劇增加的數(shù)量為其健康監(jiān)測帶來巨大的挑戰(zhàn)。牛臉檢測是健康監(jiān)測中的一個主要步驟，檢測效果的好壞與效率的高低會直接影響健康監(jiān)測的最終效果。

目前牛臉檢測的難點有兩個：一個是多牛場景。需要對圖像中每頭牛的牛臉進行高精度的檢測。另一個是模型速度。為了保證牛臉采集效率，模型需要部署在移動端或者嵌入式設(shè)備，這對于模型速度有著極高的要求。傳統(tǒng)的目標檢測方法包括SIFT[1](scale-invariant feature transform)、HOG[2,3](histogram of oriented gradient)等特征提取算法。在速度和精度上，傳統(tǒng)方法都不太滿足本文牛臉檢測的要求。

基于深度學習的目標檢測模型包括one-stage方案，如SSD[4]、YOLO[5](you only look once)等。與之對應(yīng)的two-stage方案包括RCNN[6]、Fast-RCNN[7]、Faster-RCNN[8]等模型?？紤]到牛群健康監(jiān)測系統(tǒng)對牛臉檢測模型速度上的要求，本文選擇使用SSD模型，并在原有模型的基礎(chǔ)上進行優(yōu)化：使用輕量級網(wǎng)絡(luò)MobileNet v2[9]作為SSD的基礎(chǔ)網(wǎng)絡(luò)以提高模型速度；使用K-Means[10]聚類方法取代先驗對檢測框高寬比進行設(shè)置。從實驗結(jié)果來看，改進之后的SSD模型在速度以及精度上均有一個較大的提升。

1 SSD模型網(wǎng)絡(luò)結(jié)構(gòu)分析

1.1 基礎(chǔ)網(wǎng)絡(luò)模型

圖1 SSD模型結(jié)構(gòu)

SSD模型使用VGG-16[11]作為基礎(chǔ)網(wǎng)絡(luò)[4]。在VGG-16的基礎(chǔ)上，SSD將最后的全連接層替換為3×3的卷積層和1×1的卷積層收縮特征圖尺度。在尾部繼續(xù)添加卷積層進一步收縮特征圖以獲得不同尺度的特征圖進行預測。模型結(jié)構(gòu)如圖1所示。

1.2 默認框機制

在檢測過程中，SSD使用了被稱為默認框(default box)的機制[4]，即生成一些預選框，和圖像中的物體進行匹配，匹配到物體之后，使用softmax分類和邊界框回歸得到物體的種類與位置。邊界框回歸可以對默認框進行位置和大小的微調(diào)，得到SSD模型最終的檢測框。默認框匹配步驟如圖2所示。在同一個柵格(cell)，SSD會使用4～6個高寬比不同的默認框進行匹配，匹配到物體之后，再進行之后的分類和回歸操作。

圖2 默認框匹配步驟

1.3 損失函數(shù)

SSD模型需要對邊界框進行回歸，還需要對物體的種類進行預測，所以SSD模型的損失函數(shù)由兩部分構(gòu)成：分類置信度損失Lconf和坐標誤差Lloc[4]

在上式中，N是默認框的個數(shù)，α是坐標誤差的權(quán)重參數(shù)，通過更改α可以改變坐標誤差在梯度下降過程中的重要程度。

SSD模型的分類置信度損失Lconf使用的是softmax loss，softmax loss普遍用于多分類問題，但與經(jīng)典的softmax loss不同，分類置信度損失既考慮了正樣本，也考慮負樣本

SSD模型的坐標誤差Lloc采用的是Smooth L1 loss，和傳統(tǒng)的平方損失函數(shù)相比，Smooth L1 loss對于離群點的敏感度不高，不容易出現(xiàn)梯度爆炸的情況

式中：g指的是訓練樣本的ground truth，l指的是模型的預測框，cx、cy、w、h分別指的是默認框的中心點坐標以及寬和高。

2 改進SSD模型結(jié)構(gòu)

圖3 改進模型結(jié)構(gòu)

雖然經(jīng)典SSD模型[4]在精度和速度上都達到了較高水平。但在速度和精度上依然有可以提升的空間。首先VGG-16有138 M個參數(shù)[11]，過多的參數(shù)量意味著更多的計算量。考慮到牛臉檢測對模型速度的要求，本文使用MobileNet v2替換VGG-16作為改進SSD模型的基礎(chǔ)網(wǎng)絡(luò)，選取MobileNet v2中的layer_15和layer_19作為第一二層特征提取層。另一方面，經(jīng)典SSD模型默認框的高寬比采用的是3組互為倒數(shù)的高寬比[4]，目的是盡可能覆蓋公共數(shù)據(jù)集中的所有種類的高寬比，但是這種設(shè)置方法對于本文的牛臉檢測任務(wù)缺乏特異性。為了得到更為合理的高寬比設(shè)置，本文使用K-Means聚類算法對樣本高寬比進行聚類，得到的聚類中心即為高寬比設(shè)置。實驗對比結(jié)果表明，使用K-Means聚類得到的默認框高寬比設(shè)置對于模型的精度、速度均有一定的提升。改進模型結(jié)構(gòu)如圖3所示。

2.1 MobileNet v2結(jié)構(gòu)特點

MobileNet v2結(jié)構(gòu)主要有兩個特點，一是使用了深度可分離卷積[9]；二是使用了倒置殘差塊[9]。就是這兩個特點，讓MobileNet v2在使用極少的參數(shù)量的條件下依然保持較高精度。

和標準卷積相比，深度可分離卷積對特征圖的某一通道進行卷積，之后使用1×1卷積進行特征融合，其性能和標準卷積相似，但參數(shù)量得到了極大的減少。深度可分離卷積如圖4所示。

圖4 深度可分離卷積

圖4中，Dk為深度可分離卷積的卷積核大小，通常Dk=3， 即使用3×3的深度可分離卷積進行特征提取，M為深度可分離卷積的卷積核個數(shù)，通常M和輸入特征圖的通道數(shù)相等，N為1×1卷積核的個數(shù)，故輸出特征圖的通道數(shù)也為N。

倒置殘差塊(inverted residual block)使用了shortcut連接，使模型可以搭建得更深而不會出現(xiàn)梯度消失的問題。和標準殘差塊相比，倒置殘差塊先使用1×1的卷積升通道數(shù)，之后進行深度可分離卷積提取特征，最后再使用1×1的卷積恢復之前的通道數(shù)[9]。這個過程剛好和標準殘差塊相反。同時，為了解決MobileNet v1[12]出現(xiàn)的特征退化問題，倒置殘差塊最后一個激活函數(shù)采用線性激活[9]。標準殘差塊和倒置殘差塊如圖5和圖6所示。

圖5 標準殘差塊

圖6 倒置殘差塊

2.2 K-Means聚類算法

K-Means[10]是一種常用的、基于原型的目標函數(shù)聚類算法。通常K-Means使用的距離量度為歐氏距離，但在SSD模型中，默認框和ground truth匹配是參照兩個框的交并比(intersection-over-union，IoU)大小，交并比超過閾值，則認為匹配成功。

考慮到交并比對默認框匹配結(jié)果的影響，本文使用的距離度量如下式所示

distance=1-IoU

其中，IoU指的是參與聚類的樣本高寬比和聚類中心的交并比。

K-Means聚類算法的處理流程較為簡單，通過不斷地計算樣本點到聚類中心的距離，按照最小距離對樣本點進行劃分，之后更新聚類中心的位置，如此反復，直到更新不再出現(xiàn)變化為止。其流程偽代碼見表1。

表1 K-Means聚類偽代碼

3 實驗結(jié)果與分析

3.1 數(shù)據(jù)集準備

本文的牛臉樣本主要來自imageNet[13]、Pascal VOC等公開數(shù)據(jù)集中標注為“cattle”或者“cow”的樣本。考慮到本文提出的模型所面向的場景通常為養(yǎng)牛場，為使模型的訓練樣本和現(xiàn)實場景中的牛臉保持獨立同分布，本文在牛臉樣本中選擇黃牛作為主要研究對象，同時，本文也使用google圖片獲得了在養(yǎng)牛場場景下的牛臉圖片。經(jīng)過篩選，數(shù)據(jù)集樣本大約為3800張，按照9∶1比例劃分訓練集和測試集，數(shù)據(jù)集均使用三維標注軟件labelimg進行標注。

3.2 實驗平臺配置

本文實驗使用的開發(fā)平臺為Ubuntu 18.0。平臺具體配置見表2。

表2 實驗平臺配置

3.3 模型訓練

模型輸入圖片尺寸為300×300。batch size設(shè)置為32。優(yōu)化器使用的是RMSProp，其優(yōu)點是可以自己調(diào)整學習率[14]，所以設(shè)置初始學習率為0.001，之后就不再需要對學習率進行任何衰減操作。訓練數(shù)據(jù)預處理使用了隨機裁剪、隨機padding、隨機鏡像以及色彩扭曲。

3.4 模型實驗結(jié)果與分析

3.4.1 K-Means聚類結(jié)果與分析

K-Means聚類實驗的評價標準是聚類簇中心與ground truth的平均交并比，平均交并比越高，效果越好。分別令k=1…9進行聚類，實驗結(jié)果如圖7所示，由結(jié)果可知，使用K-Means極大地提升了平均交并比，意味著模型使用K-Means聚類方法得到的高寬比可以更好地適應(yīng)樣本。考慮到模型速度與精度，最終模型默認框高寬比使用的是k=4 時，K-Means的聚類結(jié)果，平均交并比為70.63%。按照聚類得到的高寬比效果如圖8所示。

圖7 K-Means聚類結(jié)果

圖8 聚類的高寬比效果

3.4.2 改進模型牛臉檢測結(jié)果與分析

改進模型牛臉檢測使用的評價指標為精確率(precision，P)以及召回率(recall，R)。計算公式如下所示

在速度上，本文使用FPS(frames per second)以及檢測框個數(shù)作為評價指標。FPS表示每秒模型可處理的圖片張數(shù)，檢測框個數(shù)表示在模型生成的默認框的總個數(shù)，通常檢測框越多，速度越慢。為了提升實驗的對比度，除了經(jīng)典SSD網(wǎng)絡(luò)，本文還選取了基于SqueezeNet、ShuffleNet等3種輕量級網(wǎng)絡(luò)的SSD模型進行對比實驗，實驗結(jié)果見表3，根據(jù)實驗結(jié)果繪制柱狀圖，如圖9所示。在測試集上測試模型檢測效果，如圖10所示。

由對比實驗結(jié)果可知，針對不同基礎(chǔ)網(wǎng)絡(luò)的SSD模型，使用K-Means聚類算法設(shè)置默認框高寬比對于模型的精確率、召回率以及FPS均有一定的提升。說明針對具體的牛臉檢測場景，使用合理的默認框高寬比對于提升模型性能十分重要。在模型表現(xiàn)上，本文給出的改進模型在各個指標均略高于其它模型。

表3 對比實驗結(jié)果

圖9 模型性能對比

圖10 牛臉檢測效果

4 結(jié)束語

本文給出的改進SSD模型，使用了MobileNet v2作為基礎(chǔ)網(wǎng)絡(luò)并且使用K-Means對樣本高寬比進行聚類。在速度上、精度上均超過經(jīng)典SSD模型。通過對比實驗，改進SSD模型在精確率、召回率以及FPS上均優(yōu)于基于其它輕量級網(wǎng)絡(luò)的SSD模型。針對不同的應(yīng)用場景，按照不同需求對模型進行相應(yīng)的改進與優(yōu)化，這也為之后人工智能項目的落地提供了一定的思考與參照。