YOLO-wLU：考慮定位不確定性的目標(biāo)檢測算法

謝 兄，楊金鵬

大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧 大連116026

目標(biāo)檢測是找出特定場景圖像中所有感興趣的目標(biāo)并確定目標(biāo)的特征信息，包括目標(biāo)的位置、目標(biāo)置信度評分以及目標(biāo)所屬的類別。

基于滑動窗的目標(biāo)檢測算法是計算機(jī)視覺研究的經(jīng)典檢測方法[1-2]。隨著卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）的廣泛應(yīng)用，兩階段（two-stage）目標(biāo)檢測算法成為計算機(jī)視覺研究的主要方法之一。Girshick 等人提出一種兩階段目標(biāo)檢測的R-CNN 算法[3]，R-CNN 算法的不足之處是算法包含重復(fù)計算，容易丟失圖像信息等。為解決R-CNN算法的不足，He等人提出SPP-Net[4]算法，Girshick 等人提出Fast R-CNN[5]算法，雖然這些算法應(yīng)用金字塔池化思想，但由于采用Selective Search方法提取候選框，因而算法復(fù)雜、耗時。Ren等人提出的Faster R-CNN[6]算法、He等人提出的Mask R-CNN[7]算法應(yīng)用RPN（Region Proposal Network）而不是Selective Search方法提取候選框，幾乎將候選框的計算成本降為0。

雖然兩階段目標(biāo)檢測算法檢測精度較高，但檢測速度通常不能滿足實(shí)時性的要求。因此單階段（one-stage）目標(biāo)檢測算法又重新引起人們的重視。單階段目標(biāo)檢測算法兼顧目標(biāo)檢測的精度和實(shí)時性的要求。其中YOLO算法[8-10]和SSD算法[11-13]跳過RPN過程，直接應(yīng)用CNN 對圖像進(jìn)行回歸，預(yù)測目標(biāo)類別和邊界框信息。相比于兩階段目標(biāo)檢測算法，單階段目標(biāo)檢測算法檢測精度相對較低，為提高單階段目標(biāo)檢測算法的檢測精度，Lin等人提出RetinaNet算法，通過引入Focal Loss解決前景、背景不平衡問題[14]。徐誠極等人提出一種改進(jìn)的引入注意力機(jī)制的YOLO檢測算法（Attention-YOLO）。Attention-YOLO借鑒項(xiàng)的注意力機(jī)制，同時添加二階項(xiàng)以減少融合過程中的信息損失[15]。溫捷文等人將批再規(guī)范化處理引入YOLO 中，移除Dropout 層并增大網(wǎng)絡(luò)訓(xùn)練的學(xué)習(xí)率以提高檢測精度和速度[16]。

由于邊界框坐標(biāo)定位存在不確定性，如果在預(yù)測邊界框坐標(biāo)時不考慮定位置信度，目標(biāo)檢測算法有可能給出邊界框坐標(biāo)錯誤的檢測結(jié)果。目前，人們已經(jīng)開始嘗試在深度學(xué)習(xí)算法中兼顧預(yù)測不確定性。Kendall等人提出一種偶然不確定性和認(rèn)知不確定性相結(jié)合的貝葉斯深度神經(jīng)網(wǎng)絡(luò)，以考慮不確定性的影響[17]。Feng等人將這一思想推廣應(yīng)用于3D目標(biāo)檢測領(lǐng)域[18-19]。He等人提出考慮邊界框坐標(biāo)定位不確定性的Softer-NMS 算法[20]，通過與狄拉克函數(shù)進(jìn)行擬合，深度神經(jīng)網(wǎng)絡(luò)可以同時學(xué)習(xí)邊界框坐標(biāo)和定位置信度。Choi 等人提出Gaussian YOLOv3 算法以預(yù)測邊界框坐標(biāo)定位不確定性[21]，但由于直接將高斯概率密度值的NLL（Negative Log-Likelihood）值作為邊界框損失，在訓(xùn)練的中后期會導(dǎo)致一些邊界框的損失為負(fù)值，進(jìn)而影響模型的穩(wěn)定性。

本文在YOLOv3[10]算法的基礎(chǔ)上，應(yīng)用深度學(xué)習(xí)中的不確定性思想[17-24]，提出一種考慮邊界框定位不確定性的YOLO-wLU算法。該算法使用Softer-NMS[20]和Gaussian YOLOv3算法[21]中的建模方式：使用高斯分布函數(shù)建立邊界框坐標(biāo)模型；每個坐標(biāo)高斯分布方差代表對應(yīng)坐標(biāo)定位不確定性：坐標(biāo)高斯分布方差越大則對應(yīng)坐標(biāo)定位不確定性越高；定位不確定性大小也說明定位置信度大小，定位不確定性越高則定位置信度越低。同時通過重新設(shè)計的邊界框損失函數(shù)，網(wǎng)絡(luò)能夠?qū)W習(xí)獲得更多的可判別性特征。此外在檢測過程中設(shè)計新的目標(biāo)綜合評分規(guī)則，移除定位不確定性相對較大的檢測結(jié)果，并通過融合周圍邊界框坐標(biāo)使得檢測結(jié)果更加準(zhǔn)確。實(shí)驗(yàn)結(jié)果表明，在不過多增加計算量和網(wǎng)絡(luò)參數(shù)量的前提下，YOLO-wLU 算法的性能相較于YOLOv3 算法有一定的提升。

1 不確定性與YOLOv3目標(biāo)檢測算法

1.1 不確定性

深度學(xué)習(xí)算法具有強(qiáng)大的學(xué)習(xí)能力，能夠?qū)⒏呔S空間的數(shù)據(jù)映射為低維數(shù)組。這些映射結(jié)果常被盲目采用，并被認(rèn)為是正確的，但事實(shí)并不總是如此，其結(jié)果的正確性存在不確定性。此外，大多數(shù)深度學(xué)習(xí)算法雖然能獲得某一具體的學(xué)習(xí)結(jié)果，但不能給出這個結(jié)果的不確定性有多大。不確定性指的是觀測中的固有噪聲或模型中的不確定性。計算機(jī)視覺中的不確定性量化主要分為回歸和分類兩大類，而現(xiàn)有的不確定性分析、計算方法則有粒子濾波法[22]和條件隨機(jī)場法[23]等。深度學(xué)習(xí)算法很難量化不確定性，如在分類問題中，深度學(xué)習(xí)算法給出歸一化的得分值，而這些得分值并不能捕獲所輸出結(jié)果的不確定性。不確定性可以用貝葉斯深度學(xué)習(xí)算法捕獲[24]，基于貝葉斯的深度學(xué)習(xí)算法可以在擁有深度學(xué)習(xí)高性能的同時計算出模型的不確定性。

貝葉斯深度學(xué)習(xí)算法通過其參數(shù)以概率分布的形式提供不確定性估計，即貝葉斯深度學(xué)習(xí)算法認(rèn)為每一個權(quán)重和偏置都是一個概率分布，而不是一個確定的值，訓(xùn)練的目的就是得到權(quán)重和偏置的概率分布，這樣訓(xùn)練出的網(wǎng)絡(luò)不是一個函數(shù)，而是一個函數(shù)的概率分布，通過這個概率分布，可以得到結(jié)果的置信度。因?yàn)樨惾~斯深度學(xué)習(xí)算法的權(quán)重和偏置都是概率分布，所以前向傳播進(jìn)行參數(shù)估計時需要對參數(shù)進(jìn)行多次采樣，這樣將增加參數(shù)的采樣數(shù)并增加計算量。Softer-NMS、Gaussian YOLOv3 等算法將貝葉斯深度學(xué)習(xí)算法中的不確定性思想應(yīng)用于目標(biāo)檢測，由于只是預(yù)測邊界框坐標(biāo)的概率分布，所增加的參數(shù)量和計算量并不是很大。

1.2 YOLOv3目標(biāo)檢測算法

YOLOv3將檢測問題轉(zhuǎn)化為回歸問題，將分類和定位集成在一個步驟中完成，因此YOLOv3一次推理可同時檢測多個目標(biāo)。同時，YOLOv3采用殘差網(wǎng)絡(luò)（ResNet）結(jié)構(gòu)[25]，形成了更深的網(wǎng)絡(luò)層次，同時應(yīng)用多尺度檢測，提升了微小物體的檢測效果。

1.2.1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv3網(wǎng)絡(luò)移除池化層和全連接層，在前向傳播過程中通過改變卷積核的步長實(shí)現(xiàn)張量的尺寸變換。如圖1所示，YOLOv3網(wǎng)絡(luò)采用去除全連接層的DarkNet-53作為主干網(wǎng)絡(luò)，在DarkNet-53中，CBL（CNN_BN_Leaky）為YOLOv3 的基本組件，由CNN 層、批量歸一化（Batch Normalization，BN）層、Leaky ReLU（Rectified Linear Unit）激活函數(shù)組成，BN 層有提高模型的收斂速度和正則化的功能，Leaky ReLU激活函數(shù)可以避免梯度消失問題；Resz表示該模塊含有z個Res1單元，每個Res1類似ResNet結(jié)構(gòu)，由兩個CBL 組件和一個跳躍連接組成。為提高算法對微小目標(biāo)的檢測精度，YOLOv3 采用類似FPN（Feature Pyramid Networks）的上采樣（Up-sample）和融合（Concatenation）策略，采用多尺度檢測不同大小的目標(biāo)，輸入圖像經(jīng)過YOLOv3網(wǎng)絡(luò)得到3個尺度的輸出特征圖，分別為Output1、Output2和Output3。

圖1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv3 network structure

1.2.2 檢測過程

YOLOv3基于回歸的方法檢測目標(biāo)，是一種端到端的過程。對于每一尺度，YOLOv3將圖片分為W×H個單元格（W是橫向單元格的個數(shù)，H是縱向單元格的個數(shù)）。例如圖2中圖片的W為11，H為5，共有11×5=55個單元格。YOLOv3采用錨框機(jī)制，為每一尺度設(shè)置3 個預(yù)定義不同寬高的錨框，每個單元格分別對3 個錨框進(jìn)行回歸分析，得到3 個不同的Box，分別為Box1、Box2 和Box3，共得到W×H×3 個Box。每個Boxijk(i∈[1,W]，j∈[1,H]，k∈[1,3])的結(jié)構(gòu)如圖2中F1 所示，包括三部分，分別是預(yù)測的邊界框坐標(biāo)分別代表目標(biāo)中心點(diǎn)坐標(biāo)相對于當(dāng)前單元格左上角x、y軸的偏移，分別代表目標(biāo)寬、高相對于第k個錨框?qū)挕⒏叩钠疲⒛繕?biāo)置信度評分(Pobjijk)、類別評分(P1ijk,P2ijk,…,Pcijk)，c為類別個數(shù)。為方便描述，此處及下文中上標(biāo)或下標(biāo)ijk代表第i列第j行單元格的第k個Box。計算每個Boxijk邊界框的左上角(x1ijk,y1ijk)、右下角(x2ijk,y2ijk)坐標(biāo)，并計算每個Boxijk的目標(biāo)綜合評分scoreijk，計算式為：

圖2 YOLOv3輸出特征圖Fig.2 YOLOv3 output feature map

其中，sigmoid(u)表示將任意數(shù)值u歸一化到（0，1）之間：

然后根據(jù)設(shè)定的目標(biāo)綜合評分閾值，移除目標(biāo)綜合評分低于閾值的Box。最后應(yīng)用非極大值抑制（Non-Maximum Suppression，NMS）算法[26]移除冗余的Box，剩下的Box即為最終的檢測結(jié)果。

2 YOLO-wLU檢測算法

2.1 定位不確定性

YOLOv3 在檢測過程中基于目標(biāo)置信度評分和類別評分的乘積，設(shè)置一定的目標(biāo)綜合評分閾值篩選檢測結(jié)果。顯然YOLOv3 并沒有考慮邊界框坐標(biāo)定位的不確定性，即邊界框坐標(biāo)定位置信度大小。因?yàn)閅OLOv3預(yù)測的邊界框坐標(biāo)不是評分值，而目標(biāo)置信度評分和類別評分又不能反映邊界框坐標(biāo)預(yù)測結(jié)果的可靠性，所以YOLOv3算法不能給出邊界框坐標(biāo)的定位不確定性。

為評估邊界框坐標(biāo)定位的不確定性，需要YOLO-wLU算法能夠預(yù)測邊界框坐標(biāo)的概率分布而不僅僅只是邊界框坐標(biāo)。本文使用Softer-NMS[20]和Gaussian YOLOv3算法[21]的建模方式：采用高斯分布函數(shù)對邊界框坐標(biāo)進(jìn)行建模，即預(yù)測代表邊界框坐標(biāo)的高斯分布均值和代表坐標(biāo)定位不確定性的高斯分布方差。采用高斯分布函數(shù)對邊界框坐標(biāo)進(jìn)行建模后的輸出特征圖中每個Boxijk的結(jié)構(gòu)如圖3 中F2 所示，邊界框坐標(biāo)高斯分布參數(shù)為對其處理如下：

圖3 YOLO-wLU輸出特征圖Fig.3 YOLO-wLU output feature map

邊界框坐標(biāo)預(yù)測函數(shù)的高斯概率密度分布為：

基于式（11）對每個邊界框坐標(biāo)分量（坐標(biāo)分量為μ，坐標(biāo)分量的高斯分布方差為σ2）進(jìn)行預(yù)測，得到坐標(biāo)分量取值為α?xí)r的概率密度。將每個邊界框4 個坐標(biāo)分量的（對應(yīng)的高斯分布方差分別為分別代入式（11），得到4 個坐標(biāo)分量的概率分布。由高斯分布的性質(zhì)：高斯分布的方差衡量隨機(jī)變量關(guān)于均值的偏離程度，方差越小說明分布越集中在均值附近，方差越大說明分布越分散，方差可以衡量定位不確定性，當(dāng)方差趨近于0 時，表明定位不確定性較小，此時說明定位置信度較高。

2.2 邊界框損失函數(shù)

由于應(yīng)用高斯分布函數(shù)對邊界框坐標(biāo)建模，需要重新設(shè)計邊界框損失函數(shù)來同時優(yōu)化邊界框定位不確定性和邊界框坐標(biāo)的預(yù)測值。當(dāng)預(yù)測結(jié)果比較準(zhǔn)確時，將實(shí)際坐標(biāo)代入式（11）可得對應(yīng)概率密度值，進(jìn)而判斷預(yù)測結(jié)果的準(zhǔn)確性。概率密度值較大意味著預(yù)測結(jié)果比較準(zhǔn)確，概率密度值較小則表明預(yù)測結(jié)果精度較差。為此，本文參考Gaussian YOLOv3算法[21]中計算高斯概率密度值的NLL 損失，將邊界框損失設(shè)計為計算高斯概率密度值的雙曲正切值的負(fù)自然對數(shù)值的和，記為NLL-Tanhloss，分別計算邊界框坐標(biāo)分量的損失值的和，得到計算式為：

圖4 tanh函數(shù)Fig.4 tanh function

圖5 給出典型的邊界框坐標(biāo)高斯分布預(yù)測實(shí)例。圖中橫坐標(biāo)表示坐標(biāo)值，縱坐標(biāo)為概率密度。箭頭線表示坐標(biāo)分量實(shí)際取值為0.1，d1、d2、d3 分別為YOLOwLU算法在實(shí)際坐標(biāo)分量為0.1時預(yù)測的3個坐標(biāo)高斯概率密度分布曲線。每條曲線表示預(yù)測的坐標(biāo)為μ，預(yù)測坐標(biāo)的高斯分布方差為σ2時，任意一點(diǎn)坐標(biāo)的概率密度。顯然，d1 預(yù)測的坐標(biāo)值0 更接近實(shí)際的坐標(biāo)值0.1，相對于d1 來說，d2 和d3 預(yù)測的坐標(biāo)值相對誤差較大，d2 預(yù)測的方差相對較大，d3 預(yù)測的方差相對較小，d2和d3在實(shí)際坐標(biāo)值為0.1時，B點(diǎn)的概率密度值大于C點(diǎn)，根據(jù)NLL-Tanh loss，B點(diǎn)的損失值小于C點(diǎn)的損失值。由此可知，對于相對不準(zhǔn)確的預(yù)測坐標(biāo)值，如果預(yù)測的方差較大，則根據(jù)NLL-Tanh loss 公式得到的損失值相對較低，如果預(yù)測的方差相對較小，則損失值較大。因此對于預(yù)測的相對不準(zhǔn)確的坐標(biāo)值，YOLOwLU算法更傾向于預(yù)測較大的方差。

圖5 邊界框坐標(biāo)高斯分布預(yù)測示例圖Fig.5 Example of Gaussian distribution prediction of bounding box coordinates

2.3 應(yīng)用定位不確定性

2.3.1 目標(biāo)綜合評分

得到代表每個坐標(biāo)分量定位不確定性的高斯分布方差后，可以在檢測過程中兼顧邊界框坐標(biāo)定位的不確定性。由于檢測過程中會設(shè)置一定的閾值過濾目標(biāo)綜合評分低于閾值的Box，而一些定位不確定性較高的Box的目標(biāo)綜合評分高于閾值，這些定位不確定性較高的Box通常坐標(biāo)定位精度較差，會造成誤報（False Positive，F(xiàn)P），因此可以降低定位不確定性較高的Box 的目標(biāo)綜合評分，使其低于閾值，這樣會過濾掉一些定位不確定性較高的檢測結(jié)果，減少FP，提高檢測精度。為此，根據(jù)Softer-NMS[20]和Gaussian YOLOv3[21]算法中不確定性思想，提出如下的目標(biāo)綜合評分score′ijk，計算式為：

其中，b_scoreijk為每個Boxijk的邊界框定位置信度評分，介于（0，1）之間。由于邊界框由4個坐標(biāo)分量表示，邊界框定位不確定性應(yīng)該由4 個坐標(biāo)分量共同決定，可以設(shè)計為各坐標(biāo)分量定位不確定性的乘性相融，即式（20）中表示邊界框定位不確定性，δ是超參數(shù)，用來調(diào)節(jié)邊界框定位不確定性大小，δ取10-5。邊界框定位不確定性可以衡量邊界框定位置信度，當(dāng)邊界框定位不確定性較大時，說明邊界框定位置信度較低，當(dāng)邊界框定位不確定性較小時，說明邊界框定位置信度較高。當(dāng)邊界框定位比較準(zhǔn)確時，每個坐標(biāo)分量的定位不確定性都相對較小，相對較小，由式（20）可知，此時邊界框定位置信度評分相對較高；當(dāng)邊界框定位相對不準(zhǔn)確時，說明某些坐標(biāo)分量的定位不確定性相對較大，相對較大，由式（20）可知，此時邊界框定位置信度評分相對較低，因此式（20）可以計算邊界框定位置信度評分。式（19）使得原目標(biāo)綜合評分乘以邊界框定位置信度評分b_scoreijk，當(dāng)定位較為準(zhǔn)確時，b_scoreijk接近于1，score′ijk并沒有顯著變小；當(dāng)邊界框定位精度較差時，b_scoreijk較小，隨著邊界框定位精度的變差，b_scoreijk趨近于0，此時目標(biāo)綜合評分乘以一個較小的系數(shù)b_scoreijk，使得新的目標(biāo)綜合評分score′ijk顯著變小，通過過濾score′ijk低于閾值的Box，可以移除一些定位不確定性相對較高的檢測結(jié)果，一定程度上可以減少FP，提高檢測精度。

2.3.2 融合周圍邊界框坐標(biāo)

假設(shè)移除目標(biāo)綜合評分低的Box 后某個類別的Box剩余n個，令集合B代表n個Box的邊界框坐標(biāo)集合，B={b1,b2,…,bn}，B中每一個元素bl=(x1l,y1l,x2l,y2l)，(x1l,y1l)為左上角坐標(biāo)，(x2l,y2l)為右下角坐標(biāo)。為方便描述，此處及下文中的下標(biāo)l代表剩余Box中的第l個Box。令集合S代表n個Box新的目標(biāo)綜合評分集合，S={s1,s2,…,sn},sl代表第l個Box的目標(biāo)綜合評分。

NMS 算法在檢測過程中，首先在集合S中找到目標(biāo)綜合評分最高值sm，在集合B找到sm對應(yīng)的邊界框坐標(biāo)bm(x1m,y1m,x2m,y2m)；接著在集合B中找到所有與bm的IOU 大于NMS 閾值的邊界框坐標(biāo)子集合B[idx](B[idx]∈B)；在集合S中找到B[idx]對應(yīng)的目標(biāo)綜合評分子集合S[idx](S[idx]∈S)；然后將B[idx]從集合B中移除，將S[idx]從集合S中移除，并返回bm和sm。需要注意的是，NMS 算法可能過濾掉具有較精確預(yù)測坐標(biāo)的邊界框。為此，本文算法利用學(xué)習(xí)到的定位不確定性等信息，在NMS算法中融合周圍邊界框坐標(biāo)信息(B[idx])，在移除B[idx]前利用這些可能具有精確預(yù)測坐標(biāo)的邊界框，即最終預(yù)測的邊界框坐標(biāo)由與當(dāng)前邊界框bm的IoU大于NMS 閾值的邊界框坐標(biāo)共同決定，給與bm的IoU較大、同時目標(biāo)綜合評分較高的邊界框坐標(biāo)分配較大的權(quán)重，反之則給予一個較小的權(quán)重。綜上，本文借鑒Softer-NMS[20]算法基本思想提出一種改進(jìn)的NMS 算法——M-NMS算法，具體描述如下：

算法1 M-NMS算法

輸入：邊界框坐標(biāo)集合B={b1,b2,…,bn}、目標(biāo)綜合評分集合S={s1,s2,…,sn}、NMS閾值n_t。

輸出：最終預(yù)測的邊界框坐標(biāo)集合B′和目標(biāo)綜合評分集合S′。

步驟1B′←{}，S′←{}。

當(dāng)集合B非空時，重復(fù)執(zhí)行以下步驟：

步驟2在集合S中找到目標(biāo)綜合評分最高值sm，在集合B中找到目標(biāo)綜合評分最高的邊界框bm。

步驟3找出所有與bm的IoU 大于NMS 閾值的邊界框坐標(biāo)子集合B[idx]，在S集合中找到相應(yīng)的S[idx]。

步驟4采用式（21）計算每一個邊界框坐標(biāo)的權(quán)重weightl。

area1 表示邊界框bm和bl的矩形面積交，area2 表示邊界框bm和bl的矩形面積并。

步驟5令b′m(x1′m,y1′m,x2′m,y2′m)為bm更新后的坐標(biāo)，采用式（25）得到x1′m，類似地，分別得到x2′m、y1′m、y2′m。

步驟6將b′m加入集合B′，將sm加入集合S′。

步驟7將B[idx]從集合B中移除，將S[idx]從集合S中移除。

由式（21）和式（25）可知，在滿足IoU(bm,bl)＞n_t前提下，兩類邊界框坐標(biāo)的權(quán)重較低：（1）目標(biāo)綜合評分低的邊界框坐標(biāo)，如果邊界框定位不確定性相對較大，則通常計算出的目標(biāo)綜合評分相對較低，此時sl相對較小，因此對b′m每個坐標(biāo)分量的影響較小；（2）與當(dāng)前邊界框bm的IoU較小的邊界框坐標(biāo)，由式（21）可知，如果IoU(bm,bl)較小，則weightl較小，因此對b′m每個坐標(biāo)分量的影響較小。

3 實(shí)驗(yàn)結(jié)果與對比分析

3.1 數(shù)據(jù)集和評估指標(biāo)

實(shí)驗(yàn)采用COCO2014數(shù)據(jù)集，COCO2014用于目標(biāo)檢測的部分共有80 個類別。本文選擇trainval35k 作為訓(xùn)練集，共117 264張圖片；采用minival作為測試集，共5 000張圖片，以下稱為COCO2014測試集。遵循COCO評估指標(biāo)，在檢測時，評估IoU在[0.5：0.05：0.95]下共10個閾值的平均精度（Average Precision，AP），最后以這10個AP平均值作為評估檢測精確度的主要指標(biāo)，記為mAP。AP50、AP75、AP90分別表示IoU閾值在0.5、0.75、0.9下的AP，APS、APM、APL分別表示目標(biāo)面積在（0，322]、（322，962]、（962，+∞）區(qū)間內(nèi)的AP，AR1、AR10、AR100分別表示一張圖片檢測1 個結(jié)果、一張圖片檢測10 個結(jié)果、一張圖片檢測100 個結(jié)果時的平均召回率（Average Recall，AR）。

3.2 模型訓(xùn)練

遵循YOLO[8-10]的實(shí)驗(yàn)設(shè)置，訓(xùn)練時采用在ImageNet分類任務(wù)上預(yù)訓(xùn)練的模型Darknet-53 作為YOLO-wLU主干網(wǎng)絡(luò)初始化的權(quán)重。網(wǎng)絡(luò)訓(xùn)練過程中采用隨機(jī)梯度下降算法進(jìn)行反向傳播優(yōu)化網(wǎng)絡(luò)模型，動量設(shè)置為0.9，動量衰減正則項(xiàng)設(shè)置為0.000 48，網(wǎng)絡(luò)的批量大小設(shè)置為64，初始學(xué)習(xí)率設(shè)置為0.002，進(jìn)行500 200 次迭代，分別在400 000、450 000 次迭代時將學(xué)習(xí)率調(diào)整為原來的0.1。采用多尺度訓(xùn)練，即圖片分辨率在[320：32：608]下共10個不同的分辨率，每10次迭代后，調(diào)整分辨率。

3.3 各部分設(shè)計的提升

以YOLOv3算法的計算結(jié)果為參考，在COCO2014測試集，圖片分辨率為416×416 下分別研究NLL-Tanhloss、新的目標(biāo)綜合評分、M-NMS 算法及其組合對計算結(jié)果的影響，具體結(jié)果見表1（表中√表示實(shí)驗(yàn)中應(yīng)用此項(xiàng)改進(jìn)）。

表1 各部分設(shè)計對結(jié)果性能的提升Table 1 Improvement of result performance by each part design %

表1中YOLOv3的mAP為31.0%，YOLO-wLU應(yīng)用NLL-Tanh loss的mAP為33.1%，提升2.1個百分點(diǎn)。同時提升了AP75、APL、AR1、AR10、AR100等指標(biāo)。由于NLLTanh loss同時對邊界框坐標(biāo)定位不確定性和邊界框坐標(biāo)進(jìn)行優(yōu)化，NLL-Tanh loss可有效減少數(shù)據(jù)集、模型等的不確定性的影響，使YOLO-wLU 網(wǎng)絡(luò)可以從樣本中獲得更多的信息，有助于網(wǎng)絡(luò)學(xué)習(xí)到更多的可判別性特征。應(yīng)用新的目標(biāo)綜合評分，mAP 提高了0.9 個百分點(diǎn)，由于應(yīng)用新的目標(biāo)綜合評分可過濾定位不確定性較高的Box 從而減少FP，因此可以提升mAP。M-NMS算法的mAP 提升1.1 個百分點(diǎn)，雖然AP50只提升0.3 個百分點(diǎn)，但AP75、APM、APL分別提升2.2 個百分點(diǎn)、1.8 個百分點(diǎn)、1.2 個百分點(diǎn)，說明通過融合周圍邊界框坐標(biāo)，YOLO-wLU算法將能夠獲得更加準(zhǔn)確的邊界框坐標(biāo)。

最后，綜合應(yīng)用本文提出的NLL-Tanh loss、新的目標(biāo)綜合評分、M-NMS算法等措施，mAP可提高4.1個百分點(diǎn)。

3.4 檢測時間和計算復(fù)雜度

在圖片分辨率為416×416下測試YOLOv3和YOLOwLU 算法檢測單張圖片的時間。不失一般性，實(shí)驗(yàn)時記錄檢測COCO2014 測試集中1 000 張圖片的時間，之后取其平均值作為實(shí)驗(yàn)結(jié)果（測試環(huán)境為Nvidia 2070）。如表2 所示，相比于YOLOv3，YOLO-wLU 算法檢測單張圖片的時間增加約6.2%，說明YOLO-wLU 算法并沒有明顯增加檢測時間。如表2所示，相比于YOLOv3算法，YOLO-wLU 算法增加約0.03%的參數(shù)數(shù)量和約0.04%的浮點(diǎn)運(yùn)算（Floating Point Operations，F(xiàn)LOPs），說明YOLO-wLU 算法沒有明顯增加計算復(fù)雜度，因此YOLO-wLU算法檢測單張圖片的時間與YOLOv3算法所用的時間基本相同。

表2 圖片檢測時間和計算復(fù)雜度對比Table 2 Comparison of picture detection time and calculation complexity

3.5 誤報率

在COCO2014 測試集上，記錄YOLOv3 和YOLOwLU 算法AP50、AP75、AP90的FP 變化，具體結(jié)果見表3。由表3 可知，測試集共有標(biāo)注35 094 個，YOLO-wLU 算法分別在AP50、AP75、AP90評估指標(biāo)上減少21.40%、17.15%、15.40%的FP，說明YOLO-wLU 算法可有效減少誤報率。由于NLL-Tanh loss可使網(wǎng)絡(luò)學(xué)習(xí)到更多的特征，同時在檢測過程中修改目標(biāo)綜合評分也移除了部分錯誤的檢測結(jié)果，再加上融合周圍邊界框坐標(biāo)信息可以使檢測結(jié)果的邊界框坐標(biāo)更加準(zhǔn)確，因此可以明顯減少誤報率。

表3 基于COCO2014測試集的檢測結(jié)果FP對比Table 3 Comparison of detection results FP based on COCO2014 test dataset

3.6 定位不確定性

每個坐標(biāo)分量的高斯分布方差代表對應(yīng)坐標(biāo)分量的定位不確定性，圖6展示了COCO2014測試集中每個坐標(biāo)分量定位不確定性和對應(yīng)坐標(biāo)分量絕對誤差（預(yù)測坐標(biāo)與實(shí)際坐標(biāo)之差的絕對值）之間的關(guān)系，針對每個區(qū)間計算坐標(biāo)絕對誤差平均值和對應(yīng)定位不確定性的平均值，作為圖中各點(diǎn)。μtx、μty對應(yīng)的坐標(biāo)絕對誤差理論上介于（0，1）之間，實(shí)際檢測結(jié)果中絕對誤差大于0.75 的樣本數(shù)小于總樣本數(shù)的0.01%且有較多離群點(diǎn)，因此這里只考慮μtx、μty對應(yīng)的絕對誤差小于0.75 的情況；μtw、μth對應(yīng)的坐標(biāo)絕對誤差理論上介于(0,＋∞)之間，實(shí)際檢測結(jié)果中絕對誤差大多數(shù)小于1.2，因此這里只考慮μtw、μth對應(yīng)的絕對誤差小于1.2的情況。

圖6 各坐標(biāo)定位不確定性vs對應(yīng)坐標(biāo)絕對誤差Fig.6 Each coordinate localization uncertainty vs corresponding absolute error of coordinate

由圖6 可知，隨著各坐標(biāo)分量絕對誤差的增大，對應(yīng)坐標(biāo)分量的定位不確定性整體呈現(xiàn)增大趨勢，說明各個坐標(biāo)分量的定位不確定性可以衡量各自坐標(biāo)分量的定位置信度，定位不確定性較大時，定位精度較差，定位置信度較低，定位不確定性較小時，定位精度較高，定位置信度較高。由于NLL-Tanh loss同時優(yōu)化邊界框坐標(biāo)和定位不確定性，網(wǎng)絡(luò)會捕獲到每個坐標(biāo)分量的定位不確定性，對于預(yù)測較為準(zhǔn)確的坐標(biāo)值，YOLO-wLU算法傾向于預(yù)測較小的高斯分布方差，對于預(yù)測相對不準(zhǔn)確的坐標(biāo)值，YOLO-wLU 算法傾向于預(yù)測較大的方差。由于邊界框包含4個坐標(biāo)分量，一個邊界框的定位不確定性應(yīng)該由4 個坐標(biāo)分量的定位不確定性共同決定。式（20）中由各個坐標(biāo)分量的乘性相融表示邊界框定位不確定性，即超參數(shù)δ用于調(diào)節(jié)邊界框定位不確定性大小，當(dāng)各個坐標(biāo)分量的定位不確定性都相對較小時，邊界框定位不確定性相對較小，此時邊界框定位置信度評分相對較高，反之邊界框定位置信度評分則相對較低。在得到邊界框定位置信度評分后，通過式（19）中新的目標(biāo)綜合評分規(guī)則，可以在檢測過程中移除邊界框定位置信度評分相對較低的檢測結(jié)果，因此可以減少FP 并提升檢測精度。δ的取值及對應(yīng)的評估指標(biāo)如圖7 所示，可以發(fā)現(xiàn)，在δ取10－5時，mAP 取得最大值，同時AP75、APM得到較好的結(jié)果。本文采用mAP 作為評估檢測精確度的主要指標(biāo)，因此δ取10－5。

圖7 不同δ 取值vs對應(yīng)的評估指標(biāo)Fig.7 Varying δ vs corresponding evaluation metrics

3.7 不同檢測算法性能的對比分析

在COCO2014測試集上對比分析了YOLO-wLU算法和其他幾種目標(biāo)檢測算法的實(shí)驗(yàn)結(jié)果，具體實(shí)驗(yàn)結(jié)果見表4。

表4 不同檢測算法的實(shí)驗(yàn)結(jié)果Table 4 Experimental results of different detection algorithms

如表4 所示，相比于單階段目標(biāo)檢測算法SSD、YOLOv3、Gaussian YOLOv3，YOLO-wLU 算法檢測精度較高，雖然單階段目標(biāo)檢測算法RetinaNet的檢測精度略高于YOLO_wLU 的檢測精度，但其檢測單張圖片的時間約是YOLO_wLU檢測時間的5～6倍。相比于兩階段目標(biāo)檢測算法Faster R-CNN、Mask R-CNN，YOLOwLU 算法檢測精度略差，但檢測速度較快，其中Faster R-CNN 檢測單張圖片的時間約是YOLO-wLU 算法的5～6倍，Mask R-CNN檢測單張圖片的時間約是YOLOwLU 算法的7～8 倍。實(shí)驗(yàn)結(jié)果表明：YOLO-wLU 算法在實(shí)時性和檢測精度上達(dá)到了更好的平衡。

4 結(jié)束語

本文提出一種考慮定位不確定性的目標(biāo)檢測算法——YOLO-wLU算法。YOLO-wLU算法使用高斯分布函數(shù)建立邊界框坐標(biāo)的概率分布模型，設(shè)計新的邊界框損失函數(shù)，并利用定位不確定性等信息設(shè)計了新的目標(biāo)綜合評分規(guī)則過濾錯誤的檢測結(jié)果。此外，提出M-NMS 算法融合利用周圍邊界框坐標(biāo)信息以提升YOLOv3算法的檢測性能。實(shí)驗(yàn)表明：與YOLOv3算法相比，YOLO-wLU 算法減少了數(shù)據(jù)集、模型等的不確定性帶來的影響，減少了FP，并提升了檢測精度，同時YOLO-wLU 算法沒有明顯增加參數(shù)數(shù)量和計算復(fù)雜度，因此實(shí)時性較好。在后續(xù)工作中計劃將本文考慮的定位不確定性的思想推廣應(yīng)用于其他目標(biāo)檢測算法中，進(jìn)一步研究不確定性在深度學(xué)習(xí)算法中的應(yīng)用問題。