基于交通夜視場景的改進YOLOv3輕量化網絡模型

郭飛

(合肥工業大學電子科學與應用物理學院 安徽省合肥市 230601）

隨著基于深度學習的目標檢測在軍事，工業，智能監控，人臉識別，自動駕駛等領域應用廣泛，具有重要研究意義。

在2014年之前，目標檢測算法處于傳統目標檢測算法時期，此后基于深度學習的目標檢測算法飛速發展起來。基于深度學習的目標檢測算法分為兩種，一種為基于R‐CNN 系列模型的Fast R‐CNN[1]，R‐FCN[2]等雙階段（two‐stage）目標檢測算法，雙階段算法的主要特點是先產生一個目標的候選框，候選框包含有目標的位置信息，之后再對這些候選框分別進行分類和線性回歸[3]。另一種目標檢測是為單階段(one‐stage)目標檢測算法，例如：在2016年之后逐漸興起的You Only Look Once（YOLO）系列[4]，SSD 系列[5]等，YOLOv1 和SSD 都在2016年被發布。此后，越來越多的基于深度學習目標檢測算法被提出。

1 YOLOv3網絡模型簡介

YOLOv3 的屬于典型的單階段結構。YOLOv3 的骨干網絡為Darknet‐53，起到特征提取作用。整個網絡結構以DBL（Darknetconv2d_BN_Leaky） 結構為基礎，DBL 由1×1 與3×3卷積層，一個批量歸一化層（Batch Normalization）以及一個激活函數Leaky ReLU 層組成。整個網絡結構由三條支路分別輸出13×13×255,26×26×255 以及52×52×255 三種尺度的圖片。

2 改進YOLOv3網絡模型

改進的YOLOv3 網絡模型的思想有兩點，一是將主干網絡(Backbone)由Darknet53 替換成GhostNet 模塊，另一個是將損失函數中的邊界框損失函數（bbox_loss）由IoUloss 替換成GIoUloss。改進的網絡模型結構框圖如圖1所示。

圖1：提出的改進YOLOv3 的網絡模型結構框圖

圖2：輸入尺度為416 時GhostNet-GIOU-YOLOv3 在部分測試示意圖

2.1 GhostNet特征提取器簡介

GhostNet[7]特征提取網絡是由華為諾亞方舟實驗室的工程師們在2020年發表在頂級會議CVPR（IEEE Conference on Computer Vision and Pattern Recognition，即IEEE 國際計算機視覺與模式識別會議）的研究成果。其核心思想是以更少的參數來生成更多特征。其結構如圖1 中GhostNet 特征提取器部分所示，核心模塊是Ghost模塊，在不改變輸出特征圖尺度大小的前提下，確保參數總量與計算復雜度得到有效降低。

同時，GhostNet 引入了SE 注意力機制模塊，一共插入了7 個SE 模塊在一系列G‐bneck 模塊結構中。通過注意力機制，使得提取的特征針對性更強，特征利用更充分。

2.2 GIoUloss邊界框損失函數

由于YOLOv3 所用的損失函數IoUloss 存在以下不足：預測框與真實框不相交時，IoU=0，此時無法反映預測框與真實框之間的距離大小（重合度）；IoU 無法精確的反映兩者的重合度大小,當預測框與真實框處在不同位置相交時，卻可以有相同的IoU 值。因此，本文引入GIoUloss：

公式（1）中C 代表包圍A，B 的最小矩形框。可得：當A,B重疊時，，此時，GIoU=IoU=1。當A，B 沒有重疊時，且IoU=0。

因此，A，B 不重疊且相聚無窮大時，GIoU=‐1，所以GIoU 取值范圍是[‐1,1]。綜上，IoU 只能反應預測框和真實框有重疊的情況，GIoU 既能反應預測框與真實框重疊的情況，也能反應不重疊的情況。

3 實驗與分析

本節實驗的實驗平臺是：Win10 操作系統，pycharm‐community‐2018.3.2，Anaconda3‐4.4.0，GPU 用的是6G 顯存的RTX2060。

3.1 自制交通夜視場景數據集

實驗數據集用的是自制交通夜視場景數據集，此數據集一共有6 類目標，分別是：卡車，汽車，摩托車，電瓶車，自行車，行人。數據集共有600 張圖片，其中420 張用作訓練集，180 張用作測試集，訓練集：測試集=7：3，自制數據集的格式與VOC的數據集格式一致。

3.2 輸入圖片尺寸大小對于網絡模型性能的影響

GhostNet‐SE‐GIoU‐YOLOv3輕量化網絡模型，分別設置416和608 作為網絡模型圖片輸入尺寸進行訓練與測試實驗。

由表1 可知，416 尺度相比608 尺度更有利于網絡模型GhostNet‐GIoU‐YOLOv3 的目標檢測的性能提高。

表1：GhostNet‐GIoU‐YOLOv3 在416 與608 輸入尺度下對比

3.3 邊界框損失函數對網絡模型性能的影響

本節實驗基于GhostNet‐YOLOv3輕量化網絡模型，分別運用IoU，CIoU，DIoU 以及GIoU 四種邊界框損失函數在自制交通夜視場景進行訓練與測試實驗。

由表2 可知，使用GIoUloss 比使用IoUloss，DIoUloss 或CIoUloss 更有利于性能指標的網絡模型的提高。

表2：GhostNet‐YOLOv3 在416 尺度輸入時四種損失函數下的性能

4 結論

提出了一種面向交通夜視場景的改進YOLOv3 目標檢測輕量化網絡模型GhostNet‐GIoU‐YOLOv3。在自制交通夜視場景下進行訓練與測試，以416 為輸入尺度的時，mAP 達到了95.3%，權重文件為89.9M，比YOLOv3 的權重文件324M 降低了72.25%。并驗證了416 尺度比608 尺度更有利于改進的網絡模型性能，以及GIoUloss 比IoUloss，DIoUloss 與CIoUloss 更適合用于改進的模型和自制交通夜視場景數據集。