宋青松 王興莉 張超 陳禹 宋煥生 KHATTAK Asad Jan

摘 ? 要：SSD通常被認(rèn)為適合于求解小目標(biāo)圖像檢測問題，但在特征表征和檢測效率兩方面還存在改進(jìn)空間.提出一種聚類殘差SSD模型，一方面將原始SSD模型中的VGG16基礎(chǔ)網(wǎng)絡(luò)替換為更深的ResNet50殘差網(wǎng)絡(luò)，以改善特征表征能力.另一方面采用K-均值聚類算法取代盲目搜索機(jī)制，確定SSD中默認(rèn)窗口的大小，以改善檢測效率.針對德國交通標(biāo)志檢測數(shù)據(jù)集，模型獲得了97.1% mAP和每幅圖像0.07 s的檢測速度.針對中國交通標(biāo)志數(shù)據(jù)集，模型獲得89.7% mAP和每幅圖像0.08 s的檢測速度.與原始SSD模型比較，本文所提模型的檢測性能得到改善.

關(guān)鍵詞：交通標(biāo)志檢測;深度學(xué)習(xí);單拍多盒探測器（SSD）;K-均值;聚類

中圖分類號：TP391.4 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A

A Residual SSD Model Based on Window

Size Clustering for Traffic Sign Detection

SONG Qingsong，WANG Xingli，ZHANG Chao？覮，

CHEN Yu，SONG Huansheng，KHATTAK Asad Jan

（School of Information Engineering，Changan University，Xian ?710064，China）

Abstract：Single Shot MultiBox Detector （SSD） is generally considered to be suitable for solving small target detection in images. However，its performance on feature extraction and detection efficiency is still required to be improved. A clustering residual SSD model is proposed in this paper. On one hand，in order to improve the feature extraction quality，the basic network VGG16 which consists of the original SSD model is replaced with a deeper residual network ResNet50. On the other hand， in order to improve the detection efficiency， K-means algorithm other than the blind search mechanism used in the original SSD model is exploited to find and determine the assignments of the sizes of default windows. For German traffic sign detection dataset， it obtains 97.1% mAP in detection accuracy and 0.07 s per image in detection efficiency. For Chinese traffic sign dataset， it obtains 89.7% mAP in detection accuracy and 0.08 s per image in detection efficiency. Compared with the original SSD model， the proposed model obtains the improved detection performance.

Key words：traffic sign detection;deep learning;Single Shot MultiBox Detector （SSD）;K-mean;clustering

交通標(biāo)志的檢測與分類是智能駕駛領(lǐng)域重要研究課題之一.傳統(tǒng)的方法多為基于候選區(qū)域和分類器的兩段式分類檢測方法.首先，使用滑動窗口選定圖像的某一區(qū)域作為候選區(qū)域;針對選定的候選區(qū)域提取諸如HOG（Histogram of Orientated Gradient，HOG）、Haar、SIFT（Scale-invariant feature transform，SIFT）、LBP（Local Binary Pattern，LBP）等[1-4] 特征. 然后，使用隨機(jī)森林（Random Forest，RF）、支持向量機(jī)（Support Vector Machine，SVM）、Adaboost等[5-9]分類算法對提取的特征進(jìn)行分類，得出該候選區(qū)域的檢測結(jié)果. 文獻(xiàn)[9]以圖像中交通標(biāo)志的顏色、形狀、空間位置等作為特征，使用Adaboost算法訓(xùn)練決策樹模型，以此生成候選區(qū)域;之后使用SVM給出候選區(qū)域的類別，這是一種典型的兩段式分類檢測方法.該類方法在候選區(qū)域的選取上往往存在盲目性，同一圖像會生成數(shù)以千計(jì)的候選區(qū)域，難以滿足實(shí)時性要求;同時人工提取的特征通常難以很好地表征圖像，影響檢測準(zhǔn)確率.

文獻(xiàn)[10]提出區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region CNN，R-CNN），使用特征表征能力強(qiáng)的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）[11]提取候選區(qū)域的特征，檢測準(zhǔn)確率得到了很大的提升. 文獻(xiàn)[12]首先使用全卷積網(wǎng)絡(luò)（Fully Convolutional Network，F(xiàn)CN）[13]分割出交通標(biāo)志候選區(qū)域，然后使用CNN對候選區(qū)域進(jìn)行分類.該類方法本質(zhì)上仍然是兩段式的分類檢測方法，在檢測實(shí)時性方面改善有限.

YOLO算法[14]將圖像網(wǎng)格化，生成一組默認(rèn)窗口，進(jìn)而在該組默認(rèn)窗口中心區(qū)域檢測目標(biāo)，由于不依賴候選區(qū)域，YOLO算法在檢測實(shí)時性方面取得了巨大的突破;但分類層使用的特征尺度單一，在檢測準(zhǔn)確率方面沒有獲得顯著提升.圖像金字

塔[9，15]和多尺度特征往往有利于模型性能的提升.文獻(xiàn)[15]使用圖像金字塔進(jìn)行交通標(biāo)志檢測并取得一定效果. SPP-Net[16]、FPN[17]等算法將多尺度特征加入到分類決策層，有效提升了檢測準(zhǔn)確率.文獻(xiàn)[18]提出的SSD在一定程度上綜合了YOLO算法的默認(rèn)窗口生成機(jī)制和FPN使用的多尺度特征融合思想，在檢測速度和準(zhǔn)確率方面都取得了良好的提升，但對于交通標(biāo)志小目標(biāo)的檢測問題，在特征表征和檢測效率兩方面還存在改進(jìn)空間.

針對交通標(biāo)志小目標(biāo)檢測問題，本文提出一種聚類殘差SSD模型，一方面將原始SSD模型中的基礎(chǔ)網(wǎng)絡(luò)替換為ResNet50[19]，提升特征表征能力;另一方面，引入K-均值聚類算法取代默認(rèn)窗口的隨機(jī)生成機(jī)制，改善檢測效率.實(shí)驗(yàn)結(jié)果表明，所提模型能改善交通標(biāo)志小目標(biāo)的檢測性能.

1 ? 模型結(jié)構(gòu)

本文所提算法整體流程如圖1所示.首先對數(shù)據(jù)進(jìn)行預(yù)處理，擴(kuò)充訓(xùn)練樣本;然后對模型依次進(jìn)行預(yù)訓(xùn)練和微調(diào)，微調(diào)過程中引入K-均值聚類算法實(shí)現(xiàn)窗口大小的啟發(fā)式生成，克服原始SSD模型窗口生成機(jī)制具有內(nèi)在盲目性這一缺陷;最后對模型檢測性能進(jìn)行評價.

■

圖1 ? 算法整體流程圖

Fig.1 ? Flow chart of algorithm

1.1 ? 原始SSD模型

原始SSD是以VGG16[20]為基礎(chǔ)網(wǎng)絡(luò)，額外再依次堆疊5個卷積模塊構(gòu)成的一種深度CNN模型，共有25個卷積層和5個最大池化層. 輸入為512×512像素圖像，其中5個最大池化層將基礎(chǔ)網(wǎng)絡(luò)VGG16分隔為6個部分，前5個部分每部分包含卷積層的個數(shù)分別為2、2、3、3和3，即卷積層1～13，包含的卷積通道數(shù)分別為64、128、256、512和512. 前13個卷積層卷積核大小均為3×3，卷積跨度均為1. 最大池化層的池化窗口為2×2，跨度為2. 第6個部分有兩層卷積（卷積層14、15），卷積層14的卷積核大小為3×3，卷積通道為1 024. 卷積層15的卷積核大小為1×1，卷積通道為1 024.

5個額外堆疊的卷積模塊中每個模塊都有2層卷積（卷積層16～25），第1個模塊第1層卷積（卷積層16）的卷積核大小為1×1，第2層卷積（卷積層17）的卷積核大小為3×3. 卷積層16和17的跨度分別為1和2，通道數(shù)分別為256和512. 第2、3、4個模塊的第1層卷積（卷積層18、20和22）的卷積核大小均為1×1，跨度均為1，通道數(shù)均為128;第2層卷積（卷積層19、21和23）的卷積核大小均為3×3，跨度均為2，通道數(shù)均為256. 第5個模塊第1層卷積（卷積層24）的卷積核大小為1×1，第2層卷積（卷積層25）的卷積核大小為4×4. 卷積層24和25的跨度均為1，但通道數(shù)分別為128和256.原始SSD模型綜合10、15、17、19、21、23、25這7層卷積層，將7層不同尺度的特征層用于目標(biāo)的分類檢測與位置回歸[18].

1.2 ? ResNet50殘差網(wǎng)絡(luò)

通常通過增加網(wǎng)絡(luò)層數(shù)可以改善特征表征質(zhì)量，但是由于受梯度消失或爆炸等梯度不穩(wěn)定問題制約，以VGG16為基礎(chǔ)的SSD模型難以通過進(jìn)一步擴(kuò)充網(wǎng)絡(luò)深度以改善特征表征質(zhì)量.深度殘差網(wǎng)絡(luò)（ResNet）引入殘差連接在一定程度上規(guī)避了梯度問題，這為改善SSD檢測性能提供了可能.

常規(guī)深度神經(jīng)網(wǎng)絡(luò)的特征以連乘方式在層間傳播，HL（xi）為特征分布函數(shù)，見式（1），xi為輸入數(shù)據(jù)（i = 1）或第i層網(wǎng)絡(luò)特征（i > 1），L表示網(wǎng)絡(luò)總層數(shù)，wi為網(wǎng)絡(luò)第i層權(quán)重參數(shù). 網(wǎng)絡(luò)權(quán)重wi與輸入數(shù)據(jù)xi經(jīng)過卷積和激活函數(shù)σ，最后以連乘方式輸出特征，可能導(dǎo)致梯度不穩(wěn)定發(fā)生[21].

HL（xi） = ■wl xl

xl = σ（wl - 1 xl - 1） ? ? ? ?（1）

ResNet定義一個殘差函數(shù)F（xi） = HL（xi） - xi，將特征層間乘性傳播改善為特征殘差的層間加性傳播，如公式（2）所示，從而避免了梯度不穩(wěn)定問題發(fā)生. ResNet的卷積層數(shù)可以達(dá)到數(shù)十甚至上百層，ResNet50是一個典型模型，其深度可以達(dá)到50層[19]. 本文將ResNet50取代原始SSD模型中的VGG16，以改善特征表征質(zhì)量.

HL（xi） = xi + ■F（xi，wi） ? ? （2）

1.3 ? K-均值聚類確定默認(rèn)窗口大小

原始SSD模型采用基于默認(rèn)窗口的目標(biāo)預(yù)測檢測. 默認(rèn)窗口有兩個自由參數(shù)：大小和長寬比.原始SSD模型中默認(rèn)窗口的大小以隨機(jī)方式指定，具體地，事先指定使用7個不同尺度的特征層作為預(yù)測層，通過

sk = smin + ■（k - 1），k∈[1，m]

確定每個預(yù)測層中默認(rèn)窗的基準(zhǔn)大小[18]. 其中m表示預(yù)測層的數(shù)量，m = 7;smin、smax分別表示第1和第7個預(yù)測層默認(rèn)窗的基準(zhǔn)大小;sk表示其他預(yù)測層默認(rèn)窗的基準(zhǔn)大小. 實(shí)踐中smin和smax的值往往需要多次嘗試，本質(zhì)上是盲目搜索的，不具備任何啟發(fā)性，導(dǎo)致檢測效率受限.

本文采用K-均值聚類算法取代原始SSD的盲目搜索方法生成默認(rèn)窗的基準(zhǔn)大小sk. 采用K-均值算法對訓(xùn)練集中交通標(biāo)志的大小聚類，鑒于選用7個不同尺度的特征層作為預(yù)測層，聚類中心個數(shù)指定取值7，即聚成7個簇. 聚類中心點(diǎn)對應(yīng)的窗口大小即為默認(rèn)窗口的基準(zhǔn)大小sk. 從而，訓(xùn)練集中檢測目標(biāo)的大小作為一種先驗(yàn)知識被聚類發(fā)現(xiàn)，指導(dǎo)默認(rèn)窗口基準(zhǔn)大小的選取.

1.4 ? 聚類殘差SSD模型

如圖2所示，所提聚類殘差SSD模型是以ResNet50作為基礎(chǔ)網(wǎng)絡(luò)，再額外疊加5個卷積模塊構(gòu)成的一個深度殘差網(wǎng)絡(luò).模型的參數(shù)設(shè)置如表1所示，網(wǎng)絡(luò)共由65層，包含59個卷積層，5個最大池化層. 輸入為512×512像素圖像，每經(jīng)過池化層后輸出的特征層大小都會減小為上層輸入大小的1/2，最后一層卷積層的大小為1×1.

表1 ? 聚類殘差SSD模型的參數(shù)設(shè)置

Tab.1 ? Parameter settings of

the cluster residual SSD model

■

已有研究表明，低層特征圖含有更豐富的細(xì)節(jié)信息，對小目標(biāo)的檢測十分有用，而高層特征圖具有較強(qiáng)的語義信息，適用于大目標(biāo)的檢測，結(jié)合高低多層特征圖有利于不同尺度目標(biāo)的檢測. 首先，將模型中的Stage3_5、Stage4_3、Conv1_2、Conv2_2、Conv3_2、Conv4_2和Conv5_2，7種不同尺度的特征層用于預(yù)測目標(biāo)，實(shí)現(xiàn)多尺度檢測與識別. 接著，針對7種不同尺度的預(yù)測層，使用卷積核進(jìn)行目標(biāo)預(yù)測，同時輸出目標(biāo)分類置信度和目標(biāo)框與預(yù)測框的相對位置偏移量.記一個特征圖的分辨率是m × n，每個像素單元指定sk為基準(zhǔn)大小的b個不同寬高比的默認(rèn)框，每個默認(rèn)框需要預(yù)測c個類別和4個相對偏移量Δ（cx，cy，w，h），那么當(dāng)前特征圖有（c + 4）× b × m × n個自由參數(shù).不同寬高比默認(rèn)框的使用可以有效地離散輸出框的形狀，提高匹配精度和速度. 之后，當(dāng)預(yù)測到該層有目標(biāo)時，使用默認(rèn)框與目標(biāo)框進(jìn)行匹配，匹配結(jié)果即為預(yù)測框. 本文使用Jaccard Overlap策略來匹配目標(biāo)框和默認(rèn)框[18]，文中Jaccard Overlap的閾值設(shè)置為0.5. 最后使用非極大值抑制去除冗余的預(yù)測框，本文非極大值抑制的閾值設(shè)為0.6.

模型中總損失函數(shù)為定位損失和分類損失的加權(quán)和，其定義如式（3）所示，其中Lconf和Lloc分別表示分類損失和定位損失，N是匹配的默認(rèn)框個數(shù)，如果N = 0，則總的損失為0，f是每個預(yù)測框與目標(biāo)框的匹配標(biāo)志（f = 1表示匹配，f = 0表示不匹配），例如f ?pij=1表示類別為p的第i個默認(rèn)框與第j個目標(biāo)框相匹配. 分類損失如式（4）所示，其中c表示類的置信度. 定位損失如式（5）所示，其中l(wèi)表示預(yù)測框，g表示目標(biāo)框，d為默認(rèn)框，（cx，cy）是相對中心點(diǎn)的偏移量[18].

L（f，c，l，g） = ■（Lconf （f，c） + αLloc （f，l，g）） ? ?（3）

Lconf （f，c） = -■f ?pij log（■pi） - ■log（■0i）

■pi = ■ ? ? ?（4）

Lloc（f，l，g） = ■■ f ?pijsmoothL1（l mi - ■ mj）

■ cxj= （g cxj - d cxi ?）/d wi，■ cyj= （g cyj - d cyi ?）/d hi

■ wj= log■，■ hj= log■ ? ?（5）

2 ? 實(shí)驗(yàn)數(shù)據(jù)和性能評價指標(biāo)

2.1 ? 數(shù)據(jù)集

2.1.1 ? 德國交通標(biāo)志檢測數(shù)據(jù)集 （GTSDB）

GTSDB[22]數(shù)據(jù)庫中的交通標(biāo)志圖像全部從自然場景中采集得到，如圖3所示，有不同道路（高速公路、城市道路、鄉(xiāng)村道路），不同光線（光線強(qiáng)和光線弱），不同天氣（雨天、霧天、雪天）下的圖像，合計(jì)900幅圖像，每幅圖像大小為1 360×800像素. 每一幅圖像有1～4個交通標(biāo)志或者沒有交通標(biāo)志.交通標(biāo)志大小在16×16～128×128像素之間.將所有交通標(biāo)志按照如圖4方式分為3類： 禁止標(biāo)志（ Prohibitory）、指示標(biāo)志（Mandatory）、危險(xiǎn)標(biāo)志（Danger）.900幅圖像被分為訓(xùn)練集和測試集兩部分，其中訓(xùn)練集為600幅圖像，測試集為300幅圖像.

■

圖3 ? GTSDB交通場景圖像

Fig.3 ? Traffic scene image of GTSDB

■

（a）禁止標(biāo)志（Prohibitory）

■

（b）指示標(biāo)志（Mandatory）

■

（c）危險(xiǎn)標(biāo)志（Danger）

圖4 ? GTSDB交通標(biāo)志類別圖

Fig.4 ? Traffic sign class image of GTSDB

2.1.2 ? 中國交通標(biāo)志數(shù)據(jù)集 （CTSD）

CTSD[23]數(shù)據(jù)庫中的圖像是通過采集北京和廈門不同天氣（晴天、雨天、大風(fēng)）、不同道路（高速公路、城市道路、鄉(xiāng)村道路）下的自然場景圖像，部分如圖5所示.圖像為1 024×768和1 270×800像素兩類. 一共有1 100幅圖像，訓(xùn)練集700幅，測試集400幅.訓(xùn)練集中交通標(biāo)志的大小在20×20～380×378像素之間，測試集中交通標(biāo)志的大小在26×26～573×557像素之間.將所有交通標(biāo)志按照如圖6所示方式分為3類： 禁止標(biāo)志（ Prohibitory）、指示標(biāo)志（Mandatory）、危險(xiǎn)標(biāo)志（Danger）.

■

圖5 ? CTSD交通場景圖像

Fig.5 ? Traffic scene image of CTSD

■

（a）禁止標(biāo)志（Prohibitory）

■

（b）指示標(biāo)志（Mandatory）

■

（c）危險(xiǎn)標(biāo)志（Danger）

圖6 ? CTSD交通標(biāo)志類別圖

Fig.6 ? Traffic sign class image of CTSD

2.2 ? 訓(xùn)練樣本擴(kuò)充

為了改善模型魯棒性，擴(kuò)充訓(xùn)練數(shù)據(jù)集. 擴(kuò)充后的訓(xùn)練集包括①原始圖像;②對原始圖像再采樣得到的圖像塊，與原圖像目標(biāo)的Jaccard Overlap[18]分別為0.1、0.3、0.5、0.7、0.9;③將原始圖像隨機(jī)采樣一部分. 采樣后圖像的大小為原始圖像的0.1～1倍，寬高比在1/2～2之間，當(dāng)目標(biāo)框的中心在采樣后的圖像中時，裁去目標(biāo)框落在圖像外面的部分，保留重疊部分. 經(jīng)過上述采樣之后，將每個采樣的小塊調(diào)整到512×512像素，并以0.5的概率對其水平翻轉(zhuǎn).

2.3 ? 性能評價

采用精確率（Precision）和召回率（Recall）的曲線PR所包圍的面積AP來評價模型測試準(zhǔn)確率. AP取值越大，表明檢測準(zhǔn)確率越高. mAP是所有類別AP的平均值.其中Precision與假陽性樣本個數(shù)（FP）和正陽性樣本個數(shù)（TP）的關(guān)系，Recall與假陰性樣本個數(shù)（FN）和正陽性樣本個數(shù)（TP）的關(guān)系如式（6）所示：

Precision = ■

Recall = ■ ? ? （6）

3 ? 實(shí)驗(yàn)結(jié)果及分析

針對原始SSD模型和所提SSD模型，開展對比實(shí)驗(yàn).

3.1 ? 預(yù)訓(xùn)練與微調(diào)

本文所提聚類殘差SSD模型僅在預(yù)先訓(xùn)練好的ResNet50網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行微調(diào).預(yù)訓(xùn)練使用VOC 2007數(shù)據(jù)集[24]. 微調(diào)過程中，通過損失函數(shù)最小化達(dá)到模型最優(yōu).優(yōu)化器選用Adam;訓(xùn)練輪次為500;學(xué)習(xí)率采用動態(tài)的方式，當(dāng)輪次小于300時，學(xué)習(xí)率為10-4;當(dāng)輪次大于300時，學(xué)習(xí)率為10-5.

3.2 ? 實(shí)驗(yàn)過程及結(jié)果

本文所用實(shí)驗(yàn)環(huán)境，硬件配置為I7 7700K處理器、16 G內(nèi)存和Titan XP顯卡，軟件配置為Ubuntu16.04、Python3.5和Keras.

3.2.1 ? 原始SSD模型的訓(xùn)練

使用2.1中所介紹的GTSDB數(shù)據(jù)集，對原始SSD模型進(jìn)行訓(xùn)練，根據(jù)文獻(xiàn)[18]中默認(rèn)框的生成方式將sk設(shè)置為[0.05，0.13，0.21，0.29，0.37，0.45， 0.53]，訓(xùn)練和驗(yàn)證過程中損失函數(shù)如圖7所示，訓(xùn)練集和驗(yàn)證集的損失不斷減小，當(dāng)輪次到300次時訓(xùn)練基本達(dá)到收斂. 將測試集在該模型上進(jìn)行實(shí)驗(yàn)，測試結(jié)果如表2第4行所示，檢測的mAP可以達(dá)到94.5%，每幅圖像的檢測速度是0.05 s. 將原始SSD模型的基礎(chǔ)網(wǎng)絡(luò)替換為ResNet50，檢測結(jié)果如表2第5行所示，檢測的mAP可以達(dá)到96%，每幅圖像的檢測速度是0.07 s.以ResNet50為基礎(chǔ)網(wǎng)絡(luò)的SSD模型比原始SSD模型的mAP高1.5%，每幅圖像的檢測速度慢0.02 s，檢測效率略降，準(zhǔn)確率得到改善.

3.2.2 ? 聚類殘差SSD模型訓(xùn)練

使用GTSDB對所提模型進(jìn)行訓(xùn)練.首先根據(jù)K-均值聚類算法將GTSDB訓(xùn)練集中交通標(biāo)志的長和寬聚成7個簇，如圖8所示，聚類中心點(diǎn)對應(yīng)默認(rèn)窗口的基準(zhǔn)大小.得到默認(rèn)窗口的基準(zhǔn)大小分別是[8.65，14.69]，[12.12，20.38]，[15.69，26.48]，[19.95，33.44]，[25.25，41.88]，[31.81，52.80]和[42.57，70.56]. 訓(xùn)練和驗(yàn)證過程中損失函數(shù)如圖7所示，當(dāng)輪次到300次時認(rèn)為模型已收斂. 從圖中可以發(fā)現(xiàn)，所提模型最后收斂損失小于原始SSD模型的收斂損失. 檢測結(jié)果如表2第6行所示，mAP達(dá)到97.1%，每幅圖像的檢測速度0.07 s.所提模型比以ResNet50為基礎(chǔ)網(wǎng)絡(luò)的SSD模型mAP高出1.1%，比原始SSD模型高出2.6%.同時開展本文算法和Faster R-CNN[25]和FPN檢測比對實(shí)驗(yàn)，結(jié)果見表2第2行和第3行，均表明所提模型檢測性能得到明顯改善.

■

輪次

圖7 ? 損失變化曲線

Fig.7 ? Loss variation curve

表2 ? 檢測結(jié)果

Tab.2 ? Test results

■

■

寬w

圖8 ? 聚類結(jié)果

Fig.8 ? Clustering results

圖9給出了不同天氣、不同交通場景下2幅典型圖像的交通標(biāo)志小目標(biāo)檢測結(jié)果. 圖9（a）中所有的目標(biāo)都被檢測出來，圖9（b）中第1幅圖像有一個漏檢的目標(biāo)，第2幅圖像有一個誤檢的目標(biāo). 所提模型對天氣變化和交通場景改變具有更好的魯

棒性.

■

（a）所提模型的檢測結(jié)果

■

（b）原始SSD模型的檢測結(jié)果

圖9 ? GTSDB圖像檢測結(jié)果

Fig.9 ? Detection results on GTSDB images

3.3 ? 實(shí)驗(yàn)分析

表2給出了同一數(shù)據(jù)集（GTSDB）下不同算法的實(shí)驗(yàn)結(jié)果. 可以看出，在檢測準(zhǔn)確率方面，本文算法達(dá)到最優(yōu)mAP為97.1%，比原始SSD模型有2.6%的提升，比FPN算法有4.1%提升;同時檢測效率并沒有受到明顯的影響，僅比原始的SSD模型減少0.02 s. 單類檢測準(zhǔn)確率方面，禁止標(biāo)志的AP可以達(dá)到99.5%，優(yōu)于其他所有算法;指示標(biāo)志和危險(xiǎn)標(biāo)志的AP分別為96.9%和94.8%，檢測準(zhǔn)確率優(yōu)于其他所有算法，但并沒有達(dá)到和禁止標(biāo)志相當(dāng)?shù)臋z測準(zhǔn)確率. 針對這一問題，對數(shù)據(jù)集中禁止標(biāo)志、指示標(biāo)志、危險(xiǎn)標(biāo)志進(jìn)行統(tǒng)計(jì)，并以直方圖的方式可視化，如圖10所示，可以看出指示標(biāo)志和危險(xiǎn)標(biāo)志的數(shù)量都較少，存在數(shù)據(jù)不均衡問題，影響了模型對該類標(biāo)志的檢測性能. 后續(xù)研究中，考慮適當(dāng)增加數(shù)據(jù)，或收集更豐富的數(shù)據(jù)集進(jìn)行研究，以提升不同場景圖像檢測的魯棒性.

3.4 ? 算法驗(yàn)證

在相同實(shí)驗(yàn)條件下，針對CTSD驗(yàn)證所提模型的有效性. 根據(jù)K-均值算法得到默認(rèn)窗口的基準(zhǔn)大小分別為[12.95，19.65]，[21.00，32.21]，[31.65， 48.29]，[44.19，68.46]，[62.05，97.23]，[87.02，129.97]和[152.35，233.55]. 其他訓(xùn)練和測試過程與GTSDB的相同. 檢測結(jié)果如表2第7行所示，本文所提模型獲得了89.7% mAP和每幅圖像0.08 s的檢測速度.

■

圖10 ? 3類標(biāo)志的數(shù)量分布

Fig.10 ? The number of distribution map of three class markers

圖11給出了CTSD中兩幅典型的自然場景交通圖像，左圖是晴朗天氣下城市道路場景，右圖是陰雨天氣下高速公路場景. 本文所提模型將圖中的交通標(biāo)志小目標(biāo)全部正確檢出.

■

圖11 ? CTSD圖像檢測結(jié)果

Fig.11 ? Detection results on CTSD images

4 ? 總 ? 結(jié)

針對自然場景中交通標(biāo)志小目標(biāo)檢測問題，以及原始SSD模型用于小目標(biāo)檢測時特征表征能力和檢測效率兩方面的不足，提出一種聚類殘差SSD模型. 一方面將原始SSD模型的基礎(chǔ)網(wǎng)絡(luò)VGG16替換為特征表征能力更強(qiáng)的ResNet50深度殘差網(wǎng)絡(luò);另一方面采用K-均值聚類算法發(fā)現(xiàn)小目標(biāo)默認(rèn)窗口的大小，實(shí)現(xiàn)默認(rèn)窗口大小的優(yōu)化選擇，改善了原始SSD模型中盲目搜索默認(rèn)窗口大小的缺陷.針對GTSDB基準(zhǔn)數(shù)據(jù)集的測試獲得了97.1% mAP和每幅圖像0.07 s的檢測速度，針對CTSD基準(zhǔn)數(shù)據(jù)集的測試獲得了89.7% mAP和每幅圖像0.08 s的檢測速度，表明所提模型求解交通標(biāo)志小目標(biāo)檢測問題的有效性.

參考文獻(xiàn)

[1] ? ?DALAL N，TRIGGS B. Histograms of oriented gradients for human detection[C]//IEEE Conference on Computer Vision & Pattern Recognition.Washington DC：IEEE Computer Society，2005：886—893.

[2] ? ?VIOLA P，JONES M. Rapid object detection using a boosted cascade of simple features[C]//Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington DC： IEEE Computer Society，2001：511—518.

[3] ? ?LOWE D G. Distinctive image features from scale-invariant key points[J]. International Journal of Computer Vision，2004，60（2）：91—110.

[4] ? ?OJALA T，HARWOOD I. A comparative study of texture measures with classification based on feature distributions[J]. Pattern Recognition，1996，29（1）：51—59.

[5] ? ?BOI F，GAGLIARDINI L. A support vector machines network for traffic sign recognition[C]//International Joint Conference on Neural Networks. Washington DC： IEEE Computer Society，2011：2210—2216.

[6] ? ?WANG G Y，REN G H，WU Z L，et al. A hierarchical method for traffic sign classification with support vector machines[C]//The 2013 International Joint Conference on Neural Networks （IJCNN）. Washington DC： IEEE Computer Society，2013：1—6.

[7] ? ?TANG S S，HUANG L L. Traffic sign recognition using complementary features[C]//2013 2nd IAPR Asian Conference on Pattern Recognition （ACPR）. Washington DC： IEEE Computer Society，2013：210—214.

[8] ? ?SUGIYAMA M. Local fisher discriminant analysis for supervised dimensionality reduction[C]//Proceedings of the 23rd International Conference on Machine Learning. New York ： ACM，2006： 905—912.

[9] ? ?CHEN T，LU S J. Accurate and efficient traffic sign detection using discriminative AdaBoost and support vector regression[J].IEEE Transactions on Vehicular Technology，2016，65（6）：4006—4015.

[10] ?GIRSHICK R，DONAHUE J，DARRELL T，et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C] // Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition. Ohio： IEEE，2014： 580—587.

[11] ?LECUN Y，BOTTOU L，BENGIO Y，et al. Gradient-based learning applied to document recognition[J].Proceedings of the IEEE，1998，86（11）：2278—2324.

[12] ?ZHU Y Y，ZHANG C Q，ZHOU D Y，et al. Traffic sign detection and recognition using fully convolutional network guided proposals[J].Neurocomputing，2016，214：758—766.

[13] ?SHELHAMER E，LONG J，DARRELL T，et al. Fully convolutional networks for semantic segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39（4）： 640—651.

[14] ?REDMON J，DIVVALA S，GIRSHICK R，et al. You only look once： unified，real-time object detection[C] // Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern. Nevada： IEEE，2016：779—788.

[15] ?MENG Z B，F(xiàn)AN X C，CHEN X，et al. Detecting small signs from large images[C] // Proceedings of the 2017 IEEE International Conference on Informatiorn Reuse and Integration. California： IEEE，2017： 217—224.

[16] ?HE K M，ZHANG X Y，REN S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37（9）：1904—1916.

[17] ?TSUNG Y L，PIOTR D，ROSS G，et al. Feature pyramid networks for object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Honolulu：IEEE，2007：936—944.

Facebook AI Research （FAIR），Cornell University and Cornell Tech，2017.

[18] ?LIU W，ANGUELOV D，ERHAN D，et al. SSD： single shot multibox detector[C]//Proceedings of the 2016 European Conference on Computer Vision. Amsterdam： ECCV，2016：21—37.

[19] ?HE K M，ZHANG X Y，REN S Q，et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas：IEEE，2016： 770—778.

[20] ?SIMONYAN K，ZISSERMAN A. Very deep convolutional networks for large-scale image recognition[C]//International Conference on Learning Representations. San Diego：Oxford，2015：1—14.

[21] ?陳建廷，向陽. 深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練中梯度不穩(wěn)定現(xiàn)象研究綜述[J]. 軟件學(xué)報(bào)，2018，29（7）：2071-2091.

CHEN J T，XIANG Y. Research review on gradient instability in deep neural network training [J]. Journal of Software，2018，29（7）：2071—2091.（In Chinese）

[22] ?HOUBEN S，STALLKAMP J，SALMEN J，et al. Detection of traffic signs in real-world images：The German traffic sign detection benchmark[C]//The 2013 International Joint Conference on Neural Networks（IJCNN）. Dallas：IEEE，2013：1—8.

[23] ?YANG Y，LUO H L，XU H R，et al. Towards real-time traffic sign detection and classification[J]. IEEE Transactions on Intelligent Transportation Systems，2016，17：2022—2031.

[24] ?EVERINGHAM M，GOOL L，WILLIAMS C K，et al. The pascal visual object classes （VOC） challenge[J]. International Journal of Computer Vision，2010，88（2）： 202—228.

[25] ?REN S Q，HE K M，GIRSHICK R，et al. Faster R-CNN： towards real-time object detection with region proposal networks[C]// Advances in Neural Information Processing Systems 28. Montreal： NIPS，2015：91—99.