基于改進YOLOv3 的數字識別方法

陳悅哲 孔令云 李 杰 張 儀 王許鵬

（西京學院，陜西 西安710123）

1 概述

數字在數學、金融、大數據、教育等各個行業都是加快發展歷程的關鍵。由于信息時代的迅速發展，致使數字信息的長度和維度都大大增加，如何快速準確的識別出數字內容就尤為重要。

2016 年3 月份，自從Google 的圍棋人工智能程序AlphaGo以4 比1 的大比分，戰勝人類選手李世石以來，深度神經網絡就迅速發展起來，發展出了一系列的手寫數字識別的算法，例如R-CNN[1]，Fast R-CNN[2]，Faster R-CNN[3]，和Mask RCNN[4]。這些算法的準確率雖然可以滿足基本的識別需求，但是實時性不佳。

本實驗介紹基于改進YOLOv3[5]的手寫數字識別技術，該方法對數字的識別有較高的準確率和較快的預測速度。

2 數據準備與預處理

數據質量的高低與模型訓練的好壞有著直接的聯系，因此本實驗對原生的MNIST 數據集進行了改進和數據增強。

2.1 數據準備

本實驗將單一數字為樣本的MNIST 數據集進行拼隨機拼接處理，提高模型在同一個樣本內識別多個數字的能力。

2.2 數據預處理

在數據預處理部分，主要有兩個核心任務。

第一，避免分散模型對數字識別的注意力。因為在數字識別的過程中，并不需要對數字的色彩和灰色度進行識別，去除一些非必要信息，所以將對樣本進行二值化。

第二，解決樣本數量問題。訓練YOLOv3 的模型需要大量的樣本，否則極易過擬合，使模型缺失泛化能力。在基礎樣本數量確定后，本實驗采取的數據增強技術有：隨機移動、隨機裁剪、隨機反轉。處理后的數據如圖1。

圖1 數據樣本

3 YOLOv3 的改進

3.1 多尺度特征的改進

YOLOv3 相較于YOLOv2 的一個重大改進就是采用的多尺度特征的方法代替YOLOv2 采用的passthrough 層，這種多尺度特征的方法對于檢測細粒度特征有著優異的效果，三種特征尺度分別為13*13、26*26 和56*56。

但是在日常的數字識別項目中，每個數字一般只占據頁面的一小部分，過多的進行大尺度特征描述是徒勞的，同時為了避免特殊情況，將設定一個閾值為0.7 來觸發是否進行大尺度特征描述，計算公式如下：

特征圖由大到小對應的先驗框分別為（116*90），（156*198），（373*326）；（30*61）（62*45）（59*119）；（10*13）（16*30）（33*23）。

3.2 DarkNet-53 的改進

YOLOv3 具有對80 類甚至上百類的目標進行識別，由于數字識別的范圍是在0～9 的10 分類問題，YOLOv3 過于厚重的網絡模型會造成資源浪費和實時速度。雖然DarkNet-53 采用殘差網絡結構使得網絡的訓練難度得到降低，并使用了大量的1×1 卷積核與使用3×3 大小步長為2 的卷積核替代最大池化減少網絡總體的參數數量，但是還是沒有解決訓練復雜和識別速度慢的問題。

為了精進這一點，在保證準確率的基礎上，本實驗提出了改進版的DarkNet-53 特殊提取器IDN，改進YOLOv3 網絡結構如圖2 所示。

圖2 改進YOLOv3 網絡結構

4 模型訓練與結果分析

本實驗主要任務是兩個部分：

第一個部分，通過實驗評估YOLOv3 模型與改進后的YOLOv3 模型的準確率。

第二個部分，在預測階段對比模型的響應速度。

4.1 損失函數

Loss 主要分為三大部分：邊界框坐標損失，分類損失和置信度損失。使用誤差平方損失函數分別計算（x，y，w，h）的Loss 時，為了弱化邊界框尺寸對損失值的影響，增加1 個與物體框大小有關的權重。

整個模型的Loss 如下：

其中，λobj表示置信度，判斷網格內有無物體。

4.2 評價指標

本實驗在準確率P（Precision）、召回率R（Recall）的基礎上，選取mAP 作為評價指標，計算公式如下：

訓練25 個epoch 的實驗結果如表1。

表1 實驗結果比對

改進YOLOv3 與原始YOLOv3 的mAP 差距并不大，甚至可以忽略，但是在實時性上有一定的提升。

5 結論

本實驗對MNIST 數據集進行隨機拼接并使用多種數據增強方法，加強數據的多樣性，并且對DarkNet-53 網絡結構和YOLOv3 的多尺度識別進行改進，提出了數字的識別方法。最后實驗采用mAP 方法進行性能評估。實驗結果表明, 本實驗提出的數字識別方法相對YOLOv3 方法的mAP 差距不大，但是在預測速度上有一定的提升。