基于YOLO-GT網(wǎng)絡(luò)的零售商品目標(biāo)檢測方法

周可鑫，左云波，谷玉海，朱騰騰，卞景藝

（北京信息科技大學(xué) 現(xiàn)代測控技術(shù)教育部重點實驗室，北京 100192）

隨著經(jīng)濟水平和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，人們的消費觀念也隨之在發(fā)生變化。從傳統(tǒng)的線下消費到線上的網(wǎng)店消費，再到現(xiàn)在逐漸起步的線下新零售方式，人們不僅重視線上消費的便利，還重視線下消費的體驗［1］。因此，對于傳統(tǒng)線下消費場所來說，從商品的供應(yīng)到商品流通的各個環(huán)節(jié)都急需升級改造，來滿足顧客們的消費體驗。其中，商品結(jié)算環(huán)節(jié)是線下消費過程中最重要的一環(huán)，傳統(tǒng)的結(jié)算方式還是以人工為主，由收銀員一步一步完成商品的清點和結(jié)算工作，效率非常低，尤其在節(jié)假日，顧客會花費大量時間用于排隊結(jié)算，這大大影響了顧客的消費體驗。因此，提出一種能滿足自動清點，實時結(jié)算，方便部署且具有很高的應(yīng)用價值以及學(xué)術(shù)價值［2］的零售商品檢測方法尤為重要。基于圖像識別檢測的無人結(jié)算是無人結(jié)算中的一種重要技術(shù)方法。

圖像的目標(biāo)檢測是計算機視覺領(lǐng)域的一個重要分支，其目的是檢測出圖片上的所有目標(biāo)的類別信息以及位置信息［3］。2012年ImageNet大賽之后，深度神經(jīng)網(wǎng)絡(luò)得到了飛速發(fā)展，其中最具代表的就是卷積神經(jīng)網(wǎng)絡(luò)的快速發(fā)展，已經(jīng)廣泛應(yīng)用到了目標(biāo)檢測領(lǐng)域中。目前，基于深度學(xué)習(xí)的目標(biāo)檢測方法主要有兩大類，一類是基于提取候選框的兩階段檢測算法，代表有：R-CNN［4］、Fast R-CNN［5］、Faster R-CNN［6］等。此類算法在工作時首先會生成一系列的候選框，之后根據(jù)候選框完成相應(yīng)的分類識別工作。這些算法的優(yōu)點是檢測精度高，缺點是檢測速度較慢，普遍不滿足實時檢測的需求。另外一類是基于回歸問題的單階段檢測算法，代表有：YOLOv1［7］、YOLOv2［8］、YOLOv3［9］算法以及SSD系列算法［10］。此類算法檢測速度非常快，但是精度低。目前，檢測性能最優(yōu)的算法是由Alex等在2020CVPR會議上提出的YOLOv4算法，與YOLOv3相比，YOLOv4算法將COCO數(shù)據(jù)集的檢測精度提高了10%，速度提升了12%［11］。近幾年，學(xué)者們還致力于研究在移動端如手機和嵌入式平臺運行的目標(biāo)檢測網(wǎng)絡(luò)，這一類網(wǎng)絡(luò)普遍體積較輕，且性能良好，部署方便。這類網(wǎng)絡(luò)結(jié)構(gòu)代表有：MobileNetV1［12］、MobileNetV2［13］、Mobile-NetV3［14］、ShuffleNetV1［15］、ShuffleNetV2［16］等。由于這類網(wǎng)絡(luò)可以部署靈活，使用方便，因此這類算法是目前目標(biāo)檢測領(lǐng)域研究的重點。

在前人的研究基礎(chǔ)上，本文提出一種改進的YOLO-GT目標(biāo)檢測算法，部署在Jetson nano核心板上用于零售商品RPC數(shù)據(jù)集目標(biāo)檢測。YOLOv3-Tiny是YOLOv3的簡化版，其結(jié)構(gòu)輕便，可部署在嵌入式平臺工作，運行速度與YOLOv3相比要快得多，但缺點是精度低，尤其是對于小目標(biāo)物體檢測來說效果更差。借鑒特征金字塔（FPN）［17］的思想，將YOLOv3-Tiny網(wǎng)絡(luò)的淺層信息與深層信息充分融合，將2個預(yù)測尺度變?yōu)?個預(yù)測尺度，增強對小目標(biāo)檢測的能力。此外，還借鑒了華為公司在2020年CVPR會議提出的線性擴展卷積層（Ghostmodule）［18］的思想對網(wǎng)絡(luò)中的卷積層進行優(yōu)化，提高網(wǎng)絡(luò)的計算速度，減少網(wǎng)絡(luò)在工作時所耗費的資源，在已經(jīng)增加網(wǎng)絡(luò)層數(shù)的情況下，保證檢測時間不受太大影響。同時，對于激活函數(shù)進行更新，利用Mish［19］激活函數(shù)替代原先的Leaky Relu和ReLu激活函數(shù)，進一步優(yōu)化提升網(wǎng)絡(luò)的非線性擬合能力。最后，重新根據(jù)數(shù)據(jù)集優(yōu)化先驗框的數(shù)目和尺寸，提升網(wǎng)絡(luò)在預(yù)測時的檢測精度和速度。將改進的YOLOv3-Tiny網(wǎng)絡(luò)命名為YOLO-GT。經(jīng)過實驗，對于同一商品數(shù)據(jù)集YOLO-GT與YOLOv3-Tiny相比，mAP提升了1.84%。檢測單張圖片速度提升464 ms。與原YOLOv3-Tiny網(wǎng)絡(luò)相比性能得到提升，并且滿足無人結(jié)算的使用要求。

1 YOLOv3-Tiny算法

1.1 YOLOv3-Tiny網(wǎng)絡(luò)結(jié)構(gòu)

基于深度學(xué)習(xí)的目標(biāo)檢測網(wǎng)絡(luò)主要由3個部分組成，首先是用于特征提取的主干網(wǎng)絡(luò)（Back-Bones）部分，其次是用于特征融合的分析網(wǎng)絡(luò)部分（Neck），最后是用于結(jié)果預(yù)測的部分（Heads）。在YOLOv3-Tiny中，用于特征提取的網(wǎng)絡(luò)由7個3×3的卷積層以及6個步長為2的池化層組成［20］。特征融合部分依然采用YOLOv3的思想，借鑒FPN思想，將網(wǎng)絡(luò)淺層信息與深層信息融合。實現(xiàn)了2個尺度（13×13，26×26）的預(yù)測，保證了對小目標(biāo)物體檢測的能力。同時，每個尺度依然分配3個先驗框（anchor box），可實現(xiàn)多目標(biāo)檢測，不僅加快模型收斂的速度，還保證了預(yù)測精度。預(yù)測部分與YOLOv3也相同，由YOLO層完成。YOLO層之前的卷積層的卷積核個數(shù)由類別數(shù)確定，計算公式為：

YOLOv3-Tiny的結(jié)構(gòu)如圖1所示。

圖1 YOLOv3-Tiny網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 YOLOv3-Tiny損失函數(shù)

YOLOv3-Tiny的損失函數(shù)依然延續(xù)整個YOLO系列算法的思想，由3個部分組成。分別是定位損失，分類損失以及置信度損失［21］。網(wǎng)絡(luò)訓(xùn)練時，YOLO的每個單元格會預(yù)測多個邊界框，最終只選擇與目標(biāo)框（ground truth）目標(biāo)具有最高IOU的那個框作為預(yù)測框（bounding box）。YOLOv3-Tiny使用預(yù)測值和目標(biāo)框之間的誤差平方求和來計算損失。每個目標(biāo)框的目標(biāo)僅僅與一個先驗框相關(guān)聯(lián)。如果一個目標(biāo)框的目標(biāo)沒有分配先驗框，則不會導(dǎo)致分類損失和定位損失，只會擁有置信度損失。YOLOv3-Tiny的損失函數(shù)計算公式為：

1.2.1 定位損失

YOLOv3-Tiny相比于前幾個版本的YOLO算法，在定位損失計算上有所不同。YOLOv3-Tiny的預(yù)測框（bounding box）生成與先驗框（anchor box）有關(guān)。網(wǎng)絡(luò)在生成預(yù)測框時，不再直接預(yù)測預(yù)測框的具體尺寸，而是首先預(yù)測出預(yù)測框與先驗框相比的寬高偏移值（tw，th）以及相對單元格的中心坐標(biāo)的偏移值（tx，ty），再經(jīng)過計算得到具體的預(yù)測邊界框尺寸，如圖2所示。

圖2 先驗框與預(yù)測框關(guān)系示意圖

圖中的虛線框為先驗框，實線框為預(yù)測框。其中pw和ph為先驗框的寬高尺寸，bw和bh為預(yù)測框的具體寬高尺寸，由偏移值和先驗框的尺寸計算得到。cx和cy為單元格左上角點相對于整張圖片的坐標(biāo)值。σ（）為引用的Sigmoid函數(shù)，目的是將偏移值tx、ty壓縮到（0，1）之間，保證模型可以正常收斂。bx和by為計算得到的邊界框具體的中心點坐標(biāo)。由于網(wǎng)絡(luò)預(yù)測出的是邊界框的各項偏移值，因此計算定位損失主要是以偏移值為主，式（3）為計算定位損失的公式：

式中：txi、tyi、twi、thi為預(yù)測框的中心點坐標(biāo)偏移值以及寬高偏移值；為目標(biāo)框的中心點偏移值以及寬高偏移值；M為單元格數(shù)目；N為每個單元格預(yù)測預(yù)測框的數(shù)目；代表目標(biāo)性，當(dāng)檢測目標(biāo)的中點落入第i個單元格中的第j個預(yù)測框時取1，否則取0；λcoordinate為2部分損失各自所占權(quán)重大小。

1.2.2 分類損失

YOLOv3-Tiny網(wǎng)絡(luò)在訓(xùn)練時，利用二元交叉熵損失作為分類損失。摒棄了softmax分類器，將分類問題轉(zhuǎn)化成了回歸問題，可實現(xiàn)多目標(biāo)分類，分類損失計算公式為：

式中：M為單元格數(shù)目；代表目標(biāo)性，當(dāng)?shù)趇個單元格包含有目標(biāo)中心時，取1，反之取0；（pi（c）－（c））2為計算所得的條件類別概率的平方誤差；pi（c）為預(yù)測到的目標(biāo)屬于類別c的概率；為真實的條件類別概率。

1.2.3 置信度損失

若預(yù)測框中包含有檢測目標(biāo)，置信度損失為：

式中：Conf表示預(yù)測框的置信度；表示單元格內(nèi)有目標(biāo)，且目標(biāo)屬于類別i的條件概率。置信度分數(shù)表示預(yù)測框與目標(biāo)的匹配程度。當(dāng)預(yù)測框中不包含檢測目標(biāo)時，同樣需要計算置信度損失，計算公式為：

在實際網(wǎng)絡(luò)訓(xùn)練過程中，大部分的預(yù)測框是不包含任何目標(biāo)的，如果不加處理直接計算，會導(dǎo)致類不平衡的問題，即在訓(xùn)練中頻繁地在檢測背景而不是目標(biāo)，為了解決這一問題，需要引入損失因子λnoobj，借助損失因子將這部分的損失所占比重降低。因此，總的置信度損失為式（5）和式（7）之和：

2 YOLO-GT網(wǎng)絡(luò)

綜合考慮原YOLOv3-Tiny在識別時的各種問題，從改變網(wǎng)絡(luò)結(jié)構(gòu)以及優(yōu)化訓(xùn)練方案2個方向出發(fā)，對YOLOv3-Tiny進行優(yōu)化，提出YOLO-GT網(wǎng)絡(luò)。

2.1 優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)

2.1.1 線性擴展的卷積層

在各種CNN模型中，圖像經(jīng)過卷積層的處理會生成大量的特征圖，這些生成的特征圖并不都是獨一無二的，大部分的特征圖與特征圖之間存在很大的相似性，我們將其稱之為特征圖的冗余［18］。特征圖的冗余對于網(wǎng)絡(luò)訓(xùn)練是非常重要的。圖3為ResNet－50網(wǎng)絡(luò)某一個卷積層輸出的特征圖可視化。

圖3 ResNet－50特征圖可視化

圖3中圈出了3組相似的特征圖。線性擴展卷積層思想著眼于卷積層生成的特征圖冗余，提出在生成特征圖時，一部分特征圖代表著圖像的本質(zhì)特征，而另一部分特征則是與本質(zhì)特征相似的冗余特征，在生成冗余特征時，無需按部就班借助大量卷積核生成，可用一系列簡單的線性操作代替卷積核生成特征圖冗余，這樣做不僅可以加快網(wǎng)絡(luò)的計算速度，還可以減輕網(wǎng)絡(luò)的“重量”。因此可對普通卷積層進行修改，分2步生成完整的特征圖，如圖4所示。

圖4 卷積層特征圖

從圖4（a）（b）中可看出，在普通卷積層的操作中，可直接生成特征圖。而線性擴展卷積層是將卷積層分為了2個部分，首先是利用普通的少量卷積對輸入圖像進行操作，生成圖像的本質(zhì)特征。之后利用一系列的線性操作，通過本質(zhì)特征生成更多的特征，這部分新生成的特征就是冗余特征，最后將2個部分特征堆疊，完成整個卷積操作。利用線性操作生成特征圖這一步驟中，借鑒了深度可分離卷積的思想（depthwise separable convolution）［22］，對每一個本質(zhì)特征圖都會進行線性操作，生成冗余特征圖。整個過程可以表示為：

式中：f′表示少量的卷積核；Y′表示生成的本質(zhì)特征圖集合；y′i表示本質(zhì)特征圖集合中的第i個特征圖；δi，j表示用于生成第j個冗余特征圖的第j個線性計算公式；yi，j表示生成的冗余特征圖集合。一共可以得到m·s個特征圖。這里的線性操作選擇3×3卷積操作。因為卷積是一個高效的計算方式，不僅涵蓋了很多廣泛使用的線性計算，而且硬件對于卷積也提供了很好的支持。使用線性擴展卷積層思想的卷積層，能有效降低卷積計算的成本，加快網(wǎng)絡(luò)的計算時間。借助線性擴展卷積層的思想，對YOLOv3-Tiny主干網(wǎng)絡(luò)中的卷積層進行優(yōu)化，使得主干網(wǎng)絡(luò)變得輕量化的同時，提升網(wǎng)絡(luò)提取圖片特征信息的速度。

2.1.2 特征融合優(yōu)化

在特征融合優(yōu)化方面，依然借助FPN的思想，充分利用網(wǎng)絡(luò)的淺層信息和深層信息，采用上采樣的方式融合網(wǎng)絡(luò)淺層特征和深層特征，得到不同尺度的特征預(yù)測圖。具體操作是，將網(wǎng)絡(luò)的第15層輸出特征與第48層輸出特征融合，將網(wǎng)絡(luò)的第17層輸出特征與第37層特征融合，使得原2個預(yù)測尺度的網(wǎng)絡(luò)變?yōu)?個預(yù)測尺度網(wǎng)絡(luò)，增強了網(wǎng)絡(luò)對于小目標(biāo)商品的檢測能力。網(wǎng)絡(luò)層數(shù)雖然較之前更深了，但是上述卷積層的優(yōu)化正好彌補了這一部分改變可能帶來的負面作用，使得網(wǎng)絡(luò)變得更加輕便，更加緊湊。優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)得到的YOLO-GT網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

圖5 YOLO-GT網(wǎng)絡(luò)結(jié)構(gòu)圖

2.2 優(yōu)化訓(xùn)練方案

2.2.1 Mish激活函數(shù)的使用

YOLOv3-Tiny的激活函數(shù)選擇的是ReLu和Leaky ReLu。盡管這2個激活函數(shù)已經(jīng)被廣泛應(yīng)用到深度學(xué)習(xí)領(lǐng)域，甚至成為激活函數(shù)的標(biāo)準(zhǔn)選擇，但是在實際使用的過程中，還是有一些無法忽略的缺點。如圖6所示，Relu在x＞0的區(qū)域是正比例曲線，避免了梯度飽和以及梯度爆炸的情況發(fā)生，但是在x＜0的區(qū)域，Relu將所有的值都置為0。在網(wǎng)絡(luò)實際運行過程中，x小于0時對應(yīng)的梯度也小于0，導(dǎo)致后續(xù)神經(jīng)元的梯度都為0，造成“神經(jīng)元壞死”現(xiàn)象，影響網(wǎng)絡(luò)的訓(xùn)練測試效果。此外，ReLu不是0均值輸出，會造成偏置現(xiàn)象，對數(shù)據(jù)的分布變動影響較大。

圖6 ReLU激活函數(shù)曲線

如圖7所示的Leaky ReLu彌補了ReLu的不足，用一個非常小斜率的正比例函數(shù)處理x＜0情況的值，避免了“神經(jīng)元壞死”的現(xiàn)象發(fā)生，使得ReLu在負區(qū)域以激活替代之前的置0，保留部分x＜0的信息，使得網(wǎng)絡(luò)在訓(xùn)練階段更加穩(wěn)定。

圖7 LeakyReLU函數(shù)曲線

選擇Mish激活函數(shù)替換原有的Relu以及Leaky Relu。Mish激活函數(shù)的公式為：

式（11）為目標(biāo)函數(shù)，由相應(yīng)樣本的隸屬度以及該樣本到各個聚類中心的距離相乘得到。Mish是一個非單調(diào)光滑激活函數(shù)，同時繼承了ReLu和Leaky ReLu的下有界上無界的優(yōu)點，產(chǎn)生很強正則化效果的同時，又能避免發(fā)生梯度飽和和梯度消失的情況。另外，對于負區(qū)域，Mish用一條光滑曲線替換了Leaky ReLu的正比例曲線，提高了表達能力以及梯度流，同時非單調(diào)特性使得小的負輸入成為小的負輸出。此外，學(xué)者們通過大量實驗也證明了光滑的激活函數(shù)會使得網(wǎng)絡(luò)獲得更好的信息，從而可以提高準(zhǔn)確性和泛化能力。Mish在深度網(wǎng)絡(luò)中的表現(xiàn)要優(yōu)于ReLu和Leaky ReLu。因此，本文選擇Mish作為YOLO-GT的激活函數(shù)，其曲線如圖8所示。

圖8 Mish激活函數(shù)曲線

2.2.2 優(yōu)化錨框數(shù)目及尺寸

YOLOv3-Tiny根據(jù)COCO數(shù)據(jù)集，利用Kmeans算法得到9個先驗框的具體尺寸。這里采用模糊C均值（FCM）聚類算法，以實驗使用的RPC零售商品數(shù)據(jù)集為準(zhǔn)來重新獲取先驗框的尺寸。FCM不同于K-means，它是以模糊概念為核心思想，基于目標(biāo)函數(shù)，利用每個樣本點屬于某一類別的隸屬度及距離各聚類中心的距離來確定這個樣本點具體屬于哪一類。FCM聚類算法的目標(biāo)函數(shù)以及約束條件為：

式中：c代表想要得到的聚類個數(shù)；n代表數(shù)據(jù)集中樣本點個數(shù)；表示樣本j屬于類別i的隸屬度，m為隸屬度因子。式（12）為約束條件，即所有樣本點的隸屬度之和為1。當(dāng)目標(biāo)函數(shù)在約束條件下取得極小值點或者在一定范圍內(nèi)微小變化時，我們就認為此時的聚類中心為迭代出來的最優(yōu)聚類中心，因此需要分別對目標(biāo)函數(shù)中的umij以及c求導(dǎo)，令其導(dǎo)數(shù)為0，這樣就可以分別求出二者的迭代表達式，結(jié)果為：

步驟1根據(jù)RPC數(shù)據(jù)集的標(biāo)注信息初始化9個anchor box。

步驟2將聚類中心信息代入到式（14），迭代出隸屬度數(shù)值。

步驟3 將得到的和c代入到式（12）得到新的目標(biāo)函數(shù)值，與上一次的目標(biāo)函數(shù)值比較，若變化范圍在一定閾值內(nèi)，確定此時的聚類中心為最優(yōu)聚類中心即所需最優(yōu)的anchor box，否則，進行步驟4。

步驟4利用式（15）迭代出新的聚類中心，返回步驟2。

經(jīng)過FCM聚類算法重新得到anchor box的具體尺寸為：［49，45］，［40，70］，［79，50］，［62，72］，［51，127］，［82，87］，［127，72］，［105，115］，［147，150］。

3 實驗

3.1 RPC零售商品數(shù)據(jù)集

實驗采用曠視公司提供的RPC零售商品開源數(shù)據(jù)集，共200類商品目標(biāo)。其中訓(xùn)練集共有圖片53 736張，測試集共有圖片24 000張，圖片像素大小為1 830×1 830。圖片均采集自真實結(jié)算場景，滿足實驗要求。使用前，將RPC零售商品數(shù)據(jù)集的格式統(tǒng)一轉(zhuǎn)換成為供darknet框架使用的VOC格式，每一張樣本圖片都有一個對應(yīng)的擁有該樣本圖片標(biāo)注信息的xml文件，再經(jīng)過進一步轉(zhuǎn)換，將xml格式標(biāo)注文件轉(zhuǎn)化為txt格式標(biāo)注文件，完成數(shù)據(jù)集的準(zhǔn)備工作。

3.2 網(wǎng)絡(luò)訓(xùn)練

YOLO-GT網(wǎng)絡(luò)初始化設(shè)置信息為：將Batch和subdivisions設(shè)置為64和16，其中，Batch是指網(wǎng)絡(luò)經(jīng)過訓(xùn)練Batch張圖片后更新一次權(quán)重，subdivisions是指，網(wǎng)絡(luò)每組訓(xùn)練subdivisions張圖片。初始學(xué)習(xí)率設(shè)置為0.001，其決定網(wǎng)絡(luò)模型的參數(shù)更新的幅度大小。迭代次數(shù)設(shè)置為50 000，每經(jīng)過45 000和48 000次迭代后更改學(xué)習(xí)率，每次更改的學(xué)習(xí)率較上次相比縮小10倍。具體的網(wǎng)絡(luò)訓(xùn)練環(huán)境如表1所示。

表1 網(wǎng)絡(luò)訓(xùn)練環(huán)境

利用RPC開源數(shù)據(jù)集，同時對YOLO-GT網(wǎng)絡(luò)與YOLOv3-Tiny網(wǎng)絡(luò)進行訓(xùn)練，得到的訓(xùn)練損失收斂圖如圖9所示，2種網(wǎng)絡(luò)單次運行的計算次數(shù)如表2所示，工作時占用的空件大小如表3所示。

表2 計算次數(shù)

表3 占用空間大小

圖9 YOLOv3-Tiny與YOLO-GT網(wǎng)絡(luò)訓(xùn)練損失收斂圖

從圖9（a）（b）中可以看出，YOLO-GT網(wǎng)絡(luò)訓(xùn)練過程比YOLOv3-Tiny網(wǎng)絡(luò)穩(wěn)定，且收斂速度更快。最終YOLO-GT網(wǎng)絡(luò)的損失值收斂到0.6左右，YOLOv3-Tiny網(wǎng)絡(luò)損失值收斂到0.8左右，滿足訓(xùn)練停止條件，證明設(shè)置訓(xùn)練次數(shù)為50 000是合理的。

從表2中可以看出，改進后的網(wǎng)絡(luò)單次運行時的計算量比原網(wǎng)絡(luò)減少2.342 BFLops，這得益于對卷積層的優(yōu)化，較少的計算量保證了網(wǎng)絡(luò)提取圖片特征的速度得到了提升，同時，從表3可以看出，YOLO-GT工作時占用的空間大小約為YOLOv3-Tiny的1／4，大大減少了對于資源的占用，更易于部署運行在嵌入式平臺或其他移動端。

3.3 網(wǎng)絡(luò)測試及結(jié)果對比分析

將訓(xùn)練好的網(wǎng)絡(luò)模型移植到Jetson Nano核心板上，利用RPC數(shù)據(jù)集中的測試集部分對各網(wǎng)絡(luò)模型進行測試，選擇平均檢測準(zhǔn)確率（mAP）和召回率（Recall）以及網(wǎng)絡(luò)檢測時間（ms）作為評價指標(biāo)。其中平均檢測準(zhǔn)確率是準(zhǔn)確率（AP）的平均值，準(zhǔn)確率指的是預(yù)測正確的結(jié)果占總樣本的百分比。平均檢測準(zhǔn)確率及準(zhǔn)確率的計算公式為［23］：

式中：m為類別總數(shù)；Precisionc為類別c的精確率之和；Nc為包含類別c的圖片之和。Precisionc是指在被所有預(yù)測為類別c的樣本中實際為樣本c的概率，計算公式為：

召回率（Recall）是指實際為正的樣本被預(yù)測為正樣本的概率。在這里是指所有被正確檢測出的類別c個數(shù)占類別c樣本總個數(shù)的比例，計算公式為：

式中：N（True）c代表正確檢測出類別c的樣本數(shù)目；N（True）c代表類別c樣本集中沒有被檢測出的數(shù)目。

網(wǎng)絡(luò)在訓(xùn)練的過程中，每經(jīng)過4次epoch對測試集進行一次檢測，并記錄檢測結(jié)果mAP。其中1次epoch是指網(wǎng)絡(luò)對數(shù)據(jù)集進行一次完整的訓(xùn)練。2個網(wǎng)絡(luò)檢測測試集的mAP變化如圖10所示。

圖10 mAP變化曲線

圖10中的實線表示的是YOLO-GT網(wǎng)絡(luò)的平均檢測精度變化趨勢，虛線表示的是YOLOv3-Tiny網(wǎng)絡(luò)的平均檢測精度變化趨勢。從圖中可以看到，在前20 000次左右的訓(xùn)練迭代中，YOLOv3-Tiny對于測試集的檢測精度要比改進后的網(wǎng)絡(luò)高。但是之后YOLOv3-Tiny網(wǎng)絡(luò)的檢測精度突然變差，從93%突然降到了52%。而YOLO-GT的檢測精度一直在平穩(wěn)上升，在經(jīng)過25 000次左右迭代后平均檢測精度超過了YOLOv3-Tiny網(wǎng)絡(luò)。最終YOLOv3-Tiny的平均檢測精度穩(wěn)定在95%左右，YOLO-GT的平均檢測精度穩(wěn)定在97%左右。最終選擇二者最佳檢測精度作為最終結(jié)果記錄下來。

實驗時，還選擇引入YOLO的其他版本Tiny網(wǎng)絡(luò)進行訓(xùn)練測試，得到各自最優(yōu)的檢測精度以及召回率，結(jié)果如表4所示。

表4 不同網(wǎng)絡(luò)對于RPC數(shù)據(jù)集的檢測結(jié)果%

從表中4中的數(shù)據(jù)可以看出，YOLO-GT的平均檢測精度與YOLOv3-Tiny相比，增長了1.84個百分點，與YOLOv2－Tiny相比，增長了8.62個百分點，與Tiny-YOLO相比，增長了36.35個百分點。召回率方面，YOLO-GT與YOLOv3-Tiny相比增長了2.08個百分點，與YOLOv2-Tiny相比，增長了7.55個百分點，與Tiny-YOLO相比，增長了37.4個百分點。從綜合比較結(jié)果來看，YOLO-GT具有較高的檢測性能，提升了原YOLOv3-Tiny網(wǎng)絡(luò)的檢測精度，并且通過與其他版本的Tiny網(wǎng)絡(luò)比較優(yōu)勢更為明顯，準(zhǔn)確率和召回率均已經(jīng)超過了95%，滿足RPC目標(biāo)檢測的基本要求。其次，對各網(wǎng)絡(luò)對于每張圖片的平均檢測時間進行了記錄，結(jié)果如表5所示。

表5 不同網(wǎng)絡(luò)對于RPC數(shù)據(jù)集的檢測速度

從表5中可以看出，YOLO-GT的檢測速度為342.67 ms，與YOLOv3-Tiny相比提升469.56 ms，約57.81%。得益于對卷積層的優(yōu)化，網(wǎng)絡(luò)在檢測時速度得到了很大提升，更容易滿足實時檢測的使用需求。

綜合以上所得的性能指標(biāo)信息，可以看出改進后的YOLO-GT提升檢測速度的同時，準(zhǔn)確率也有小幅度提升。同時，YOLO-GT自身輕便，很容易部署在嵌入式平臺或其他移動端平臺，方便使用。從各類數(shù)值分析可以得出結(jié)論，優(yōu)化改進得到的新目標(biāo)檢測網(wǎng)絡(luò)YOLO-GT網(wǎng)絡(luò)在計算速度，檢測速度，平均準(zhǔn)確率，召回率等方面都有所提升，單張檢測時間342.67 ms證明可實現(xiàn)實時RPC目標(biāo)檢測，具有良好的性能。接下來將通過實際檢測場景對比進一步說明YOLO-GT網(wǎng)絡(luò)的高性能。

3.4 實景檢測

利用真實場景拍到的圖片數(shù)據(jù)對網(wǎng)絡(luò)進行測試。如圖11所示，共列舉出來了4種檢測對比圖，其中左側(cè)為YOLOv3-Tiny的檢測圖，右側(cè)為YOLO-GT的檢測圖。前2組為少量商品的檢測結(jié)果圖，從圖中可以看到，YOLOv3-Tiny對小目標(biāo)商品的檢測效果較差，出現(xiàn)了漏檢的現(xiàn)象。此外，商品之間間距較小時，YOLOv3-Tiny的檢測準(zhǔn)確率也偏低，漏檢現(xiàn)象更為明顯。作為對比，YOLO-GT對于小目標(biāo)商品檢測效果較好，同時在商品間距變小時，依然表現(xiàn)出了較高的檢測準(zhǔn)確率。后2組為大數(shù)量商品場景的檢測結(jié)果圖，從圖中可以看出YOLOv3-Tiny漏檢現(xiàn)象更為明顯，而且還出現(xiàn)了錯檢現(xiàn)象。YOLO-GT網(wǎng)絡(luò)在大數(shù)量商品場景下表現(xiàn)更為優(yōu)越，即使商品數(shù)量多，彼此間隔小，依然可以全部正確檢測出來。通過綜合分析可以得出結(jié)論，改進得到Y(jié)OLO-GT網(wǎng)絡(luò)的檢測性能優(yōu)于YOLOv3-Tiny，尤其是對于小目標(biāo)商品檢測以及大數(shù)量商品檢測，同時，YOLO-GT的漏檢率和錯檢率都遠遠低于YOLOv3-Tiny。YOLO-GT表現(xiàn)出較高的檢測性能，檢測速度和檢測準(zhǔn)確率均滿足使用要求。

圖11 YOLOv3-Tiny與YOLO-GT檢測圖

4 結(jié)論

以YOLOv3-Tiny網(wǎng)絡(luò)為基礎(chǔ)進行優(yōu)化，提出一種用于零售商品RPC自動結(jié)算場景的新的目標(biāo)檢測網(wǎng)絡(luò)YOLO-GT。YOLO-GT主要對原網(wǎng)絡(luò)的卷積層以及特征融合方式進行了線性擴展與FPN融合優(yōu)化，利用Mish函數(shù)優(yōu)化激活函數(shù)以及FCM優(yōu)化先驗框的尺寸和數(shù)目，保證網(wǎng)絡(luò)變得輕便的同時準(zhǔn)確率也可以得到小幅度提高。最終，利用曠視RPC零售商品數(shù)據(jù)集在嵌入式平臺Jetson Nano進行實驗，實驗結(jié)果表明YOLO-GT對于零售商品數(shù)據(jù)集的mAP與YOLOv3-Tiny相比提高1.84%，速度提高57.81%。同時，利用實景數(shù)據(jù)進行檢測，與YOLOv3-Tiny相比降低了漏檢率和錯檢率。對于零售商品而言，YOLO-GT的檢測效果更佳，滿足無人結(jié)算的使用要求，具有很強的應(yīng)用價值。