宋樂(lè)陶，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

隨著城市現(xiàn)代化發(fā)展，越來(lái)越多的非法擺攤現(xiàn)象涌現(xiàn)出來(lái)，對(duì)城市環(huán)境秩序、居民的日常生活造成嚴(yán)重干擾，因此有必要有一種智能非法攤位檢測(cè)算法，來(lái)對(duì)各類非法水果攤、小吃攤等進(jìn)行智能識(shí)別檢測(cè)，減少城市管理人員負(fù)擔(dān)。非法攤位各式各樣，是不同運(yùn)輸工具，不同貨物的組合，因此采用傳統(tǒng)機(jī)器學(xué)習(xí)目標(biāo)檢測(cè)的方法，很難刻畫(huà)非法攤位的特征，效果很不理想。

相比于一些形態(tài)單一、剛性的物體，攤位則復(fù)雜許多：不同的攤位是不同載體，不同物體的組合體，更為復(fù)雜。傳統(tǒng)的機(jī)器學(xué)習(xí)目標(biāo)檢測(cè)算法使用滑動(dòng)窗口策略，一般包含三個(gè)步驟：設(shè)定不同大小的窗口，將窗口作為候選區(qū)，并不斷在圖片上滑動(dòng)；利用手工設(shè)置的特征如行人識(shí)別的HOG（Histogram Orientation of Gradi?ent）特征[1]、人臉識(shí)別的 Haar特征[2]，對(duì)候選區(qū)進(jìn)行特征提取操作；利用特定的分類器如SVM（Support Vector Machine）[3]對(duì)特征進(jìn)行分類，判斷候選區(qū)是否包含目標(biāo)及目標(biāo)類別；最后將同一類別相交候選區(qū)合并，計(jì)算出每個(gè)類別的候選框，完成目標(biāo)檢測(cè)。

傳統(tǒng)目標(biāo)檢測(cè)方法使用的特征是人為設(shè)計(jì)的特征，這種特征是非常低維度的特征，表達(dá)能力差，分類效果差，而且往往具有單一性，對(duì)特定物體的效果或許尚可，如使用HOG特征進(jìn)行行人檢測(cè)，對(duì)于復(fù)雜多樣的物體檢測(cè)效果則極差。

傳統(tǒng)目標(biāo)檢測(cè)方法中，多尺度形變部件模型DPM（Deformable PartModel）最為出色[4]，連續(xù)獲得 VOC（Vi?sualObjectClass）2007到2009的檢測(cè)冠軍，DPM把一個(gè)物體看作不同部件所組成的，并通過(guò)部件之間的關(guān)系來(lái)描述一個(gè)物體，是HOG+SVM的升級(jí)，但是檢測(cè)速度極慢，一度成為目標(biāo)檢測(cè)的瓶頸。為了自動(dòng)提取高維度、高魯棒性的特征，Hinton提出深度學(xué)習(xí)來(lái)自動(dòng)提取高維度特征[5]，相比傳統(tǒng)手工設(shè)計(jì)的特征，這種特征有著更高的維度，更強(qiáng)的特征表達(dá)能力。隨著發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)通過(guò)多層卷積提取特征，在圖像分類方面取得卓越成果。之后基于深度學(xué)習(xí)的目標(biāo)檢測(cè)框架R-CNN（Region-based ConvolutionalNeuralNetworks）不管在速度還是精度上都超越了傳統(tǒng)方法[6]，R-CNN是基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)，首先在一張圖片上提取約2000個(gè)建議框（Region Proposal），然后將這些建議框放入到卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到特征，將得到的特征放入SVM分類器分類，最后將得到目標(biāo)檢測(cè)結(jié)果，達(dá)到 58%的 mAP（mean Average Precision），47 秒/張的速度。

這種基于建議框的目標(biāo)檢測(cè)方法引領(lǐng)了深度學(xué)習(xí)目標(biāo)檢測(cè)的潮流，為了解決需要對(duì)2000個(gè)建議框進(jìn)行2000次卷積神經(jīng)網(wǎng)絡(luò)特征提取耗時(shí)的問(wèn)題，進(jìn)而出現(xiàn)SPP-NET[7]和 Fast R-CNN[8]，相較于 R-CNN，F(xiàn)ast RCNN只對(duì)整張?zhí)卣鲌D進(jìn)行一次卷積操作，然后對(duì)得到的特征圖通過(guò)空間金字塔池化層映射為特征向量，最后通過(guò)全連接層進(jìn)行分類、預(yù)測(cè)邊框，以及邊框修正。但是這種方法同樣不能避免一開(kāi)始先提取2000個(gè)建議框耗時(shí)的問(wèn)題，F(xiàn)aster R-CNN[9]由FastR-CNN網(wǎng)絡(luò)和 RPN（Region Proposal Network）兩部分構(gòu)成，使用RPN網(wǎng)絡(luò)來(lái)提取高質(zhì)量建議框，從而大大縮短了時(shí)間；提取的建議框再交由FastR-CNN進(jìn)行目標(biāo)分類，對(duì)候選建議框的修正，實(shí)現(xiàn)端到端（end-to-end）的訓(xùn)練，使用VGG16網(wǎng)絡(luò)達(dá)到73%的mAP，5fps的檢測(cè)速度。

本文實(shí)驗(yàn)使用基于Caffe框架的Faster R-CNN算法，對(duì)非法攤位進(jìn)行智能檢測(cè)。

1 卷積神經(jīng)網(wǎng)絡(luò)

1.1 卷積神經(jīng)網(wǎng)絡(luò)概述

1962年，生物學(xué)家Hubel和Wiesel過(guò)對(duì)貓腦視覺(jué)皮層進(jìn)行研究，發(fā)現(xiàn)視覺(jué)皮層中一系列復(fù)雜的細(xì)胞，而不同的細(xì)胞對(duì)視覺(jué)輸入的不同局部敏感，所以被稱作感受野。并且這些視覺(jué)細(xì)胞有層次結(jié)構(gòu)，由低級(jí)到高級(jí)，逐步理解。CNN也由此受啟發(fā)，由不同的卷積核作為感受野，提取局部信息，由池化核來(lái)適應(yīng)位移和形變，CNN在圖像識(shí)別任務(wù)中取得良好分類效果。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是對(duì)普通 BP（Back Propaga?tion）神經(jīng)網(wǎng)絡(luò)的改進(jìn)，與BP神經(jīng)網(wǎng)絡(luò)相同的是：都使用前向傳播計(jì)算輸出值，再通過(guò)反向傳播調(diào)整模型中的權(quán)重和偏置；不同在于：卷積神經(jīng)網(wǎng)絡(luò)包含了由卷積層、池化層構(gòu)成的特征提取器，卷積層通過(guò)卷積核來(lái)提取特征圖，池化層則對(duì)提取到的特征圖進(jìn)行壓縮，降低模型參數(shù)，提高訓(xùn)練速度以及模型的泛化能力，在圖像識(shí)別方面有良好效果[10-13]。

卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)層次結(jié)構(gòu)，包含輸入層、卷積層、池化層、全連接層、輸出層，輸入圖像經(jīng)多個(gè)卷積、池化層進(jìn)行特征提取，逐漸提取出高維特征，最后提取到的高維特征經(jīng)全連接層、輸出層，輸出一個(gè)一維向量，向量中每個(gè)元素是一個(gè)得分值/概率值，也即是該圖像屬于各個(gè)類別的概率。

在工業(yè)界中常用的網(wǎng)絡(luò)有 LeNet-5、AlexNet、VGG16、ZFNET、ResNet等，本文所使用的網(wǎng)絡(luò)結(jié)構(gòu)基于小型網(wǎng)絡(luò)ZFNET[14]、大型網(wǎng)絡(luò)VGG16[15]。

1.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

卷積層是卷積神經(jīng)網(wǎng)絡(luò)最核心的部分，作用是通過(guò)卷積操作提取特征，卷積核通過(guò)對(duì)輸入圖片或上層特征圖進(jìn)行滑動(dòng)窗口操作，逐一進(jìn)行卷積。

如圖1所示，卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)層次結(jié)構(gòu)，包含輸入層、卷積層、池化層、全連接層和輸出層，卷積神經(jīng)網(wǎng)絡(luò)輸入是原始圖像，卷積層利用卷積操作提取特征，假設(shè)i代表第i層卷積層，Li-1是前一層的特征圖，Li是第i層卷積之后所得到的特征圖，該層過(guò)程為：

其中Wi為第i層的權(quán)重向量，?代表卷積操作，第i層的權(quán)重與i-1層的特征圖進(jìn)行卷積操作，然后與第i層的偏移向量相加，最后通過(guò)非線性激勵(lì)函數(shù) f(x)得到第i層的特征圖。通常第1層卷積層提取的是邊緣、線條等低級(jí)特征，越高層的卷積核逐步提取更高級(jí)的特征。

激勵(lì)函數(shù)的作用，是增加模型的非線性，目前CNN中常使用ReLU函數(shù)作為激勵(lì)函數(shù)，相較于sigmoid、tanh函數(shù)，能夠解決梯度爆炸、梯度消失等問(wèn)題，同時(shí)能夠加快收斂速度。ReLU函數(shù)如下：

圖1 卷積神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)

池化層在卷積層和激活函數(shù)之后，主要作用是對(duì)特征圖降維，以使得訓(xùn)練加快，同時(shí)保證特征的尺度不變形，一定程度上避免過(guò)擬合，池化過(guò)程為：

常見(jiàn)的池化操作有最大池化、均值池化等，經(jīng)多個(gè)卷積層、池化層交替，卷積神經(jīng)網(wǎng)絡(luò)逐步提取高維度特征。

經(jīng)過(guò)多層卷積、池化處理后，會(huì)接一層或多層全連接層，全連接層中神經(jīng)元與前一層所有神經(jīng)元相連，旨在整合類別的局部信息，全連接層會(huì)根據(jù)輸出層任務(wù)，有針對(duì)性的對(duì)高層特征進(jìn)行映射。最后一層全連接層的輸出值輸入到輸出層，輸出層面向具體任務(wù)，例如用CNN來(lái)進(jìn)行分類，那么輸出層可以采用如Softmax層來(lái)進(jìn)行分類，輸出一個(gè)n維向量y=(y1,y2...yn)T，其中n為類別數(shù)，每個(gè)值代表相應(yīng)類別的置信度。

2 Faster R-CNN攤位檢測(cè)架構(gòu)

2.1 網(wǎng)絡(luò)參數(shù)初始化

在訓(xùn)練網(wǎng)絡(luò)前，有一個(gè)重要的任務(wù)是如何對(duì)網(wǎng)絡(luò)中權(quán)重參數(shù)進(jìn)行初始化，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練其實(shí)質(zhì)就是不斷調(diào)節(jié)權(quán)重參數(shù)和偏移參數(shù)的過(guò)程，有了這些參數(shù)就知道了每一層所代表的特征，如果一層中所有參數(shù)都相同，那么他們表征的特征就是相同的，即使在這層中有很多節(jié)點(diǎn)，其實(shí)和只有一個(gè)節(jié)點(diǎn)沒(méi)有任何區(qū)別。如果每一層參數(shù)都是相同的，那么這個(gè)神經(jīng)網(wǎng)絡(luò)模型就退化為線性模型了。

最早有個(gè)貌似很合理的思想，是一開(kāi)始把所有權(quán)重參數(shù)初始化為0，但是權(quán)重參數(shù)的更新規(guī)則為：

其中i表示是第i層，α表示學(xué)習(xí)率。

將參數(shù)初始化為0，導(dǎo)致前向傳播時(shí)每一層的輸出是相同的，反向傳播時(shí)dW是相同的，進(jìn)而每一層都是一樣的，此時(shí)網(wǎng)絡(luò)是完全對(duì)稱的。

既然權(quán)重不能全部初始化為0，那么一種自然而然的思想就是把權(quán)重隨機(jī)初始化為一些小的數(shù)，來(lái)打破對(duì)稱性，這個(gè)思想是神經(jīng)元一開(kāi)始是獨(dú)一無(wú)二的、隨機(jī)的，它們會(huì)計(jì)算出不同的更新來(lái)調(diào)整整個(gè)網(wǎng)絡(luò)，例如高斯初始化，它的權(quán)重矩陣如同：

其中randn是從均值為0的單位標(biāo)準(zhǔn)高斯分布進(jìn)行取樣，通過(guò)這個(gè)函數(shù)，使得權(quán)重參數(shù)初始化為一個(gè)從多維高斯分布取樣的隨機(jī)向量。

還有一些其他的參數(shù)初始化方法如均勻分布初始化、Xavier初始化、MSRA初始化。

2.2 遷移學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)需要通過(guò)訓(xùn)練數(shù)據(jù)來(lái)訓(xùn)練，從中獲得相應(yīng)信息并轉(zhuǎn)化為權(quán)重。在實(shí)際應(yīng)用中，通常沒(méi)有太多的數(shù)據(jù)集用于訓(xùn)練，因此從頭進(jìn)行初始化訓(xùn)練網(wǎng)絡(luò)并不好。在人類的文明中，上一代會(huì)將知識(shí)傳授給下一代，下一代只需要在此基礎(chǔ)上進(jìn)行學(xué)習(xí)即可，而不需要從頭開(kāi)始，神經(jīng)網(wǎng)絡(luò)也借鑒這一思想，可以對(duì)已有的模型進(jìn)行微調(diào)（fine-turn），來(lái)完成我們的自己任務(wù)，可以從別的模型中提取權(quán)重，并遷移到自己的任務(wù)上。

ImageNet數(shù)據(jù)集是一個(gè)大型數(shù)據(jù)集，包含1400萬(wàn)張圖片，超過(guò)200萬(wàn)個(gè)類別，是目前深度學(xué)習(xí)領(lǐng)域應(yīng)用的非常多的公開(kāi)數(shù)據(jù)集。由于ImageNet數(shù)據(jù)集過(guò)大，所以有公開(kāi)的已經(jīng)在ImageNet數(shù)據(jù)集上訓(xùn)練得到的模型參數(shù)，本文以此作為預(yù)訓(xùn)練模型（pre-trainedmodel）用來(lái)對(duì)網(wǎng)絡(luò)進(jìn)行初始化。接下來(lái)fine-turn整個(gè)神經(jīng)網(wǎng)絡(luò)，替換掉輸入層（圖片數(shù)據(jù)），使用自己的實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行訓(xùn)練，可以對(duì)部分層進(jìn)行微調(diào)，也可以對(duì)全部層進(jìn)行微調(diào)，通常前面的層提取到的是圖像的通用特征（如邊緣特征、色彩特征），這些特征對(duì)許多任務(wù)都有用，因此只對(duì)后面的層進(jìn)行調(diào)整。

與重新訓(xùn)練整個(gè)網(wǎng)絡(luò)相比，使用遷移學(xué)習(xí)需要使用更小的學(xué)習(xí)率（本文實(shí)驗(yàn)使用的學(xué)習(xí)率learning rate為0.001,而訓(xùn)練ImageNet數(shù)據(jù)集使用的學(xué)習(xí)率為0.01），因?yàn)轭A(yù)訓(xùn)練模型的參數(shù)已經(jīng)很平滑，我們不希望太快去扭曲它們。

2.3 Faster R-CNN檢測(cè)流程

FastR-CNN解決了需要重復(fù)對(duì)建議區(qū)域進(jìn)行特征提取，耗費(fèi)大量時(shí)間的問(wèn)題，此時(shí)目標(biāo)檢測(cè)速度的瓶頸在于依然要預(yù)先通過(guò)Selective Search等方法提取建議區(qū)域。Faster R-CNN提出區(qū)域生成網(wǎng)絡(luò)RPN（Re?gion ProposalNetwork），把建議區(qū)域的生成糅合到卷積神經(jīng)網(wǎng)絡(luò)中，進(jìn)一步提高了速度。

Faster R-CNN框架由兩個(gè)模塊組成：

（1）RPN模塊用于生成建議區(qū)域

（2）FastR-CNN模塊用于對(duì)RPN提取的建議區(qū)域識(shí)別目標(biāo)

圖2 Faster R-CNN檢測(cè)架構(gòu)

從R-CNN到Faster R-CNN，目標(biāo)檢測(cè)的四個(gè)步驟：候選區(qū)域生成、特征提取、分類、位置精修被融入到一個(gè)網(wǎng)絡(luò)中，實(shí)現(xiàn)了端到端（end-to-end）訓(xùn)練。

2.4 訓(xùn)練過(guò)程

通過(guò)反向傳播（BP，Back Propagation）和隨機(jī)梯度下降（SGD，Stochastic Gradient Descent）進(jìn)行端到端的訓(xùn)練。

（1）RPN網(wǎng)絡(luò)預(yù)訓(xùn)練：

以ImageNet訓(xùn)練好的網(wǎng)絡(luò)ZF/VGG-16來(lái)進(jìn)行參數(shù)初始化，以標(biāo)準(zhǔn)差0.01均值0的高斯分布對(duì)新層進(jìn)行隨機(jī)初始化。

（2）FastR-CNN網(wǎng)絡(luò)預(yù)訓(xùn)練：

以ImageNet訓(xùn)練好的網(wǎng)絡(luò)ZF/VGG-16來(lái)進(jìn)行參數(shù)初始化。

（3）RPN網(wǎng)絡(luò)微調(diào)訓(xùn)練：

以與Ground Truth相交IoU最大的anchor以及IoU＞=0.7的anchor作為正樣本；以IoU＜0.3的作為負(fù)樣本，同F(xiàn)astR-CNN網(wǎng)絡(luò)，采取“image-centric”方式采樣，即層次采樣，先對(duì)圖像取樣，再對(duì)anchors取樣，同一圖像的anchors共享計(jì)算和內(nèi)存。每個(gè)mini-batch包含從一張圖中隨機(jī)提取的256個(gè)anchors，正負(fù)樣本比例為1:1，來(lái)計(jì)算一個(gè)mini-batch的損失函數(shù)，如果一張圖中不夠128個(gè)正樣本，拿負(fù)樣本補(bǔ)湊齊。訓(xùn)練超參數(shù)選擇：在數(shù)據(jù)集上前60k次迭代學(xué)習(xí)率為0.001，后20k次迭代學(xué)習(xí)率為0.0001；動(dòng)量設(shè)置為0.9，權(quán)重衰減設(shè)置為0.0005。

一張圖片多任務(wù)損失函數(shù)（分類損失+回歸損失）如下：

其中，i表示一個(gè)mini-batch中某個(gè)anchor的下標(biāo)，pi表示anchor i預(yù)測(cè)為物體的概率；當(dāng)anchor為正樣本時(shí)，，當(dāng)anchor為負(fù)樣本時(shí)，由此可以看出回歸損失項(xiàng)僅在anchor為正樣本情況下才被激活；ti表示正樣本anchor到預(yù)測(cè)區(qū)域的4個(gè)平移縮放參數(shù)（以anchor為基準(zhǔn)的變換）；t*i表示正樣本anchor到Ground Truth的4個(gè)平移縮放參數(shù)（以anchor為基準(zhǔn)的變換）；

回歸損失函數(shù)Lcls表達(dá)式：

R函數(shù)定義：

RPN和FastR-CNN都是獨(dú)立訓(xùn)練的，要用不同方式修改它們的卷積層。因此需要開(kāi)發(fā)一種允許兩個(gè)網(wǎng)絡(luò)間共享卷積層的技術(shù)，而不是分別學(xué)習(xí)兩個(gè)網(wǎng)絡(luò)。RPN在提取得到proposals后，使用Fast R-CNN實(shí)現(xiàn)最終目標(biāo)的檢測(cè)和識(shí)別。RPN和FastR-CNN共用了13個(gè)VGG的卷積層，將這兩個(gè)網(wǎng)絡(luò)完全孤立訓(xùn)練不是明智的選擇，所以采用交替訓(xùn)練（Alternating Training）階段卷積層特征共享：

（1）用ImageNet預(yù)訓(xùn)練的模型初始化，得到初試參數(shù)W0，并端到端微調(diào)用于區(qū)域建議任務(wù)；

（2）從W0開(kāi)始訓(xùn)練RPN，得到訓(xùn)練集上的候選區(qū)域；

（3）從W0開(kāi)始，用候選區(qū)域訓(xùn)練Fast R-CNN，得到參數(shù)W1；

（4）從W1開(kāi)始訓(xùn)練RPN。

3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)環(huán)境為：CPU：Intel i7 6700K，顯卡：GeForce GTX 1070，顯存 8GB。

實(shí)驗(yàn)所使用訓(xùn)練數(shù)據(jù)集，大多來(lái)自于真實(shí)攝像頭下截取的圖片，以及一些網(wǎng)絡(luò)上找的圖片以提高泛化能力，圖片的長(zhǎng)寬比（width/height）在 0.463-6.828之間，在最初的數(shù)據(jù)集基礎(chǔ)上，訓(xùn)練出模型進(jìn)行測(cè)試，并將漏檢、誤檢的圖片重新加入到訓(xùn)練集中進(jìn)行再次訓(xùn)練，不斷得到魯棒性更高、泛化性更強(qiáng)的模型，如表所示：

表2 訓(xùn)練集數(shù)量對(duì)訓(xùn)練結(jié)果的影響

目標(biāo)檢測(cè)中衡量識(shí)別精度的指標(biāo)是mAP，在多類別目標(biāo)檢測(cè)中，每個(gè)類別都根據(jù)recall和precision繪制一條曲線，AP就是該曲線下的面積。

由表2可知，不斷增加樣本，平均準(zhǔn)確度也不斷上升，尤其是初期樣本比較少時(shí)，將難例增加到訓(xùn)練集中對(duì)整體效果提升非常明顯，提升了46.7個(gè)百分點(diǎn)；當(dāng)然由于訓(xùn)練的數(shù)量加大，訓(xùn)練時(shí)間也隨之增加。最終訓(xùn)練集有1096張圖片，已經(jīng)能達(dá)到0.792的mAP。

雖然ZF網(wǎng)絡(luò)已經(jīng)能達(dá)到不錯(cuò)的效果，但是ZF網(wǎng)絡(luò)只有5層的卷積來(lái)提取特征，因而對(duì)復(fù)雜場(chǎng)景如陰影、光照、部分遮擋等效果并不好，很容易出現(xiàn)漏檢，如圖3。

圖3 ZF網(wǎng)絡(luò)下部分漏檢圖

針對(duì)ZF網(wǎng)絡(luò)深度較淺，提取出的特征維度不高，因而容易出現(xiàn)漏檢的問(wèn)題，在網(wǎng)絡(luò)結(jié)構(gòu)上加以改進(jìn)，使用深度更高的VGG16網(wǎng)絡(luò)，VGG16網(wǎng)絡(luò)共16層，有13層卷積、池化層來(lái)提取更高維度的特征，3個(gè)全連接層，如3表：

表3 ZF、VGG-16訓(xùn)練結(jié)果對(duì)比

使用更深的網(wǎng)絡(luò)，會(huì)提取出更好的特征，提高模型的魯棒性；同時(shí)更深的網(wǎng)絡(luò)擁有更多的參數(shù)，會(huì)計(jì)算更多的卷積操作，所以訓(xùn)練時(shí)間也會(huì)明顯提升。

圖4 損失函數(shù)變化圖

從圖4可以看到在訓(xùn)練RPN和FastR-CNN階段的損失函數(shù)變化，RPN階段損失函數(shù)在30000次迭代前變化起伏比較大，30000次之后逐漸收斂，40000次迭代已經(jīng)區(qū)域穩(wěn)定；FastR-CNN階段一開(kāi)始損失函數(shù)比較大，接下來(lái)逐漸收斂，到20000次迭代時(shí)趨于穩(wěn)定。由于使用了遷移學(xué)習(xí)策略，最終訓(xùn)練獲得了比較好的收斂效果。

在得到兩種網(wǎng)絡(luò)訓(xùn)練出的模型后，使用282張不同類別（如手推車(chē)攤位、三輪車(chē)攤位、小貨車(chē)攤位）的測(cè)試圖片對(duì)兩種模型分別進(jìn)行測(cè)試，使用的測(cè)試集區(qū)別于訓(xùn)練集中圖片，并且都來(lái)自真實(shí)場(chǎng)景。

表4 ZF、VGG-16模型測(cè)試結(jié)果

可見(jiàn)，VGG16訓(xùn)練出的模型，相比于ZF模型，在漏檢問(wèn)題上有明顯提升，以下是兩種模型的實(shí)際檢測(cè)效果：

圖5 ZF（左）與VGG（右）效果對(duì)比

從實(shí)驗(yàn)結(jié)果不難發(fā)現(xiàn)，ZF模型由于提取特征層次較淺，在復(fù)雜環(huán)境（如光照、陰影、部分遮擋）下，很難有效對(duì)目標(biāo)進(jìn)行檢測(cè)；VGG16訓(xùn)練的模型有強(qiáng)大的魯棒性，即便在復(fù)雜環(huán)境下同樣具有強(qiáng)大的目標(biāo)捕捉能力。

4 結(jié)語(yǔ)

本文所使用的Faster R-CNN+VGG16網(wǎng)絡(luò)結(jié)構(gòu)，在遷移學(xué)習(xí)和交替優(yōu)化策略下對(duì)非法攤位進(jìn)行檢測(cè)，實(shí)驗(yàn)表明能達(dá)到80%的平均準(zhǔn)確度，5fps，可應(yīng)用到實(shí)際場(chǎng)景中，對(duì)不同類別非法攤位進(jìn)行智能檢測(cè)。但是對(duì)于小物體（目標(biāo)在整張圖片中占比過(guò)?。┮约皬?qiáng)光下檢測(cè)效果不理想；并且對(duì)一些車(chē)輛、人群有時(shí)會(huì)出現(xiàn)誤檢；同時(shí)能否進(jìn)一步提升fps以適應(yīng)實(shí)時(shí)要求，也是接下來(lái)要研究的工作。