基于深度學(xué)習(xí)的目標(biāo)檢測(cè)系統(tǒng)性文獻(xiàn)綜述

李坤坤，劉正熙，熊運(yùn)余

(四川大學(xué)計(jì)算機(jī)學(xué)院，成都 610065)

0 引言

長(zhǎng)期以來(lái)，目標(biāo)檢測(cè)在計(jì)算機(jī)視覺(jué)領(lǐng)域一直是具有挑戰(zhàn)性的基礎(chǔ)研究方向，與圖像分類和分割并稱為計(jì)算機(jī)視覺(jué)領(lǐng)域三大基礎(chǔ)研究任務(wù)。對(duì)于一張給定的原始圖像，目標(biāo)檢測(cè)的目標(biāo)是判斷給定圖像中是否有已知類別的目標(biāo)實(shí)例，如果存在，則輸出原始圖像中目標(biāo)實(shí)例的空間位置和相對(duì)應(yīng)的類別名稱，即用矩形邊界框定位檢測(cè)到的目標(biāo)實(shí)例并對(duì)檢測(cè)到的目標(biāo)實(shí)例進(jìn)行分類。此外，目標(biāo)檢測(cè)還是解決計(jì)算機(jī)視覺(jué)領(lǐng)域復(fù)雜問(wèn)題和高級(jí)視覺(jué)任務(wù)的基礎(chǔ)，例如場(chǎng)景理解、實(shí)例分割、目標(biāo)追蹤、語(yǔ)義分割等。而且，目標(biāo)檢測(cè)在現(xiàn)實(shí)生活中有著廣泛的應(yīng)用，例如智能監(jiān)控、軍事偵察、醫(yī)療診斷和無(wú)人駕駛等領(lǐng)域。特別是隨著計(jì)算機(jī)計(jì)算能力的提升以及各種類型的圖像數(shù)據(jù)大量涌現(xiàn)，結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法持續(xù)更新發(fā)展。本文以一個(gè)新的角度對(duì)目標(biāo)檢測(cè)領(lǐng)域的發(fā)展進(jìn)行回顧，即采用系統(tǒng)性文獻(xiàn)綜述方法對(duì)目標(biāo)檢測(cè)領(lǐng)域的進(jìn)展進(jìn)行梳理。

1 方法

Kitchenham[1]的研究針對(duì)如何構(gòu)建系統(tǒng)性文獻(xiàn)綜述流程提供了原始指南，本文根據(jù)此指南進(jìn)行系統(tǒng)性文獻(xiàn)綜述。系統(tǒng)性文獻(xiàn)綜述分為三個(gè)階段，即規(guī)劃、實(shí)施和報(bào)告。每個(gè)階段又由具有特定目的的實(shí)施步驟組成。首先，規(guī)劃的初始步驟，是對(duì)系統(tǒng)性文獻(xiàn)綜述的研究文獻(xiàn)進(jìn)行識(shí)別；其次，搜集和回顧目前已存在的目標(biāo)檢測(cè)研究文獻(xiàn)；再次，設(shè)計(jì)文獻(xiàn)綜述標(biāo)準(zhǔn)。設(shè)計(jì)文獻(xiàn)綜述標(biāo)準(zhǔn)有兩個(gè)目的，一是直接指導(dǎo)文獻(xiàn)綜述過(guò)程，二是最大程度減少研究偏差。此過(guò)程的目的是為下一階段工作做準(zhǔn)備，包括研究問(wèn)題、文獻(xiàn)搜索策略、研究文獻(xiàn)選擇、數(shù)據(jù)提取和數(shù)據(jù)綜合。在設(shè)計(jì)文獻(xiàn)綜述標(biāo)準(zhǔn)的同時(shí)，系統(tǒng)性文獻(xiàn)綜述實(shí)施和報(bào)告階段同步進(jìn)行。

1.1 研究問(wèn)題

系統(tǒng)性文獻(xiàn)綜述的重要部分是確定研究問(wèn)題。確定研究問(wèn)題可以指導(dǎo)綜述過(guò)程關(guān)注重點(diǎn)，并且研究問(wèn)題貫穿整個(gè)系統(tǒng)性文獻(xiàn)綜述過(guò)程。此外還要著重關(guān)注以下三點(diǎn)：第一，文獻(xiàn)搜索階段能夠識(shí)別解決研究問(wèn)題的主要研究文獻(xiàn)；第二，數(shù)據(jù)提取階段能夠提取回答問(wèn)題所需的數(shù)據(jù)條目；第三，數(shù)據(jù)分析階段能夠?qū)?shù)據(jù)進(jìn)行綜合，進(jìn)而得到研究問(wèn)題的答案。根據(jù)Population、Intervention、Comparison、Outcomes和Context(簡(jiǎn)稱PICOC)五個(gè)維度[1]構(gòu)建研究問(wèn)題。

根據(jù)表1構(gòu)建本篇文獻(xiàn)綜述的研究問(wèn)題，如表2所示。

表1 PICOC標(biāo)準(zhǔn)

表2 研究問(wèn)題

回答問(wèn)題一至問(wèn)題四可以得出目標(biāo)檢測(cè)的應(yīng)用、數(shù)據(jù)集、主流深度學(xué)習(xí)網(wǎng)絡(luò)模型和框架，本文則以提煉的研究問(wèn)題為牽引，梳理目標(biāo)檢測(cè)應(yīng)用、數(shù)據(jù)集、主流深度學(xué)習(xí)網(wǎng)絡(luò)模型和框架。

1.2 搜索策略

搜索過(guò)程由一系列步驟組成，包括選擇文獻(xiàn)數(shù)據(jù)庫(kù)、確定搜索關(guān)鍵詞、進(jìn)行初步搜索、提煉搜索關(guān)鍵詞以及進(jìn)行再次搜索。為了能夠精準(zhǔn)搜索相關(guān)研究文獻(xiàn)，提高搜索效率，搜索過(guò)程開(kāi)始之前，需要選擇合適的數(shù)據(jù)庫(kù)。搜索包含目標(biāo)檢測(cè)領(lǐng)域的文獻(xiàn)數(shù)據(jù)庫(kù)，可以找到更加全面的相關(guān)研究文獻(xiàn)，從而使系統(tǒng)性文獻(xiàn)綜述覆蓋更廣泛，考慮到有些高質(zhì)量目標(biāo)檢測(cè)研究文獻(xiàn)在數(shù)據(jù)庫(kù)中沒(méi)有收錄，本文還使用谷歌學(xué)術(shù)進(jìn)行檢索。

表3 文獻(xiàn)數(shù)據(jù)庫(kù)

搜索查詢是基于以下步驟構(gòu)建的：

(1)從PICOC中提煉檢索詞

(2)從構(gòu)建的研究問(wèn)題中確定搜索術(shù)語(yǔ)

(3)確定研究的相關(guān)標(biāo)題、摘要和關(guān)鍵詞

(4)識(shí)別搜索詞的同義詞、反義詞和替代拼寫(xiě)

(5)構(gòu)建高級(jí)搜索查詢

之后，調(diào)整查詢以匹配每個(gè)數(shù)據(jù)庫(kù)的特定標(biāo)準(zhǔn)，在數(shù)據(jù)庫(kù)中按標(biāo)題、摘要和關(guān)鍵詞進(jìn)行搜索。本文采用的關(guān)鍵詞為object detection和deep learning，搜索時(shí)間范圍為2010年至2020年。

1.3 研究文獻(xiàn)選擇

根據(jù)表4中描述的納入和排除標(biāo)準(zhǔn)選擇主要研究文獻(xiàn)。研究文獻(xiàn)選擇過(guò)程有兩個(gè)步驟，首先根據(jù)標(biāo)題和摘要排除無(wú)關(guān)研究文獻(xiàn)，其次根據(jù)全文排除無(wú)關(guān)研究文獻(xiàn)。第一階段選定的研究清單包含162篇文獻(xiàn)，分析階段包括選擇過(guò)程的標(biāo)準(zhǔn)、主要研究文獻(xiàn)質(zhì)量評(píng)估以及主要研究與研究問(wèn)題的相關(guān)性，最后篩選出156篇主要研究文獻(xiàn)。

表4 納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)

1.4 數(shù)據(jù)提取

對(duì)篩選出的主要文獻(xiàn)進(jìn)行數(shù)據(jù)提取，以得到有價(jià)值的信息，提取出的信息用于構(gòu)建研究問(wèn)題的答案。表5是數(shù)據(jù)提取表，數(shù)據(jù)提取表旨在從主要研究文獻(xiàn)中收集研究問(wèn)題相關(guān)的信息，數(shù)據(jù)提取表中的條目根據(jù)研究問(wèn)題和分析流程確定。

表5 研究問(wèn)題對(duì)應(yīng)的數(shù)據(jù)提取內(nèi)容

1.5 數(shù)據(jù)綜合

數(shù)據(jù)綜合的目的是從選定的研究文獻(xiàn)中收集信息，以回答先前描述的研究問(wèn)題。數(shù)據(jù)綜合階段，一般來(lái)說(shuō)，使用敘述式綜合方法，以與研究問(wèn)題相關(guān)的方式重建數(shù)據(jù)。

2 研究結(jié)果

2.1 目標(biāo)檢測(cè)應(yīng)用

目標(biāo)檢測(cè)主要有以下幾種應(yīng)用：一是人臉檢測(cè)。顧名思義，人臉檢測(cè)旨在檢測(cè)圖片中的人臉。人臉檢測(cè)是解決人臉校正、性別識(shí)別和情感分析等任務(wù)的基礎(chǔ)。二是行人檢測(cè)。行人檢測(cè)主要在安保、無(wú)人駕駛以及導(dǎo)航等領(lǐng)域使用。三是遙感圖像檢測(cè)。遙感圖像檢測(cè)主要用于軍事偵察、資源勘探、城市規(guī)劃等領(lǐng)域。四是醫(yī)學(xué)圖像檢測(cè)。醫(yī)學(xué)圖像檢測(cè)可以幫助醫(yī)生準(zhǔn)確分析病變部位，提高醫(yī)生對(duì)疾病的判斷準(zhǔn)確度，還可以減少醫(yī)生的工作量。

2.2 目標(biāo)檢測(cè)數(shù)據(jù)集

數(shù)據(jù)集是用于特定機(jī)器學(xué)習(xí)目的的一定數(shù)量的數(shù)據(jù)的集合。數(shù)據(jù)集在目標(biāo)檢測(cè)研究中至關(guān)重要，不同的算法可以在基準(zhǔn)數(shù)據(jù)集上進(jìn)行性能比較，包含復(fù)雜場(chǎng)景的大規(guī)模數(shù)據(jù)集更是極大促進(jìn)了目標(biāo)檢測(cè)算法的發(fā)展。對(duì)于目標(biāo)檢測(cè)，有四類著名的基準(zhǔn)數(shù)據(jù)集，如表6所示。

表6 目標(biāo)檢測(cè)基準(zhǔn)數(shù)據(jù)集

2.3 目標(biāo)檢測(cè)主流深度學(xué)習(xí)網(wǎng)絡(luò)模型

在目標(biāo)檢測(cè)算法中，深度卷積神經(jīng)網(wǎng)絡(luò)被大量使用，作為典型網(wǎng)絡(luò)模型，其主要有如下特點(diǎn)和優(yōu)勢(shì)：第一，卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)可以提取輸入圖像的多層語(yǔ)義特征，例如圖像的低級(jí)語(yǔ)義特征和高級(jí)語(yǔ)義特征；第二，深度卷積神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)更復(fù)雜的函數(shù)；第三，深度卷積神經(jīng)網(wǎng)絡(luò)不需要先驗(yàn)知識(shí)，可以直接自動(dòng)學(xué)習(xí)原始輸入圖像的特征表達(dá)。深度卷積神經(jīng)網(wǎng)絡(luò)根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜程度可以分為非輕量級(jí)網(wǎng)絡(luò)(如圖1)和輕量級(jí)網(wǎng)絡(luò)(如圖2)，非輕量級(jí)網(wǎng)絡(luò)層次數(shù)目多、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、網(wǎng)絡(luò)參數(shù)數(shù)量巨大，對(duì)計(jì)算機(jī)的計(jì)算性能和存儲(chǔ)能力要求高，由于硬件性能限制，在移動(dòng)端不能普遍進(jìn)行應(yīng)用。輕量級(jí)網(wǎng)絡(luò)在保持原有特征表達(dá)能力的基礎(chǔ)上簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)，可以在移動(dòng)端、工業(yè)生產(chǎn)領(lǐng)域部署應(yīng)用。典型的非輕量級(jí)網(wǎng)絡(luò)有AlexNet[6]、ZFNet[7]、GoogLeNet[8]、VGGNet[9]、ResNet[10]、DetNet[11]、ResNeXt[12]、DenseNet[13]和SE ResNet[14]等，輕量級(jí)網(wǎng)絡(luò)有SqueezeNet[15]、Xception[16]、MobileNet[17]、MobileNetV2[18]、ShuffleNet[19]、ShuffleNetV2[20]和PeleeNet[21]等。

圖1 非輕量級(jí)網(wǎng)絡(luò)AlexNet網(wǎng)絡(luò)結(jié)構(gòu)[6]

圖2 輕量級(jí)網(wǎng)絡(luò)SqueezeNet網(wǎng)絡(luò)結(jié)構(gòu)[15]

2.4 目標(biāo)檢測(cè)框架

基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)框架可以分為兩類。第一類是兩階段目標(biāo)檢測(cè)框架，如圖3，兩階段目標(biāo)檢測(cè)框架將目標(biāo)定位和目標(biāo)分類兩個(gè)任務(wù)分開(kāi)進(jìn)行，即首先產(chǎn)生候選區(qū)域，然后對(duì)候選區(qū)域進(jìn)行分類。典型兩階段目標(biāo)檢測(cè)框架有RCNN[22]、SPPNet[23]、Fast RCNN[24]、Faster R-CNN[25]、RFCN[26]、Mask RCNN[27]和Light Head RCNN[28]等。第二類是一階段目標(biāo)檢測(cè)框架，如圖4，將目標(biāo)實(shí)例的定位和分類合二為一。典型一階段目標(biāo)檢測(cè)框架有OverFeat[29]、YOLO[30]、YOLO9000/V2[31]、YOLOV3[32]、SSD[33]、DSSD[34]和CornerNet[35]等。

圖3 兩階段目標(biāo)檢測(cè)框架RCNN[22]

圖4 一階段目標(biāo)檢測(cè)框架YOLO[30]

3 結(jié)語(yǔ)

本文按照系統(tǒng)性文獻(xiàn)綜述方法的流程和步驟對(duì)目標(biāo)檢測(cè)領(lǐng)域的156篇研究文獻(xiàn)進(jìn)行梳理回顧，回答了根據(jù)系統(tǒng)性文獻(xiàn)綜述方法構(gòu)建的四個(gè)研究問(wèn)題，總結(jié)了目標(biāo)檢測(cè)的應(yīng)用、數(shù)據(jù)集、主流深度學(xué)習(xí)網(wǎng)絡(luò)模型和框架。下一步的工作中，可以構(gòu)建更多的研究問(wèn)題，從而使目標(biāo)檢測(cè)系統(tǒng)性文獻(xiàn)綜述更加全面。