基于改進的Faster-RCNN的中藥檢測

趙留陽

（安徽理工大學 計算機科學與工程學院，安徽 淮南 232001）

0 引 言

中藥是我國文化重要的組成部分，近年來，疫情肆虐，在治療疫情方面中藥發揮了重要的作用，但目前中藥的檢測主要由人工完成，耗時長。隨著深度學習的發展，基于深度學習的檢測算法日新月異，將深度學習應用于中藥檢測將會大大提高中藥的檢測能力。

當前目標檢測領域常用的算法模型有目標特征提取網絡、頭部網絡以及頸部網絡，特征提取網絡顧名思義用來進行目標的特征提取，常用的目標特征主要有VGG、ResNet殘 差 網 絡、DenseNet、MobileNet以 及CSPDarknet53等。隨著深度學習的不斷發展，其在目標檢測領域取得了斐然的成績，當前深度學習技術日新月異，因此目標檢測領域也衍生了兩派不同的檢測算法：第一種是以YOLO、SSD為主要代表的單階段檢測算法，另一種是以Faster-RCNN算法為主的兩階段檢測算法，兩派算法各有優劣，單階段檢測算法與兩階段相比，因其減少一些操作流程，參數量減少因此在檢測速度上優于兩階段檢測算法，但精度遜于兩階段的算法。但日常生活中，除正常目標外，還包括大量的小目標物體，相比較目標特征較明顯的物體兩類算法對小目標的檢測精度有所下降。伴隨著技術的不斷發展，在目標檢測領域衍生了注意力機制。注意力機制是從圖像的大量消息中捕捉對當前任務更為重要的有效信息，包括尺度較小的目標特征。注意力機制分為軟注意力和強注意力，軟注意力重點關注通道或者區域，其又包含通道注意力、空間注意力以及通道和空間融合使用的混合注意力。強注意力重點關注點，常通過增量學習的方式來完成訓練過程。

本文旨在針對中藥進行檢測，因其包含較多尺度較小的目標，因此提出一種新的改進方式：

（1）傳統Faster-RCNN 網絡的特征提取網絡為VGG16網絡，網絡進行了多次池化致使部分目標特征丟失，本文采用ResNet101 代替VGG16 網絡進行特征提取，ResNet101雖層數較深，但會與之前特征相融合，可以保留更多的目標特征；

（2）加入CBAM注意力機制，更多的捕捉圖像中目標的特征信息。

1 改進的Faster-RCNN 模型

1.1 Faster-RCNN 基本模型

Faster-RCNN 算法主要由四部分組成：

（1）特征提取層。算法原始特征提取層主要由VGG16網絡進行目標特征提取。VGG16 網絡由5 個block 組成，包含了過多的卷積層，池化層和全連接層，具有龐大的參數量，擁有很好的泛化擬合能力，同時因為參數巨大會導致訓練時間長，參數調整困難。

（2）區域建議層（RPN）。RPN 是算法在傳統Fast-RCNN[10]算法上的一個巨大改進，在R-CNN 與Fast-RCNN 算法框架中，使用傳統的SS（Selective Search）方法來提取目標的候選框，計算量冗余且耗時長，RPN 使用端到端的訓練方法，把神經網絡引用到物體的整個檢測過程當中，與SS 方法相比，極大地減少了計算量。

（3）ROI Pooling 層。該層特點是將輸入尺寸大小不同的框通過ROI Pooling 層使其轉化為尺寸大小固定的框作為下一個連接層的輸入。

（4）分類回歸層。分類回歸層用于輸出分類框的相關參數。

Faster-RCNN 算法流程如下：

（1）輸入待檢測圖片，通過特征提取層獲得物體的feature map；

（2）將featuremap 輸入RPN 網絡中獲取基準候選框；

（3）基準候選框經過ROI Pooling 層重新映射成尺寸相同的候選框；

（4）將候選框輸入到分類回歸層輸出分類和回歸參數。

相比較fast-RCNN 算法，Faster-RCNN 的一大創新在于其引入了RPN 機制。RPN 由一個卷積層、ReLu激活函數、clc layer 和reg layer 組成。模型在圖片經過特征提取網絡卷積得到目標特征的feature map 后將feature map 送入RPN，在RPN 網絡中，網絡使用卷積核對獲得的feature map 進行卷積操作，經過卷積操作后計算出feature map 的中心點，網絡根據中心點映射回原圖的中心點，確保中心點和原圖一致，并生成9 個尺寸大小不一的候選框，后經過clc layer 和reg layer 層輸出目標的分類回歸參數。RPN 層的作用是提取文檔圖像中的目標區域，主要用于產生區域提議。這可以明顯減少后期Anchor 框的數量。與之前Fast-RCNN 算法相比，Faster-RCNN 的Anchor box 的數量可以從之前的6 000 個減少到2 000 個，大大提高了算法的計算速度，同時生成的2 000 個區域建議也足以完成復雜的檢測任務。基于CNN 網絡生成的特征圖，生成三個不同大小、三種縱橫比（1：1、1：2、2：1）的矩形窗口。如圖1所示。

圖1 RPN 網絡結構圖

整個RPN 網絡如圖1所示，其損失函數為：

1.2 ResNet101 殘差網絡

卷積神經的網絡盛行，其主要原因之一是進行端到端的訓練方式，這種方式可以大大減少參數帶來的巨大操作量，隨著卷積神經網絡層數的增加，可以對圖片進行很多高級特征的提取。但事實并非如此，雖然加深卷積層數可以增強網絡的學習能力，提高圖像的分辨精度。然而實驗研究表明，隨著卷積層數的加深，不僅不能提高模型的泛化能力反而帶來相應的問題，如梯度消失。實驗證明當網絡精度達到飽和時，精度會因為層數的增加而下降，針對卷積神經網絡的飽和問題，何凱明提出了一種ResNet 殘差網絡模型，ResNet殘差網絡不僅可以令卷積網絡的層數加深以提取更為豐富的特征同時解決了層數加深帶來的精度下降問題。殘差結構圖如圖2所示。在之前的網絡結構上添加一個恒等映射，將原有學習到的函數（）變成（）+，過這種簡單的轉換由于其簡單操作，因此并不會帶計算量大的問題，還可以通過原有的學習到更多的特征，提高算法的訓練效果。

圖2 殘差結構圖

1.3 CBAM 注意力機制

CBAM 是一種基于卷積神經網絡的注意力模塊，其方式為端到端的訓練方式，因此能很好地集成到卷積神經中。由兩種軟注意力模塊：通道注意力和空間注意力共同組成了CBAM 注意力機制，結構如圖3，圖4所示。

如圖3所示，特征圖輸入到通道注意力模塊中，網絡分別對特征圖執行最大池化操作和平均池化操作，后連接共享全連接層（shared MLP）。將輸出通過elementwise 進行加和操作，最后通過sigmoid 激活函數運算，輸出在通道注意力模塊中壓縮得到的新的特征圖。

圖3 通道注意力機制結構圖

通道注意力的機制對輸入的特征圖在空間上進行壓縮，在通道注意力模塊中會進行兩種池化操作：最大值池化和均值池化，其作用分別是：最大池化是用來反饋模塊反向傳播，平均池化操作是針對圖像中的像素點給予響應。經過壓縮之后得到一維矢量，通道注意力選取特征圖中具有辨析的重要內容。

如圖4所示，經過通道注意力模塊最后輸出的特征圖作為空間注意力模塊的輸入特征圖，在空間注意力模塊中，同樣也進行最大值池化和均值池化操作，但先后順序與通道注意力模塊中的不同，其先后進行池化操作，最后進行操作后將兩層進行concat 操作，最后通過卷積以及sigmoid 激活函數運算輸出空間注意力模塊的特征圖。

圖4 空間注意力機制結構圖

空間注意力原理對獲得的特整體在通道方面進行壓縮，因此其功能模塊也與通道注意力不同，在空間注意力機制模塊中，最大值池化用來選取通道上的最大值，共進行×次選取次數，平均池化用來選取通道中的平均值，次數與最大池化相同，最后空間注意力模塊會輸出為2 通道的特征圖。

改進后的算法結構如圖5所示。

圖5 算法結構圖

2 實驗與分析

2.1 實驗配置與數據集

實驗選用的是深度學習框架Tensorflow，圖像處理器是NVIDIA GeFoorce MX230，Python 版本為3.7。

本文數據集選自飛槳AI 公共數據集。數據集中共有4 500 張圖片，圖片嚴格按照VOC 數據集格式進行標注，其中3 500 張圖片用于模型的訓練，1 000 張圖片用于模型的測試，訓練集與測試集比為3.5：1。數據集照片分辨率為800×800，能夠滿足實驗要求。

2.2 實驗評估標準

本文選用的評估標準目標檢測領域常參考的標準：準確率（Precision）、召回率（Recall）以及MAP 值。準確率在本文的含義為模型在數據集訓練時算法識別的中藥樣本數量與樣本集中中藥的數量之比；召回率在本文中的含義是模型訓練過程時算法能夠正確識別的中藥樣本數量與樣本集中中藥數量的比值；MAP 是指模型訓練的均值平均精度。準確率和召回率的計算公式如下：

上述公式中TP 代表模型算法根據圖片正確識別出的中藥目標，FN 代表算法未正確識別的圖片中的中藥目標，FP代表算法檢測錯誤的負樣本。通常若算法的召回率越高，其準確率就會越低。

2.3 實驗分析

本文為了保證實驗的公平性進行了多組對比實驗，在實驗過程中除變量外其余參數設置完全一致。實驗以Faster-RCNN 算法為骨干網絡，首先在基礎特征提取網絡與傳統算法的VGG16 和ResNet50 進行了對比，實驗結果如表1所示。

表1 特征提取網絡比較

由表1可以看出使用ResNet101 特征提取網絡代替VGG16 網絡時，在數據集每種目標的檢測精度上均有1.6%以上的提升，同時本文也選取ResNet50 進行對比實驗，由實驗結果可知，ResNet101 相比較ResNet50 也有小幅度的提升。同時本文控制變量，做了另一組對比實驗，驗證CBAM注意力機制對算法檢測效果的影響，實驗結果如表2所示。

表2 CBAM 注意力機制的影響

由表2可知加入CBAM 注意力機制后與未改進的Faster-RCNN 算法和使用ResNet101 特征提取網絡的Faster-RCNN 算法在中藥的檢測精度上都有所提升，進一步證明了算法的優越性。

3 結 論

本文針對Faster-RCNN 算法模型對小目標檢測精度不佳問題，選用ResNet101 殘差網絡替換原始算法中的VGG16網絡來對數據集中的中藥進行目標特征的提取，ResNet101網絡不僅增加了網絡層數，提取更為豐富的特征，提高了算法對小中藥目標的檢測精度，此外加入CBAM 注意力機制，在圖片中捕捉更多小中藥的目標特征，通過實驗證明改進后的算法相比較原始算法能夠有效提高檢測精度，證明了算法的魯棒性。