融合DBSCAN的改進(jìn)YOLOv3目標(biāo)檢測(cè)算法

李云紅，張 軒，李傳真，蘇雪平，聶夢(mèng)瑄，畢遠(yuǎn)東，謝蓉蓉

西安工程大學(xué) 電子信息學(xué)院，西安 710048

當(dāng)前基于計(jì)算機(jī)視覺(jué)的深度學(xué)習(xí)算法[1]應(yīng)用領(lǐng)域十分廣泛，結(jié)合目標(biāo)檢測(cè)技術(shù)可用來(lái)解決一些公共場(chǎng)所的公共資源分配問(wèn)題，以便節(jié)省人力和物力。

近年來(lái)深度學(xué)習(xí)逐漸被應(yīng)用于圖像的檢測(cè)與識(shí)別中，大大推進(jìn)了該領(lǐng)域的研究。傳統(tǒng)的檢測(cè)識(shí)別方法有方向梯度直方圖（histogram of oriented gradient，HOG）特征、局部二值模式（local binary pattern，LBP）特征以及尺度不變特征變換（scale invariant feature transform，SIFT），通過(guò)設(shè)計(jì)特征提取器獲得圖像特征，然后將提取出來(lái)的特征輸入一個(gè)可訓(xùn)練的分類(lèi)器。常用分類(lèi)模型有AlexNet、VGG、GoogleNet、ResNet（residual network）等。Krizhevsky等提出基于深度學(xué)習(xí)理論的深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural network，DCNN）的圖像分類(lèi)算法，大幅提升了圖像分類(lèi)的準(zhǔn)確率，同時(shí)目標(biāo)檢測(cè)準(zhǔn)確率也得以提升[2]，但運(yùn)算速度慢，帶來(lái)沉重的計(jì)算機(jī)負(fù)擔(dān)。Szegedy等將目標(biāo)檢測(cè)問(wèn)題看作目標(biāo)的回歸問(wèn)題，使用深度卷積神經(jīng)網(wǎng)絡(luò)作為回歸器來(lái)預(yù)測(cè)輸入圖像中的目標(biāo)[3]，但對(duì)目標(biāo)特征泛化性較差，實(shí)際應(yīng)用效果不佳。Erhan等使用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)的AnchorBox進(jìn)行回歸預(yù)測(cè)，并給出每個(gè)AnchorBox包含類(lèi)別無(wú)關(guān)對(duì)象的置信度[4]，提升了識(shí)別率，但該方法移植性較差，對(duì)特定場(chǎng)合目標(biāo)需要分別訓(xùn)練。He等提出了一個(gè)可看作單層的網(wǎng)絡(luò)層，稱(chēng)為感興趣區(qū)域（region of interest，ROI）Pooling[5]，該方法提高了檢測(cè)速率，但是對(duì)小目標(biāo)識(shí)別率較低。Liu等提出了單點(diǎn)多盒探測(cè)器（single shot multibox detector，SSD）的檢測(cè)方法[6]，該方法進(jìn)一步提升了檢測(cè)速度，但對(duì)小目標(biāo)以及模糊目標(biāo)檢測(cè)效果不佳。YOLO[7]在檢測(cè)速度上優(yōu)于SSD算法，但對(duì)于相互遮擋目標(biāo)存在漏檢問(wèn)題。

針對(duì)以上問(wèn)題，本文提出一種基于改進(jìn)YOLOv3算法的目標(biāo)檢測(cè)方法，該方法可在快速檢測(cè)的前提下提升對(duì)小目標(biāo)、遮擋目標(biāo)的檢測(cè)準(zhǔn)確率。

1 YOLOv3目標(biāo)檢測(cè)算法

1.1 YOLOv3算法原理

YOLOv3是YOLO和YOLOv2[8]的改進(jìn)，傳統(tǒng)的檢測(cè)算法對(duì)目標(biāo)識(shí)別效率相對(duì)較低且優(yōu)化困難，例如以區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（region-convolutional neural network，R-CNN）[9]為首的候選框加預(yù)測(cè)位置、分類(lèi)的這種策略。R-CNN首先產(chǎn)生一些潛在的Region Proposal，然后利用分類(lèi)器對(duì)每一個(gè)區(qū)域進(jìn)行分類(lèi)的同時(shí)進(jìn)行目標(biāo)邊界修正，最后利用非極大值抑制（non-maximum suppression，NMS）合并、消除重復(fù)檢測(cè)框，這個(gè)過(guò)程被稱(chēng)為two-stage[10]，如圖1所示。YOLO系列算法的創(chuàng)新就是提出one-stage，如圖2所示。即將目標(biāo)檢測(cè)僅看作單一的回歸問(wèn)題，可以直接通過(guò)對(duì)檢測(cè)圖像優(yōu)化來(lái)得到所檢測(cè)物體的邊界位置和分類(lèi)。YOLOv3之所以檢測(cè)速度快正是因?yàn)槠浠诨貧w的方法來(lái)提取特征，是一種典型的端到端訓(xùn)練，目標(biāo)類(lèi)別和邊框會(huì)直接在特征層回歸之后得到，相比兩步檢測(cè)類(lèi)算法節(jié)省了提取邊框的時(shí)間，提升了檢測(cè)速度。

圖1 兩步法Fig.1 Two-stage method

圖2 單步法Fig.2 One-stage method

YOLOv3網(wǎng)絡(luò)采用Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)（含有53個(gè)卷積層），如圖3所示。一方面采用全卷積網(wǎng)絡(luò)，另一方面網(wǎng)絡(luò)結(jié)構(gòu)增添了5個(gè)殘差塊，每個(gè)殘差塊中包括兩個(gè)DBL（DarknetConv2D_BN_Leaky）單元在殘差塊中進(jìn)行殘差操作，如圖4（a）所示。其中DBL單元包含了卷積層（convolutional）、批量歸一化（batch normalization）和Leaky ReLU激活函數(shù)，如圖4（b）所示。通過(guò)引入殘差結(jié)構(gòu)網(wǎng)絡(luò)架構(gòu)，網(wǎng)絡(luò)深度得以增加，并且可以有效避免在數(shù)據(jù)訓(xùn)練的過(guò)程中造成的梯度爆炸和消失等問(wèn)題。得益于ResNet的殘差結(jié)構(gòu)，網(wǎng)絡(luò)訓(xùn)練時(shí)的難度大大減小，因此這里可以將網(wǎng)絡(luò)層數(shù)由之前的Darknet-19增加到53層，從而加強(qiáng)了網(wǎng)絡(luò)的學(xué)習(xí)能力，檢測(cè)精度較之前也有明顯提升。Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)只是用來(lái)獲取圖像的特征，在圖3網(wǎng)絡(luò)結(jié)構(gòu)中可以看到經(jīng)過(guò)特征層傳入之后，該網(wǎng)絡(luò)分別進(jìn)行了兩次上采樣，經(jīng)過(guò)上采樣的堆疊可以獲取更多檢測(cè)圖像特征，提升了檢測(cè)精度。同時(shí)YOLOv3采用了多尺度訓(xùn)練，網(wǎng)絡(luò)輸出3個(gè)尺度，分別是13×13、26×26、52×52，對(duì)應(yīng)于大、中和小目標(biāo)的檢測(cè)，每個(gè)尺度之間存在著特殊聯(lián)系，增強(qiáng)了模型魯棒性。

圖3 Darknet-53結(jié)構(gòu)圖Fig.3 Darknet-53 structure diagram

圖4 結(jié)構(gòu)單元Fig.4 Structural unit

YOLOv3算法保留了之前版本的優(yōu)點(diǎn)，“分而治之”就是其一，依然通過(guò)劃分單元格的方式來(lái)對(duì)目標(biāo)進(jìn)行檢測(cè)，這種方式保證了算法的檢測(cè)效率。在YOLO算法的第二代版本之后，YOLO選擇使用批量歸一化，通過(guò)這種方法有效避免了訓(xùn)練過(guò)程中的過(guò)擬合問(wèn)題，同時(shí)加速了收斂。網(wǎng)絡(luò)在每一層卷積之后增加激活函數(shù)Leaky ReLU，與ReLU激活函數(shù)相比該激活函數(shù)可以保留更多圖像信息。

除此之外對(duì)于不同的類(lèi)別判斷，YOLOv3使用了80個(gè)邏輯分類(lèi)器，通過(guò)設(shè)置候選框閾值來(lái)判斷檢測(cè)目標(biāo)是否為同一類(lèi)目標(biāo)。YOLO系列算法在目標(biāo)檢測(cè)準(zhǔn)確率和速度上一直有著很大優(yōu)勢(shì)，是圖像檢測(cè)熱門(mén)研究方法，但是該算法只通過(guò)單一方法進(jìn)行特征提取，因此在小范圍的信息上表現(xiàn)并不理想。本文通過(guò)對(duì)YOLOv3算法聚類(lèi)方式的改進(jìn)來(lái)優(yōu)化解決這一問(wèn)題。

1.2 目標(biāo)邊界框的預(yù)測(cè)

在所有深度學(xué)習(xí)的目標(biāo)檢測(cè)算法中，卷積層一般只獲取目標(biāo)的特征，隨后將所獲取特征傳遞到分類(lèi)器或回歸器中進(jìn)行結(jié)果預(yù)測(cè)。YOLO系列算法采用1×1的卷積核來(lái)完成對(duì)目標(biāo)的預(yù)測(cè)，這樣得到的預(yù)測(cè)圖大小與特征圖的大小相等。在YOLOv3目標(biāo)邊界框的數(shù)量為3，由預(yù)測(cè)圖中每個(gè)單元格確定，此外特征圖中包含b×(5+C)個(gè)信息。C表示類(lèi)別總數(shù)，b表示得到的邊界框數(shù)量，不同目標(biāo)有自己唯一的邊界框，5+C為每個(gè)邊界框的參數(shù)，分別是邊界框的中心坐標(biāo)、尺寸、目標(biāo)分?jǐn)?shù)和C個(gè)類(lèi)的置信度。通過(guò)以下幾個(gè)公式可以知道邊界框的預(yù)測(cè)和網(wǎng)絡(luò)輸出之間的關(guān)系：

如圖5所示，預(yù)測(cè)的中心坐標(biāo)為(b x,b y)，寬度和高度分別是b w、b h,t x、t y代表預(yù)測(cè)目標(biāo)相對(duì)于中心坐標(biāo)的偏移值，通過(guò)sigmoid函數(shù)將t x、t y的值控制在[0，1]區(qū)間上。該方法保證目標(biāo)中心處于預(yù)測(cè)網(wǎng)格單元中，防止偏移過(guò)大。t w、t h為尺度縮放。網(wǎng)格原點(diǎn)在左上角，用c x和c y表示。p w和p h即為候選框的寬度和高度。

圖5 邊界框預(yù)測(cè)示意圖Fig.5 Schematic diagram of bounding box prediction

2 改進(jìn)YOLOv3算法

YOLOv3算法由兩部分組成，分別是訓(xùn)練和測(cè)試。在訓(xùn)練樣本時(shí)需要給模型大量數(shù)據(jù)，預(yù)測(cè)過(guò)程中通過(guò)候選框判斷是否有檢測(cè)目標(biāo)落入候選框。若有目標(biāo)落入框內(nèi)，則其概率為：

在對(duì)目標(biāo)進(jìn)行檢測(cè)過(guò)程中圖像大小不一，種類(lèi)繁多，針對(duì)如何確定候選框初始位置，YOLOv3選擇采用K-means聚類(lèi)算法對(duì)邊界框的初始位置進(jìn)行確定。Kmeans聚類(lèi)算法屬于無(wú)監(jiān)督學(xué)習(xí)，通過(guò)指定K值作為中心，對(duì)周?chē)拷鼈兊膶?duì)象進(jìn)行聚類(lèi)操作。通過(guò)重復(fù)迭代，對(duì)聚類(lèi)中心值進(jìn)行更新，當(dāng)類(lèi)內(nèi)部差異越小，外部差異越大時(shí)即達(dá)到所期望效果，而“差異”大小的衡量是通過(guò)樣本點(diǎn)到所屬類(lèi)質(zhì)心的距離來(lái)決定的。通常情況采用歐氏距離進(jìn)行衡量，式（6）為歐式距離衡量算法，式中x為類(lèi)中樣本點(diǎn)，μ為該類(lèi)的質(zhì)心，n為每個(gè)類(lèi)中的樣本數(shù)目，i為每個(gè)點(diǎn)標(biāo)號(hào)。

然而在K-means聚類(lèi)算法中K值的選取往往難以估計(jì)，且K值的選取會(huì)直接影響到聚類(lèi)的效果，同時(shí)該聚類(lèi)方法的聚類(lèi)結(jié)果一般情況下只能保證局部最優(yōu)聚類(lèi)，以及對(duì)噪聲干擾較敏感，另外K-means聚類(lèi)算法對(duì)非凸型數(shù)據(jù)和大小相差較大的數(shù)據(jù)難以達(dá)到理想聚類(lèi)效果。在實(shí)際情況中，圖像中的目標(biāo)個(gè)數(shù)以及類(lèi)別個(gè)數(shù)一般情況下是未知的，同時(shí)目標(biāo)之間的距離也可能過(guò)于分散，因此若按照指定K值進(jìn)行聚類(lèi)，則得到的中心點(diǎn)位置與實(shí)際位置相差距離太遠(yuǎn)，而DBSCAN聚類(lèi)算法對(duì)聚類(lèi)簇的形狀沒(méi)有偏倚，同時(shí)不用輸入要?jiǎng)澐值木垲?lèi)個(gè)數(shù)[11]，僅設(shè)定目標(biāo)出現(xiàn)半徑，由密度可達(dá)進(jìn)行聚類(lèi)也可以避免中心點(diǎn)和實(shí)際位置相差太遠(yuǎn)造成的影響，因此本文提出融合DBSCAN的DB-K聚類(lèi)方法。該方法首先通過(guò)DBSCAN聚類(lèi)算法，在忽略中心點(diǎn)的情況下得到首次較好聚類(lèi)效果，得到若干已完成的類(lèi)，隨后增加多尺度聚類(lèi)，進(jìn)一步獲得檢測(cè)目標(biāo)的局部和整體信息，具體為對(duì)檢測(cè)目標(biāo)的輪廓信息進(jìn)行多尺度聚類(lèi)。經(jīng)過(guò)多尺度聚類(lèi)和卷積操作，可以獲得初代特征圖。最后將這些類(lèi)作為輸入數(shù)據(jù)，通過(guò)K-means算法進(jìn)行劃分聚類(lèi)，這樣便可以獲得準(zhǔn)確的中心點(diǎn)位置。通過(guò)這種方法可以有效加速數(shù)據(jù)集收斂，提升小目標(biāo)分類(lèi)精確度。

DBSCAN聚類(lèi)算法中鄰域的樣本分布緊密程度使用參數(shù)(?,MinPts)描述，輸入樣本為：

如果子樣本集樣本個(gè)數(shù)滿足式（8）：

則將子樣本加入到核心樣本集合（9）中：

隨后，核心對(duì)象通過(guò)鄰域距離閾值可查找所有的子樣本集，以便于更新當(dāng)前簇樣本集合，未訪問(wèn)的樣本集合也會(huì)隨之更新，最后經(jīng)過(guò)迭代輸出，輸出結(jié)果為式（10）：

YOLOv3中K-means聚類(lèi)算法種子點(diǎn)是隨機(jī)選取的，這種方式增加了聚類(lèi)的隨機(jī)性，會(huì)導(dǎo)致聚類(lèi)效果不佳。本文提出一種減小種子點(diǎn)選取隨機(jī)性的方法。首先通過(guò)誤差平方和方法，如式（11）所示，得到K值，再經(jīng)過(guò)K-means算法得到首次聚類(lèi)中心。判斷已得到的K個(gè)聚類(lèi)情況，將最近的類(lèi)進(jìn)行合并，減小聚類(lèi)中心數(shù)，當(dāng)進(jìn)行下次聚類(lèi)時(shí)對(duì)應(yīng)的聚類(lèi)數(shù)也會(huì)隨之減小，通過(guò)該方法可得到理想的聚類(lèi)數(shù)。經(jīng)過(guò)迭代，當(dāng)評(píng)判函數(shù)收斂達(dá)到預(yù)期值，即可獲得最佳聚類(lèi)效果。

實(shí)驗(yàn)通過(guò)選取400個(gè)隨機(jī)點(diǎn)分別由K-means聚類(lèi)算法和本文提出的DB-K混合聚類(lèi)算法進(jìn)行測(cè)試。Kmeans聚類(lèi)算法中，K值指定為3，實(shí)驗(yàn)結(jié)果如圖6所示。在DB-K聚類(lèi)算法中由DBSCAN聚類(lèi)算法可得K值為3，實(shí)驗(yàn)結(jié)果如圖7所示。通過(guò)實(shí)驗(yàn)結(jié)果可明顯看出，本文所提出的方法有更好的聚類(lèi)效果。

圖6 K-means聚類(lèi)算法Fig.6 K-means clustering method

圖7 DB-K聚類(lèi)算法Fig.7 DB-K clustering method

本文通過(guò)融合DBSCAN聚類(lèi)算法以及對(duì)傳統(tǒng)Kmeans聚類(lèi)算法改進(jìn)，提升了檢測(cè)目標(biāo)在不同數(shù)據(jù)集和復(fù)雜環(huán)境下的分類(lèi)效果，使目標(biāo)分類(lèi)效果更佳，同時(shí)增加了抗噪聲和干擾的影響。在后期目標(biāo)識(shí)別中起到了事半功倍的目的。

3 候選框的確定

將檢測(cè)圖像輸入Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)中，網(wǎng)絡(luò)中卷積層對(duì)行人特征進(jìn)行提取、訓(xùn)練和預(yù)測(cè)。本文采用DBSCAN聚類(lèi)算法先得到樣本子集，再通過(guò)改進(jìn)Kmeans聚類(lèi)算法對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練得到聚類(lèi)候選框。輸入圖像分割后得到S×S個(gè)單元格，每個(gè)單元格可預(yù)測(cè)B個(gè)候選框，同時(shí)每個(gè)候選框?qū)?yīng)5個(gè)預(yù)測(cè)參數(shù)。候選框總數(shù)為S×S×B個(gè)。式（12）為判斷是否有目標(biāo)在候選框內(nèi)，若無(wú)目標(biāo)則概率為0，有目標(biāo)則概率為1。

候選框中若無(wú)預(yù)測(cè)目標(biāo)則將該候選框置信度設(shè)置為0，若存在目標(biāo)則該候選框置信度應(yīng)為式（13）所示：

IoU（intersection over union）表示預(yù)測(cè)框和實(shí)際框交集面積與并集面積之比[12]，也反映了檢測(cè)目標(biāo)是否存在于候選框中，如式（14）所示：

3.1 行人候選框確定

總數(shù)為S×S×B個(gè)候選框內(nèi)有目標(biāo)存在且為行人的概率如式（15）所示：

通過(guò)式（16）將候選框置信度和所檢測(cè)目標(biāo)的存在概率相乘可以得到行人類(lèi)置信度：

通過(guò)以上步驟候選邊框已經(jīng)和檢測(cè)對(duì)象對(duì)應(yīng)，最后通過(guò)NMS將不合適的行人候選框剔除，僅保留最佳行人候選框。最終輸出框的內(nèi)容為[x,y,w,h,C,conf]，分別為目標(biāo)框的偏移量、寬度、高度、類(lèi)別及置信度。

3.2 交通工具候選框確定

總數(shù)為S×S×B個(gè)候選框中存在目標(biāo)且為交通工具的概率為式（17）所示：

相應(yīng)的，若不存在交通工具則置信度conf為0，若存在交通工具則置信度為式（18）所示：

最后通過(guò)與處理行人候選框相同的方法，經(jīng)過(guò)非極大值抑制后保留最佳交通工具候選框，同時(shí)給出相應(yīng)參數(shù)[x,y,w,h,C,conf]。

4 實(shí)驗(yàn)與分析

本文實(shí)驗(yàn)在Linux系統(tǒng)環(huán)境下完成，計(jì)算機(jī)系統(tǒng)配置為Ubuntu18.04、CUDA（compute unified device architecture）11.0、CUDNN（CUDA deep neural network library）8.0。硬件環(huán)境搭載核心數(shù)為8核Interl-CPU-10700F，顯卡選用RTX2020（Ti），計(jì)算機(jī)內(nèi)存16 GB，實(shí)驗(yàn)過(guò)程中使用GPU進(jìn)行加速訓(xùn)練。

4.1 行人及交通工具數(shù)據(jù)集

本文數(shù)據(jù)集選用Pascal VOC 2007、2012以及MSCOCO數(shù)據(jù)集進(jìn)行訓(xùn)練。Pascal VOC為圖像識(shí)別和分類(lèi)提供了一整套標(biāo)準(zhǔn)化的優(yōu)秀的數(shù)據(jù)集，從2007年到2012年該組織提供了大量圖片以及對(duì)應(yīng)的標(biāo)簽，利用這些數(shù)據(jù)，實(shí)現(xiàn)圖像的分類(lèi)、目標(biāo)檢測(cè)識(shí)別、圖像分割三種任務(wù)[13]。在這些圖片中，一共包含了4個(gè)大類(lèi)、20個(gè)小類(lèi)的物體。MS-COCO數(shù)據(jù)集是微軟團(tuán)隊(duì)獲取的一個(gè)可以用來(lái)進(jìn)行圖像識(shí)別、分割和捕捉的大型數(shù)據(jù)集[14]。該數(shù)據(jù)集主要包括日常生活中的人、交通工具、動(dòng)物等類(lèi)別，通過(guò)精確地分割將圖像中的目標(biāo)進(jìn)行了準(zhǔn)確的標(biāo)定。MS-COCO數(shù)據(jù)集中包含91類(lèi)目標(biāo)、328 000個(gè)影像數(shù)據(jù)和2 500 000個(gè)標(biāo)簽，基本可以滿足當(dāng)前實(shí)驗(yàn)需要。

4.2 模型訓(xùn)練

在對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí)更改YOLOv3的配置文件，包括模式選擇、網(wǎng)絡(luò)輸入的寬和高以及通道數(shù)、動(dòng)量、權(quán)重衰減、飽和度、曝光度和色調(diào)等，這些更改可以對(duì)圖像進(jìn)行數(shù)據(jù)增強(qiáng)預(yù)處理，提高了數(shù)據(jù)模型的泛化能力。由于YOLOv3網(wǎng)絡(luò)的輸入圖像要求為416×416，在將圖像數(shù)據(jù)輸入到網(wǎng)絡(luò)模型時(shí)應(yīng)將圖片大小調(diào)整為該尺寸來(lái)達(dá)到最佳模型訓(xùn)練效果。

本次實(shí)驗(yàn)中設(shè)置迭代次數(shù)為30 000次，動(dòng)量因子（momentum）和權(quán)重衰減分別設(shè)置為0.9和0.000 5，實(shí)驗(yàn)過(guò)程中小批量樣本數(shù)設(shè)置為32，初始學(xué)習(xí)率為0.01，為防止過(guò)擬合將正則化系數(shù)設(shè)置為0.000 5，并階段性逐級(jí)縮小為原來(lái)的1/10。同時(shí)開(kāi)啟多尺度訓(xùn)練以增強(qiáng)模型對(duì)不同尺寸圖像的魯棒性。隨著迭代次數(shù)的增加損失函數(shù)逐漸收斂，當(dāng)?shù)螖?shù)達(dá)到20 000次時(shí)，損失值已接近0.03，當(dāng)訓(xùn)練次數(shù)達(dá)到28 000次左右時(shí)，損失值在0.03上下浮動(dòng)，此時(shí)可以判定訓(xùn)練已達(dá)到預(yù)期效果，損失變化曲線如圖8所示。

圖8 損失變化曲線Fig.8 Loss change curve

當(dāng)訓(xùn)練次數(shù)達(dá)到30 000次時(shí)，IoU值逐漸收斂于1，實(shí)驗(yàn)結(jié)果為理想狀態(tài)，平均IoU曲線如圖9所示。隨著迭代次數(shù)增加召回率逐漸趨于1，精確率和召回率曲線如圖10所示。

圖9 IoU變化曲線Fig.9 IoU change curve

圖10 Precision和Recall變化曲線Fig.10 Precision and Recall changecurve

4.3 實(shí)驗(yàn)結(jié)果分析

本文選擇Faster-RCNN、SSD以及YOLOv3目標(biāo)檢測(cè)算法來(lái)做對(duì)比實(shí)驗(yàn)。Faster-RCNN屬于兩步檢測(cè)算法，先提取感興趣區(qū)域，即判斷是所檢測(cè)圖像的前景或背景，之后再對(duì)圖像中目標(biāo)進(jìn)行分類(lèi)，F(xiàn)aster-RCNN目標(biāo)檢測(cè)算法由Ross Girshick團(tuán)隊(duì)在2015年提出，該算法的核心為一個(gè)RPN網(wǎng)絡(luò)。SSD結(jié)合了Faster-RCNN和YOLO的優(yōu)點(diǎn)，該算法借鑒了YOLO算法，將檢測(cè)轉(zhuǎn)化為回歸機(jī)制，同時(shí)借鑒了anchor機(jī)制。SSD的anchor預(yù)測(cè)不是對(duì)目標(biāo)的每個(gè)位置進(jìn)行精確預(yù)測(cè)，而是跟YOLO一樣將輸入圖像劃分為一定數(shù)量的網(wǎng)格，然后根據(jù)每個(gè)網(wǎng)格生成預(yù)測(cè)框。

改進(jìn)后YOLOv3目標(biāo)檢測(cè)算法首先通過(guò)融合DBSCAN聚類(lèi)方法得到首次聚類(lèi)結(jié)果，如圖11所示，為測(cè)試圖像DBSCAN聚類(lèi)結(jié)果，可得DBSCAN聚類(lèi)對(duì)檢測(cè)圖像的背景和目標(biāo)信息進(jìn)行了有效分類(lèi)。

圖11 DBSCAN聚類(lèi)結(jié)果Fig.11 DBSCAN clustering result

然后利用多尺度聚類(lèi)獲取檢測(cè)圖像中目標(biāo)的具體輪廓信息，如圖12所示，為測(cè)試圖像多尺度聚類(lèi)結(jié)果。最后通過(guò)卷積網(wǎng)絡(luò)獲得輸入圖像初代特征圖，如圖13所示，為測(cè)試圖像初代特征圖。

圖12 多尺度聚類(lèi)結(jié)果Fig.12 Multi-scale clustering result

圖13 初代特征圖Fig.13 Primary feature map

最終的聚類(lèi)結(jié)果通過(guò)輪廓系數(shù)法（silhouette coefficient）[15]進(jìn)行評(píng)估，計(jì)算方法如式（19）所示：

式中，a(i)代表樣本與其自身所在簇中的其他樣本的相似度，b(i)樣本與其他簇中的樣本的相似度?？梢缘玫絪(i)的值為0.94，接近于1，說(shuō)明樣本聚類(lèi)合理，結(jié)果沒(méi)有偏倚。

在目標(biāo)被遮擋情況下改進(jìn)YOLOv3算法與Faster-RCNN、SSD以及YOLOv3目標(biāo)檢測(cè)算法在VOC2007+2012數(shù)據(jù)集訓(xùn)練后的實(shí)際檢測(cè)效果圖如圖14所示，可明顯看到改進(jìn)YOLOv3算法對(duì)小目標(biāo)識(shí)別率以及識(shí)別精度較論文中對(duì)比算法有顯著提高。本文算法與對(duì)照組算法在MS-COCO數(shù)據(jù)集實(shí)際檢測(cè)效果圖如圖15所示，改進(jìn)后的YOLOv3算法提升了對(duì)小目標(biāo)以及遮擋目標(biāo)的檢測(cè)準(zhǔn)確率。

圖14 VOC數(shù)據(jù)集檢測(cè)效果對(duì)比Fig.14 Comparison of detection effects of VOC dataset

圖15 MS-COCO數(shù)據(jù)集檢測(cè)效果對(duì)比Fig.15 Comparison of detection effects of MS-COCO dataset

目標(biāo)檢測(cè)領(lǐng)域中精確率（precision）、召回率（recall）、平均精度均值（mAP）、識(shí)別耗時(shí)（s）以及F1值常被作為檢測(cè)效果的評(píng)價(jià)標(biāo)準(zhǔn)。其中精確率表示為預(yù)測(cè)為正樣本中真正的正樣本占有比例，召回率表示樣本中的正樣本被預(yù)測(cè)正確的比例。用TP代表預(yù)測(cè)和實(shí)際都為正的樣本，F(xiàn)P代表預(yù)測(cè)為正實(shí)際為負(fù)的樣本，P代表精確率，則精確率計(jì)算公式如式（20）所示：

用R代表召回率，F(xiàn)N代表預(yù)測(cè)為正樣本實(shí)際為正的樣本，則召回率計(jì)算公式如式（21）所示：

平均精度均值表示各類(lèi)別平均精度的均值，它反映了全局性能指標(biāo)。其中AP表示平均精度，用來(lái)量化分類(lèi)器性能。在圖10中，曲線與坐標(biāo)軸所圍成的面積即為AP值，如式（22）所示：

則平均精度均值計(jì)算方法如式（23）所示：

式中，m代表類(lèi)別數(shù)。

F1值為精確率和召回率的調(diào)和平均數(shù)，計(jì)算方法如式（24）所示：

改進(jìn)后YOLOv3算法與其他各模型在VOC2007+2012數(shù)據(jù)集上的檢測(cè)效果對(duì)比如表1所示。改進(jìn)后YOLOv3算法與其他各模型在MS-COCOC數(shù)據(jù)集上的檢測(cè)效果對(duì)比如表2所示。從實(shí)驗(yàn)結(jié)果可以得到，改進(jìn)后的YOLOv3算法比原算法在VOC2007+2012數(shù)據(jù)集上mAP提升14.9個(gè)百分點(diǎn)，召回率提升6.5個(gè)百分點(diǎn)，在MS-COCO數(shù)據(jù)集上mAP提升12.5個(gè)百分點(diǎn)，召回率提升8.6個(gè)百分點(diǎn)。

表1 各模型在VOC2007+2012數(shù)據(jù)集的檢測(cè)效果對(duì)比Table 1 Comparison of detection effects of each model on VOC2007+2012 dataset

表2 各模型在MS-COCO數(shù)據(jù)集的檢測(cè)效果對(duì)比Table 2 Comparison of detection effects of each model on MS-COCO dataset

5 結(jié)束語(yǔ)

本文針對(duì)YOLOv3目標(biāo)檢測(cè)算法對(duì)小目標(biāo)、遮擋目標(biāo)識(shí)別效率不高的問(wèn)題提出了相應(yīng)的改進(jìn)方法。通過(guò)融合DBSCAN聚類(lèi)算法和對(duì)K-means聚類(lèi)算法中種子點(diǎn)K值的合理選取分別做出了改進(jìn)，并通過(guò)實(shí)驗(yàn)進(jìn)行了論證。由實(shí)驗(yàn)結(jié)果可知，改進(jìn)后的YOLOv3目標(biāo)檢測(cè)算法在VOC2007+2012數(shù)據(jù)集和MS-COCO數(shù)據(jù)集上對(duì)小目標(biāo)以及遮擋目標(biāo)的識(shí)別準(zhǔn)確率上有明顯提升，召回率分別達(dá)到81.9%和82.4%，平均精度均值分別達(dá)到70.2%和69.2%，降低了漏檢率。下一步工作將在保證檢測(cè)精度的情況下優(yōu)化Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)，達(dá)到節(jié)省計(jì)算機(jī)性能，同時(shí)進(jìn)一步提升檢測(cè)速度的目的。