改進(jìn)YOLOv5 的交通燈實(shí)時(shí)檢測魯棒算法

錢 伍，王國中，李國平

上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院，上海201620

交通燈檢測是指對交通燈定位和識別，作為自動駕駛和輔助駕駛中的核心算法之一，直接關(guān)系到智能汽車的行駛決策。對交通燈準(zhǔn)確定位和類別檢測能夠?yàn)樾旭傊械能囕v提供交通信號信息，保障車輛行駛安全。顯然，實(shí)時(shí)和魯棒的交通燈檢測算法可以幫助智能汽車提前獲取交通信號信息，避免交通事故的發(fā)生，提高汽車的安全性能。

隨著計(jì)算機(jī)視覺和深度學(xué)習(xí)的快速發(fā)展，從視覺方面對交通燈檢測取得重大突破。但是，基于計(jì)算機(jī)視覺的交通燈檢測算法也面臨諸多困難，總結(jié)為以下幾個(gè)方面：（1）交通燈在圖像中具有較小的尺度，算法定位困難；（2）行駛中的車輛抖動，采集到的圖像模糊，交通燈的邊緣信息難以確定；（3）交通燈的顏色和幾何特征易與環(huán)境中其他物體混淆，算法產(chǎn)生誤檢測；（4）交通燈處于復(fù)雜多變的戶外，算法難以泛化，魯棒性差；（5）檢測信息需要及時(shí)回傳到汽車的控制系統(tǒng)，算法要有可靠的實(shí)時(shí)性。

傳統(tǒng)的交通燈檢測算法往往只考慮單一環(huán)境，關(guān)注交通燈的顏色和幾何特征，使用特征提取、模板匹配和分類算法對交通燈進(jìn)行識別。其中Sobel 邊緣檢測、Hough 變換和支持向量機(jī)（support vector machine，SVM）等算法被組合應(yīng)用到交通燈的檢測中。Omachi等人在交通燈顏色特征下，提出歸一化輸入圖像的RGB 空間的方法提取候選區(qū)域，在候選區(qū)域上使用Hough 變換檢測交通燈。Li 等人將形態(tài)學(xué)濾波和統(tǒng)計(jì)方法結(jié)合在一起，首先使用Top-Hat 變換將輸入圖像變換為二值圖像，再使用閾值分割法提取明亮區(qū)域，結(jié)合形態(tài)學(xué)處理該區(qū)域，最后使用統(tǒng)計(jì)分析方法識別交通燈。這些算法不可避免地使用了大量人工提取的特征，魯棒性差，只能在特定的場景中實(shí)現(xiàn)，實(shí)時(shí)性難以達(dá)到要求。

近年來，以卷積神經(jīng)網(wǎng)絡(luò)為核心的目標(biāo)檢測算法取得了發(fā)展。這些算法可分為一階段和二階段算法，一階段的代表算法包括：OverFeat、SSD（single shot multibox detector）系列、YOLO（you only look once）家族和EfficientDet等。二階段的代表算法有R-CNN（region-based convolutional neural networks）家族和SPPNet等。

Manana 等人使用一種提前預(yù)處理的Faster RCNN對車道線進(jìn)行檢測，相比沒有預(yù)處理，縮短了訓(xùn)練的時(shí)間。Wang 等人使用HSV（hue saturation value）空間提取交通燈的候選區(qū)域，結(jié)合6 層卷積神經(jīng)網(wǎng)絡(luò)對這些區(qū)域進(jìn)行分類，實(shí)現(xiàn)了較高的速度和精度。Liu 等人在自建的交通數(shù)據(jù)集上，提出改進(jìn)YOLOv3 模型，模型檢測速度達(dá)到了59 frame/s，精度高達(dá)91.12%。Thipsanthia 等人在泰國交通數(shù)據(jù)集下使用YOLOv3 和YOLOv3-tiny 對50 類路標(biāo)進(jìn)行檢測，檢測精度分別達(dá)到了88.10%和80.84%。Choi 等人基于YOLOv3，設(shè)計(jì)了高斯損失函數(shù)，增加了模型對交通燈的召回率，在BDD100K數(shù)據(jù)集上，最好獲得了20.8%的mAP。

基于深度學(xué)習(xí)的目標(biāo)檢測算法彌補(bǔ)了傳統(tǒng)算法中人工提取特征的不足，但是在特征提取過程中對原始圖像進(jìn)行多次下采樣，對小目標(biāo)檢測能力差。并且，這些算法不僅網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，而且模型規(guī)模大，訓(xùn)練代價(jià)高。

1 相關(guān)介紹

YOLO 算法將目標(biāo)檢測問題轉(zhuǎn)化為回歸問題，有著快速檢測的能力。YOLOv5 延續(xù)網(wǎng)格檢測方法，每個(gè)網(wǎng)格預(yù)測3 個(gè)bboxes（bounding box），每個(gè)bbox 包含4 個(gè)坐標(biāo)、1 個(gè)置信度和個(gè)條件類別概率。

如圖1，為了增加感受野且不影響模型推理速度，YOLOv5 在骨干網(wǎng)絡(luò)增加Focus 層，將圖像的寬度和高度信息轉(zhuǎn)化為通道信息。為了減少冗余信息，YOLOv5借鑒了CSPNet，設(shè)計(jì)兩種不同的BottleneckCSP 結(jié)構(gòu)，分別記作CSP1 和CSP2。其中CSP1 用特征提取部分，CSP2 用于特征融合部分。YOLOv5 有著四種不同規(guī)模的模型，分別記為YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x，模型參數(shù)依次增加，目標(biāo)檢測能力逐漸提升。盡管YOLOv5 有著快速識別和自適應(yīng)錨框等優(yōu)點(diǎn)，但是對目標(biāo)特征提取能力不足，并且特征融合網(wǎng)絡(luò)僅僅關(guān)注高級語義信息。因此，在此基礎(chǔ)上提出改進(jìn)方法，增加模型對類似交通燈這樣小且環(huán)境復(fù)雜目標(biāo)的檢測能力。

圖1 YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv5 network structure

2 改進(jìn)方法

本文分別從三方面改進(jìn)YOLOv5：（1）改進(jìn)模型的輸入尺度，使其能夠盡可能輸入較多的目標(biāo)特征；（2）設(shè)計(jì)了ACBlock（asymmetric convolution block）、SoftPool和DSConv（depthwise separable convolution），旨在增加主干網(wǎng)絡(luò)的特征提取能力，減少模型參數(shù)；（3）設(shè)計(jì)記憶性特征融合網(wǎng)絡(luò)，增加模型對底層特征的學(xué)習(xí)能力。改進(jìn)YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 I-YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 I-YOLOv5 network structure

為了與YOLOv5 的四種模型對應(yīng)，改進(jìn)后的模型分別記作I-YOLOv5s、I-YOLOv5m、I-YOLOv5l 和I-YOLOv5x。

2.1 模型輸入改進(jìn)——可見標(biāo)簽比

YOLOv5 以640×640 的尺度作為模型輸入，特征提取過程對目標(biāo)進(jìn)行了8 倍、16 倍和32 倍下采樣。此過程會使小目標(biāo)丟失顯著特征，因此本節(jié)探究模型輸入，盡可能多地保留目標(biāo)的顯著特征。

本文定義可見標(biāo)簽的概念：標(biāo)簽的GT（ground truth）經(jīng)過主干網(wǎng)絡(luò)的特征提取后，尺度大于1×1，稱這個(gè)標(biāo)簽為可見標(biāo)簽，其對應(yīng)的特征圖包含著目標(biāo)的顯著特征。不可見標(biāo)簽則會與周圍環(huán)境融合，生成弱信息特征圖，給檢測帶來了難度。由此，計(jì)算一個(gè)可見標(biāo)簽閾值，控制模型輸入，使采樣后的特征有更多的顯著特征。以8 倍下采樣作為模型最低的下采樣值，推導(dǎo)模型輸入與可見標(biāo)簽閾值之間的關(guān)系如下：

式中，是計(jì)算得到的模型輸入大??；=max{,}，、分別是原始圖像的寬和高；是可見標(biāo)簽閾值。

可見標(biāo)簽比指的是尺度≥的標(biāo)簽個(gè)數(shù)與總標(biāo)簽數(shù)目的比值，可以確定可見標(biāo)簽閾值，控制模型輸入?？梢姌?biāo)簽比越大，特征圖中目標(biāo)的顯著特征越多。表1 以BDD100K 為數(shù)據(jù)集，給出了可見標(biāo)簽閾值、可見標(biāo)簽比、模型輸入尺寸、模型檢測能力、模型運(yùn)行速度和模型訓(xùn)練占用顯存之間的關(guān)系。如表1，隨模型輸入尺度的增加，模型的AP（average precision）也隨之增加。但是，相應(yīng)的計(jì)算量會隨之增加。為了均衡AP 值和模型顯存占用，使用手肘法確定=13。此時(shí)模型的效益最高，相應(yīng)的模型輸入為800×800。

表1 可見標(biāo)簽比與模型性能關(guān)系Table 1 Relationship between visible label ratio and model performance

2.2 主干網(wǎng)絡(luò)的改進(jìn)方法

為了提高主干網(wǎng)絡(luò)對目標(biāo)的特征提取能力，本文借鑒ACNet，設(shè)計(jì)了ACBlock作為CSP（cross stage partial）結(jié)構(gòu)的基礎(chǔ)卷積。

如圖3，設(shè)計(jì)的ACBlock 由3 個(gè)卷積核3×3×、3×1×和1×3×組成。其中3×3×卷積核是一個(gè)正則卷積，可以提取圖像的基礎(chǔ)特征；3×1×和1×3×分別是豎形和橫形卷積核，二者可以提取圖像的縱向和橫向特征，以及目標(biāo)的位置和旋轉(zhuǎn)特征。因此，ACBlock 比原卷積核能夠提取到更多的特征信息，提高了主干網(wǎng)絡(luò)的特征提取能力。

圖3 ACBlock 結(jié)構(gòu)Fig.3 ACBlock structure

因?yàn)榫矸e滿足疊加原理（式（2）），所以ACBlock可以直接替換CSP 中的卷積核。ACBlock 提取特征后，依據(jù)式（2）進(jìn)行特征疊加。

式中，是輸入，和是兩個(gè)兼容大小的卷積核，*是卷積運(yùn)算。

在訓(xùn)練階段，ACBlock 中的3 個(gè)卷積核被單獨(dú)訓(xùn)練，疊加后再前向傳播。在推理階段，3個(gè)卷積核的權(quán)重被提前融合成一個(gè)正則卷積形式，再進(jìn)行推理計(jì)算，因此不會增加額外的推理時(shí)間。融合公式如下：

ACBlock 可以直接替換原始卷積核，使主干網(wǎng)絡(luò)獲取到更多的特征信息。ACBlock 由三種卷積核實(shí)現(xiàn)，勢必也會增加模型參數(shù)，又因?yàn)锳CBlock 中的每個(gè)卷積核被單獨(dú)訓(xùn)練，所以模型訓(xùn)練時(shí)間被延長。

池化是卷積神經(jīng)網(wǎng)絡(luò)中一種至關(guān)重要的方法，它降低了網(wǎng)絡(luò)的計(jì)算，實(shí)現(xiàn)了空間不變性，更重要的是增加了后續(xù)卷積的感受野。YOLOv5 使用正則卷積實(shí)現(xiàn)模型下采樣，這不僅增加了計(jì)算量，而且還產(chǎn)生了較多的采樣損失。為此，本文提出在激活特征圖的池化區(qū)域內(nèi)使用Softmax 方式實(shí)現(xiàn)池化，對特征圖進(jìn)行2 倍下采樣。

在池化區(qū)域內(nèi)，使用Softmax 計(jì)算每個(gè)元素激活的權(quán)重，將指數(shù)加權(quán)累加激活作為池化鄰域的激活輸出，指數(shù)加權(quán)權(quán)重和鄰域激活公式如下：

如圖4，類似卷積核，本文使用一個(gè)3×3 步長為2 的掩膜來對特征圖進(jìn)行池化。在激活后的特征圖中，較高激活（圖中高亮塊）包含特征圖的主要特征信息，較低激活則包含次要信息。下采樣時(shí)，掩膜會覆蓋在特征圖的3×3 區(qū)域上，在此區(qū)域內(nèi)計(jì)算每一個(gè)激活的Softmax 權(quán)重，較高的激活會獲得更高的權(quán)重。對此區(qū)域內(nèi)的激活加權(quán)累加后，作為池化結(jié)果傳遞到下一個(gè)特征圖。這個(gè)過程中，池化區(qū)域內(nèi)的所有激活都參與累加，較高的激活攜帶主要特征占據(jù)池化結(jié)果的主導(dǎo)地位，較低的激活也能將自己的次要特征信息傳遞到池化結(jié)果中。

圖4 SoftPool下采樣過程Fig.4 SoftPool down sampling process

因此，SoftPool 以加權(quán)求和保留了激活信息，對不同激活的關(guān)注度不同，很大程度上保留輸入的屬性，實(shí)現(xiàn)下采樣的同時(shí)能夠減少信息損失。

分析模型規(guī)模時(shí)，發(fā)現(xiàn)ACBlock 的引入，將模型參數(shù)增加了約70%。因此本文設(shè)計(jì)了DSConv 卷積核代替主干網(wǎng)絡(luò)中的部分正則卷積，旨在確保精度不變條件下減少模型參數(shù)。

如圖5（a）所示，YOLOv5 的正則卷積是由一個(gè)3×3×的卷積核實(shí)現(xiàn)，DSConv 則是由3×3×1 和1×1×兩個(gè)卷積核組成，卷積的過程也是兩步進(jìn)行。先由3×3×1 的卷積核對特征圖進(jìn)行逐通道卷積，得到結(jié)果；再由1×1×對進(jìn)行逐點(diǎn)卷積，得到作為DSConv 結(jié)果輸出。

圖5 正則卷積與DSConv 對比Fig.5 Regular convolution compared with DSConv

將主干網(wǎng)絡(luò)中第二層卷積核（圖1backbone 部分）替換成DSConv（圖2backbone 部分），可以減少模型參數(shù)，對模型性能幾乎沒有任何影響。

2.3 記憶性特征融合網(wǎng)絡(luò)

對小目標(biāo)檢測而言，底層特征比高級語義信息更重要。如圖6（a），YOLOv5 借鑒了PANet，采用自上而下和自下而上的順序融合方式生成三種高級語義信息，來計(jì)算損失。顯然，用于計(jì)算損失的只有高級信息，底層特征沒有被使用，丟失了較多小尺度信息，模型對目標(biāo)邊緣學(xué)習(xí)能力也被局限。

因此本文提出一種記憶性特征融合網(wǎng)絡(luò)，旨在將高級語義信息和底層特征結(jié)合，讓模型同時(shí)學(xué)習(xí)底層特征和高級語義信息，增加模型對小目標(biāo)的學(xué)習(xí)能力，提高模型對目標(biāo)的定位和回歸能力。

如圖6（b），設(shè)計(jì)的記憶性融合網(wǎng)絡(luò)沒有邊緣融合節(jié)點(diǎn)，使用遠(yuǎn)跳鏈接將底層特征直接傳遞到語義生成節(jié)點(diǎn)。因此，網(wǎng)絡(luò)末端可以將原始底層特征和高級語義信息再次融合。最終送入損失函數(shù)的特征既包含高級語義信息，又有底層特征。模型在學(xué)習(xí)高級語義信息的同時(shí)也能夠?qū)W習(xí)到底層信息，有助于模型檢測小尺度目標(biāo)。

圖6 PANet與本文特征融合網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 PANet and proposed feature fusion network structure

由于融合的信息中包含了較多的底層信息，模型對目標(biāo)的定位將更加精確，同時(shí)回歸框的精度也得到提高。如圖7，從特征融合的熱力圖中可以分析網(wǎng)絡(luò)對圖像的關(guān)注點(diǎn)。相比于PANet，記憶性特征融合網(wǎng)絡(luò)關(guān)注中心更集中在目標(biāo)中心，給檢測頭提供了準(zhǔn)確的位置中心，有助于模型的定位。因此，記憶性特征融合網(wǎng)絡(luò)可以提高定位精度。

圖7 特征融合后的熱力圖Fig.7 Heatmap of fused features

另外，熱力圖中目標(biāo)邊緣處較多的熱點(diǎn)會增加模型對邊緣信息的判別難度。通過計(jì)算預(yù)測框和真實(shí)框的IOU（intersection over union）可以評估預(yù)測框回歸的精準(zhǔn)度。表2 在BDD100K 驗(yàn)證集上計(jì)算了改進(jìn)方法的預(yù)測框與真實(shí)框的平均IOU。YOLOv5 模型預(yù)測框與真實(shí)框之間的平均IOU 是0.528，使用記憶性特征融合網(wǎng)絡(luò)后的平均IOU提高到了0.591，提高了0.063。記憶性特征融合網(wǎng)絡(luò)能夠克服目標(biāo)邊緣問題，回歸精度增加了6.3 個(gè)百分點(diǎn)。

表2 預(yù)測框與真實(shí)框的平均IOUTable 2 Average IOU of predict and ground truth boxes

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)步驟

本文在BDDTL（BDD100K traffic light）和Bosch數(shù)據(jù)集上訓(xùn)練模型，并測試改進(jìn)方法的有效性。相比于Bosch，BDDTL 不僅有著更大的數(shù)據(jù)量，而且還具有更多的數(shù)據(jù)屬性，能夠充分測試模型的泛化能力。因此，本文在BDDTL 數(shù)據(jù)集上建立消融實(shí)驗(yàn)和測試模型泛化能力。模型的訓(xùn)練是在Nvidia Tesla V100 PCIE 32 GB GPU 上進(jìn)行，測試是在Nvidia RTX2080 Super 8 GB GPU 上進(jìn)行。

YOLOv5 的訓(xùn)練參數(shù)見文獻(xiàn)[12]，采用余弦退火的衰減方式。在參數(shù)一致的前提下，訓(xùn)練了I-YOLOv5，并對模型輸入進(jìn)行增強(qiáng)。

實(shí)驗(yàn)內(nèi)容如下：

（1）在BDDTL 數(shù)據(jù)集上建立改進(jìn)方法的消融實(shí)驗(yàn)來分析改進(jìn)方法的可行性和必要性；

（2）在BDDTL 和Bosch 數(shù)據(jù)集上，通過對比多種算法、改進(jìn)前后的算法，來測試改進(jìn)的效果；

（3）在BDDTL 數(shù)據(jù)集上測試模型的魯棒性，評估模型的泛化能力；

（4）在BDDTL 數(shù)據(jù)集上建立模型魯棒性消融實(shí)驗(yàn)，驗(yàn)證改進(jìn)方法對魯棒性的影響。

3.2 評估指標(biāo)

本文采用AP.50 作為評估模型性能的指標(biāo)，因此需要計(jì)算模型的和，具體公式如下：

式中，是準(zhǔn)確預(yù)測標(biāo)簽的個(gè)數(shù)；是不存在目標(biāo)的誤檢測，或已存在目標(biāo)的誤檢測；是目標(biāo)的漏檢測。

3.3 模型訓(xùn)練

如圖8（a），在訓(xùn)練過程中，YOLOv5 收斂速度慢，其 中YOLOv5s 和YOLOv5m 在 第250 個(gè)epoch 附 近開始收斂。I-YOLOv5 在第50 個(gè)epoch 附近開始收斂，有著更快的收斂速度。從圖8（b）可以看出：YOLOv5 在驗(yàn)證集上的AP 先增后降，出現(xiàn)了嚴(yán)重的過擬合；隨著模型收斂，I-YOLOv5 的驗(yàn)證AP 穩(wěn)定上升，沒有出現(xiàn)過擬合現(xiàn)象。

圖8 模型訓(xùn)練過程Fig.8 Model training process

3.4 消融實(shí)驗(yàn)

為了充分驗(yàn)證改進(jìn)方法行之有效，通過構(gòu)建消融實(shí)驗(yàn)（見表3），逐步探究改進(jìn)方法對YOLOv5 影響。消融實(shí)驗(yàn)以YOLOv5l為基礎(chǔ)模型，輸入大小統(tǒng)一為640×640，評估指標(biāo)為AP和模型計(jì)算量（FLPOS）。

表3 以YOLOv5l為基礎(chǔ)模型的消融實(shí)驗(yàn)Table 3 Ablation experiments based on YOLOv5l

從表3中可知，ACBlock、SoftPool 和Our FPN（feature pyramid network）對模型檢測能力有較大的提升。ACBlock 使模型的AP 上升了5.4 個(gè)百分點(diǎn)，因此ACBlock 可以提取到更多的特征信息，但也增加了69.2%的計(jì)算量。

SoftPool 池化使模型的AP 增加了2.8 個(gè)百分點(diǎn)，參數(shù)量減少了1.7%，這種池化方式實(shí)現(xiàn)了下采樣的同時(shí)可以減少信息丟失。

DSConv直接減少了4.3%的計(jì)算量，將模型的AP降低了0.2個(gè)百分點(diǎn)，對模型的精度幾乎沒有任何影響。

記憶性融合網(wǎng)絡(luò)將模型的檢測能力提高了5.6個(gè)百分點(diǎn)，模型參數(shù)減少了21.4%。因此，使用遠(yuǎn)跳連接使底層特征與高級語義信息重新再融合可以增加模型的特征學(xué)習(xí)能力。

在消融實(shí)驗(yàn)逐步進(jìn)行的過程中可以發(fā)現(xiàn)：改進(jìn)方法疊加，模型的性能并不是直接疊加，而是在上一個(gè)改進(jìn)的基礎(chǔ)上的小幅度提升。通過逐步改進(jìn)YOLOv5 的主干網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)，模型的檢測能力也隨之逐步提升。

3.5 實(shí)驗(yàn)結(jié)果

模型在BDDTL 和Bosch 數(shù)據(jù)集上的測試結(jié)果列在表4 和表5 中。

如表4，在BDDTL數(shù)據(jù)集上，YOLOv5x作為YOLOv5 最優(yōu)秀的模型，在55 frame/s 的檢測速度下獲得了63.30%的AP。EfficientDet-D2 的AP 只有45.50%，檢測速度只有24 frame/s。I-YOLOv5s 的AP達(dá)到了72.30%，比YOLOv5x 提升了9 個(gè)百分點(diǎn)，推理速度也達(dá)到了111 frame/s。I-YOLOv5x 取得了所有實(shí)驗(yàn)中最優(yōu)的結(jié)果，模型的AP高達(dá)74.30%，比YOLOv5x提高了11 個(gè)百分點(diǎn)，檢測速度保持在40 frame/s。

表4 不同模型在BDDTL 數(shù)據(jù)集上的測試結(jié)果Table 4 Test results of different models on BDDTL

如表5，在Bosch 數(shù)據(jù)集上，YOLOv5 的AP 達(dá)到了75.1%，檢測速度最快達(dá)到130 frame/s。相比之下，I-YOLOv5 檢測速度平均下降了約7 frame/s，但檢測平均能力提高了12.03個(gè)百分點(diǎn)。其中，I-YOLOv5s在82.8%的AP 下檢測速度達(dá)到了126 frame/s；IYOLOv5x在84.4%的AP下，檢測速度也有46 frame/s。

表5 不同模型在Bosch 數(shù)據(jù)集上的測試結(jié)果Table 5 Test results of different models on Bosch

圖9 展示了改進(jìn)前后的檢測效果，其中（a）、（c）、（e）和（g）是YOLOv5 檢測效果，（b）、（d）、（f）和（h）是I-YOLOv5 檢測效果。從（a）和（b）可知，改進(jìn)后的算法緩解了YOLOv5 的漏檢測問題，模型對小尺度交通燈的檢測能力也得到提高；如（c）和（d）,在夜晚場景下，改進(jìn)后的模型修正了檢測框的位置，提升了定位精度；從（e）和（f）可知，由于大尺度訓(xùn)練樣本少，YOLOv5 對大尺度交通燈的檢測能力也同樣不足，而改進(jìn)后的方法彌補(bǔ)了這個(gè)問題；由（g）和（h）可知，改進(jìn)后的模型對小尺度交通燈的檢測能力顯著上升。

圖9 模型檢測效果Fig.9 Model detection effect

3.6 模型魯棒性測試

如表6，測試不同的環(huán)境條件下的模型性能，可以評估改進(jìn)前后模型的魯棒性是否有所提高。

表6 改進(jìn)YOLOv5 和YOLOv5 魯棒性測試結(jié)果Table 6 Improved YOLOv5 and YOLOv5 robustness test results %

（1）在不同尺度檢測能力的測試中，I-YOLOv5在small 尺度中取得了71.9%的AP，在large 尺度中提高了40%?？梢园l(fā)現(xiàn)，所有模型在large 尺度中的檢測能力都小于small 尺度下。這是因?yàn)锽DDTL 數(shù)據(jù)集中大尺度標(biāo)簽僅僅只有119個(gè)，小尺度標(biāo)簽有164 333個(gè)，樣本不均衡，模型對大尺度目標(biāo)學(xué)習(xí)能力不足。

（2）在不同時(shí)間條件下的測試結(jié)果表明，IYOLOv5 的AP 顯著提高，在黎明和黃昏條件下，提升了20.7%的AP，在夜晚AP 也有8.3 個(gè)百分點(diǎn)的增加。

（3）通過在不同場景下測試，I-YOLOv5 幾乎都有較高的提升，其中在parking lot 場景中，I-YOLOv5l將AP 值直接提高了21.1 個(gè)百分點(diǎn)。但是在tunnel場景，I-YOLOv5 表現(xiàn)出較差的檢測性能。因?yàn)樵搱鼍爸械臏y試圖片只有3 張，共9 個(gè)目標(biāo)，測試結(jié)果偏差大。

（4）在不同天氣條件下，I-YOLOv5 對YOLOv5的AP 提升都在10 個(gè)百分點(diǎn)之上。在foggy 場景中，I-YOLOv5 提升了25.4 個(gè)百分點(diǎn)，達(dá)到了75.2%。

3.7 模型魯棒性消融實(shí)驗(yàn)

為驗(yàn)證改進(jìn)方法對模型泛化能力的影響，以YOLOv5l 模型為基礎(chǔ)，在輸入統(tǒng)一為640×640 的條件下，逐步引入提出的方法，通過測試不同場景下的mAP（mean average precision）來衡量模型性能，研究改進(jìn)方法對模型魯棒性能的影響。此外增加A mAP I（average mAP increase）指標(biāo)，用于衡量mAP 的平均增加量。

模型魯棒性消融實(shí)驗(yàn)結(jié)果見表7。設(shè)計(jì)的ACBlock 結(jié)構(gòu)在size、time 和weather 場景下的mAP都增加了5.0 個(gè)百分點(diǎn)以上，在scene 場景下，mAP 僅增加了5.2%。SoftPool 對不同場景下模型的mAP 提升了2.5 個(gè)百分點(diǎn)～3.0 個(gè)百分點(diǎn)，其中在scene 場景下對模型的貢獻(xiàn)最少。DSConv 的使用對模型檢測能力的影響較小，在不同size 條件使模型的mAP 降低了1.0%。本文的特征融合網(wǎng)絡(luò)的設(shè)計(jì)對模型的貢獻(xiàn)最大，在weather 場景下提高模型5.9 個(gè)百分點(diǎn)，平均給模型性能增加5.0 個(gè)百分點(diǎn)。

表7 以YOLOv5l為基礎(chǔ)模型的魯棒性消融實(shí)驗(yàn)Table 7 Robust ablation experiment based on YOLOv5l

與3.4 節(jié)內(nèi)容相似的是，改進(jìn)方法對模型魯棒性的提高不是具體到某一種方法的改進(jìn)，而是模型整體特征提取能力的增加，特征融合的優(yōu)化使模型的檢測能力增加。

4 結(jié)論

針對目前基于視覺的交通燈檢測算法存在的難點(diǎn)，本文以BDD100K 為數(shù)據(jù)集，以YOLOv5 為基礎(chǔ)，使用可見標(biāo)簽比確定模型輸入，引入ACBlock 增加主干網(wǎng)路的特征提取能力，設(shè)計(jì)SoftPool 減少模型采樣損失，使用DSConv 減少模型參數(shù)，設(shè)計(jì)一種記憶性特征融合網(wǎng)絡(luò)充分利用特征信息。

實(shí)驗(yàn)結(jié)果證明，改進(jìn)后的方法在BDD100K 和Bosch 數(shù)據(jù)集上使AP 分別提高了11.0 個(gè)百分點(diǎn)和9.3個(gè)百分點(diǎn)，檢測速度最慢也在40 frame/s。在不同的尺度、場景、天氣和時(shí)間條件下，改進(jìn)后的模型均有較大的提升，最多提升了25.4 個(gè)百分點(diǎn)，有效增加了模型的魯棒性和小目標(biāo)提取能力。本文通過改進(jìn)YOLOv5 模型，增加了模型的檢測能力，提高了模型的魯棒性，做到了準(zhǔn)確和實(shí)時(shí)的交通燈檢測。