鄧天民，周臻浩，方 芳，王 琳

重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074

1 引言

交通標(biāo)志檢測與識別技術(shù)是自動(dòng)駕駛領(lǐng)域的關(guān)鍵技術(shù)之一，被廣泛地應(yīng)用于汽車輔助駕駛系統(tǒng)中，隨著計(jì)算機(jī)性能、人工智能和目標(biāo)檢測技術(shù)快速的發(fā)展，端到端的智能化檢測是自動(dòng)駕駛領(lǐng)域的一個(gè)全新的途徑。因此，本文研究基于YOLOv3的交通標(biāo)志牌檢測與識別方法對于提高自動(dòng)駕駛公路交通規(guī)范具有重要意義。

傳統(tǒng)機(jī)器學(xué)習(xí)應(yīng)用在交通標(biāo)志檢測的方法主要是基于顏色、形狀或者兩者相結(jié)合的方法。Li等[1]將圖像從RGB 顏色空間轉(zhuǎn)換到高斯顏色空間，然后使用kmeans對顏色進(jìn)行聚類并提取出交通標(biāo)志；Berkaya等[2]提出使用形狀檢測算法來檢測圓形交通標(biāo)志。這些方法主要是利用交通標(biāo)志顏色與形狀的特殊特性進(jìn)行特征的提取，通過依據(jù)分類器來實(shí)現(xiàn)分類。但是存在檢測速度慢、檢測精度差、抗環(huán)境干擾能力差等問題，難以在實(shí)際應(yīng)用中實(shí)現(xiàn)精準(zhǔn)的識別效果。

近年來，隨著深度學(xué)習(xí)在圖像分類、目標(biāo)檢測、圖像語義分割等領(lǐng)域取得了一系列突破性的研究成果。John等[3]使用CNN提取特征并檢測道路交通標(biāo)志，繪制出包含交通燈位置的特征圖。Girshick 等[4]提出了一種基于快速區(qū)域的卷積網(wǎng)絡(luò)方法（Fast R-CNN），使用深度卷積網(wǎng)絡(luò)有效地對目標(biāo)進(jìn)行分類。為了執(zhí)行快速準(zhǔn)確的交通標(biāo)志檢測和識別，Zhu 等[5]采用了整體嵌套的邊緣檢測網(wǎng)絡(luò)。Tian等[6]提出了采用多尺度CNN方法，融合了不同網(wǎng)絡(luò)層的特征信息來識別交通標(biāo)志，并將檢測問題看作回歸問題，使用深度卷積神經(jīng)網(wǎng)絡(luò)作為回歸預(yù)測其輸入圖像中目標(biāo)?？傮w而言，這些方法中使用的主要方法是首先提取感興趣區(qū)域的特征，然后使用分類器定位位置。因此，這些方法統(tǒng)稱為兩階段目標(biāo)檢測。它們具有較高的檢測精度和較強(qiáng)的泛化能力，但是確定感興趣區(qū)域需要大量的計(jì)算，這就導(dǎo)致實(shí)現(xiàn)實(shí)時(shí)檢測的能力很差。

為了提高檢測效率，Redmon等[7]提出了將目標(biāo)檢測作為回歸問題的YOLOv1（You Only Look Once）網(wǎng)絡(luò)，該網(wǎng)絡(luò)是一個(gè)采用深度卷積神經(jīng)網(wǎng)絡(luò)的全新實(shí)時(shí)目標(biāo)檢測方法，它直接利用網(wǎng)格對目標(biāo)位置進(jìn)行回歸。與當(dāng)前的卷積神經(jīng)網(wǎng)絡(luò)相比，YOLO網(wǎng)絡(luò)顯著提高了檢測速度，并在很多領(lǐng)域得到了廣泛的應(yīng)用。與R-CNN 相比，YOLOv1網(wǎng)絡(luò)以較低的準(zhǔn)確性和較低的召回率來定位目標(biāo)物體。為了進(jìn)一步提高檢測精度，YOLOv3[8]使用了增量改進(jìn)技術(shù)，大大提高了小目標(biāo)的檢測精度。

綜上，本文針對交通標(biāo)志易受光照、實(shí)際道路場景復(fù)雜等特征影響導(dǎo)致識別準(zhǔn)確率和識別速率不高的問題，采用了Darknet 框架結(jié)合改進(jìn)YOLOv3 算法的交通標(biāo)志檢測方法。最后，通過大量實(shí)驗(yàn)對比改進(jìn)算法和原始算法在復(fù)雜交通標(biāo)志情況下的檢測識別率和魯棒性的差異，驗(yàn)證了該算法的有效實(shí)用性。

2 交通標(biāo)志檢測模型

網(wǎng)絡(luò)整體框架選用整圖訓(xùn)練的方式將檢測問題看作了回歸問題，可以更好地區(qū)分目標(biāo)和背景區(qū)域；并且接受不同大小尺寸輸入的圖片，由Darknet 網(wǎng)絡(luò)提取圖像的特征，然后將特征圖輸入到后續(xù)的多尺度分類檢測網(wǎng)絡(luò)中，最后YOLOv3 輸出3 個(gè)不同尺度的特征，可以對不同大小的目標(biāo)進(jìn)行檢測，有助于實(shí)現(xiàn)交通標(biāo)志目標(biāo)的檢測要求。

2.1 Darknet-53特征提取網(wǎng)絡(luò)結(jié)構(gòu)

在交通標(biāo)志圖像特征提取方面，YOLOv2[9]采用了Darknet-19網(wǎng)絡(luò)結(jié)構(gòu)，由于直筒型網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)過多會造成訓(xùn)練過程中梯度爆炸等問題，因此YOLOv2 所采用的Darknet 網(wǎng)絡(luò)架構(gòu)只有19 層。YOLOv3 采用了稱之為Darknet-53 的網(wǎng)絡(luò)結(jié)構(gòu)（含有53 個(gè)卷積層）結(jié)合了YOLOv2 的基礎(chǔ)特征提取器并借鑒了殘差網(wǎng)絡(luò)的思想[10]，如圖1所示。

圖1 Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)

Darknet-53 由5 個(gè)殘差塊組成，每個(gè)殘差塊由殘差單元組成，殘差單元中由DBL單元組成，兩個(gè)DBL單元在殘差塊中進(jìn)行殘差操作，如圖2（a）所示。其中DBL單元包含了卷積層（convolutional）、批歸一化（Batch Normalization）和Leaky Relu激活函數(shù)，如圖2（b）所示，通過引入殘差結(jié)構(gòu)，可以增加網(wǎng)絡(luò)架構(gòu)的深度并防止訓(xùn)練的過程梯度爆炸和消失等問題。

圖2 結(jié)構(gòu)單元

本文對Darknet53網(wǎng)絡(luò)進(jìn)行了模型簡化。YOLO網(wǎng)絡(luò)中引入了BN[11]（Batch Normalization）層，通過對每個(gè)卷積層后添加BN層，可以在網(wǎng)絡(luò)訓(xùn)練時(shí)期加速網(wǎng)絡(luò)收斂以及防止過擬合，并且可以簡化調(diào)參，使網(wǎng)絡(luò)更加穩(wěn)定。雖然BN層在訓(xùn)練時(shí)起到了歸一化作用，但是在網(wǎng)絡(luò)前向推理時(shí)增加了運(yùn)算，影響了模型的性能，且占用了更多的內(nèi)存或者顯存空間，從而降低了網(wǎng)絡(luò)模型的前向推理速度。

卷積層與BN 層都是線性變換，提供了合并的可能性。在YOLOv3中，BN計(jì)算過程如下：

其中，γ為縮放因子，μ為均值，δ2為方差，β為偏置，xout為BN計(jì)算結(jié)果，xconv為卷積計(jì)算結(jié)果。

合并卷積層與BN層，式（2）代入到式（1）得：

即：

合并后權(quán)值參數(shù)變?yōu)椋?/p>

偏置變?yōu)椋?/p>

即合并后的計(jì)算變?yōu)椋?/p>

卷積層與BN 層合并后可以與卷積層共用Blob 數(shù)據(jù)，從而可以減少內(nèi)存占用，有利于速度提升。

如圖3 所示，輸入圖片經(jīng)過卷積得到特征圖后，然后輸入到BN 層中進(jìn)行歸一化處理，再經(jīng)過Leaky-Relu函數(shù)激活之后，進(jìn)入網(wǎng)絡(luò)的下一層。本文將DBL 單元結(jié)構(gòu)中的批歸一化層和卷積層合并為一層，通過實(shí)驗(yàn)可知該方法提高了模型的前向推理速度，從而可以提高目標(biāo)檢測的速率。

圖3 合并BN層和CONV層

2.2 基于YOLOv3的交通標(biāo)志檢測模型

YOLOv2中引入一種稱為passthrough layer的方法在特征圖中保留一些細(xì)節(jié)信息，為了加強(qiáng)YOLO算法對小目標(biāo)檢測的精度。在YOLOv3 中采用類似FPN 的上采樣（upsample）[12]和尺度融合方法[13]，將上采樣后的高語義特征與淺層的定位細(xì)節(jié)特征進(jìn)行融合。如圖4 所示，卷積網(wǎng)絡(luò)在79層后，經(jīng)過下方幾個(gè)卷積層得到一種尺度的檢測結(jié)果。相比輸入圖像，這里用于檢測的特征圖有32倍的下采樣，特征圖就是13×13了。由于下采樣倍數(shù)高，這里特征圖的感受野比較大，因此適合檢測圖像中尺寸較大的目標(biāo)。為了實(shí)現(xiàn)細(xì)粒度的檢測，第79層的特征圖又開始作上采樣，然后與第61 層特征圖融合，這樣得到第91層較細(xì)粒度的特征圖，同樣經(jīng)過幾個(gè)卷積層后得到相對輸入圖像16倍下采樣的特征圖。最后，第91 層特征圖再次上采樣，并與第36 層特征圖融合，得到相對輸入圖像8倍下采樣的特征圖。它的感受野最小，適合檢測小尺寸的目標(biāo)。此方法融合了3個(gè)尺度（13×13、26×26、52×2），通道數(shù)為3，就是說每個(gè)box負(fù)責(zé)對三個(gè)anchor box進(jìn)行回歸，取其中的一個(gè)作為最終檢測結(jié)果，共對9 個(gè)anchor box 進(jìn)行回歸，所以對于一張輸入圖像，最后的輸出尺寸為1×（3×（13×13+26×26+52×52））× (5+m)，m代表檢測類別數(shù)。在多個(gè)尺度的融合特征圖上分別做檢測，最終對小目標(biāo)的檢測效果較前幾代的YOLO有了明顯的提升。

圖4 YOLOv3多尺度融合

2.2.1 目標(biāo)邊界框的預(yù)測

YOLOv3 的設(shè)計(jì)理念遵循端到端的訓(xùn)練和實(shí)時(shí)檢測，可將圖片作為輸入，直接輸出目標(biāo)位置和對應(yīng)位置的置信度評分。首先通過特征提取網(wǎng)絡(luò)對輸入圖像提取特征，得到一定大小的特征圖，然后將輸入圖像分成s×s個(gè)單元格，如果真實(shí)框中某個(gè)目標(biāo)的中心坐標(biāo)落在哪個(gè)單元格中，那么就由該單元格來預(yù)測該目標(biāo)。每個(gè)單元格都會預(yù)測3 個(gè)固定數(shù)量的邊界框。每一個(gè)邊界框獲得1個(gè)偏移坐標(biāo)(tx,ty)、1個(gè)真實(shí)寬高坐標(biāo)(tw,th)和一個(gè)置信度評分C。

在YOLOv1 版本中，x、y、w、h是直接預(yù)測物體框的中心坐標(biāo)和預(yù)測框的寬度和高度，預(yù)測值的微小變化都會被放大到整個(gè)圖像的任何范圍，導(dǎo)致坐標(biāo)波動(dòng)較大，預(yù)測不準(zhǔn)確。YOLOv2 和YOLOv3 對其進(jìn)行了改進(jìn)，其公式為：

其中，tx、ty為預(yù)測的坐標(biāo)偏移值，σ(tx)、σ(ty)用sigmoid運(yùn)算將tx、ty壓縮到[0，1]區(qū)間內(nèi)，可以有效確保目標(biāo)中心處于執(zhí)行預(yù)測的網(wǎng)格單元中，防止偏移過多。tw、th為尺度縮放。cx、cy為grid cell 坐標(biāo)，也就是距離左上角頂點(diǎn)的偏移量；pw、ph代表cell 對應(yīng)先驗(yàn)框（anchor box）的寬高，計(jì)算出 bounding box 的位置，如圖5 所示。confidence=pr(Object)×IoUtruthpred，通過對confidence這一項(xiàng)設(shè)定閾值，過濾掉低分的預(yù)測框，然后對剩下的預(yù)測框執(zhí)行非極大抑值（Non Maximum Suppression，NMS）[14]處理，得到網(wǎng)絡(luò)的最終預(yù)測。

圖5 bounding box坐標(biāo)轉(zhuǎn)換公式

2.2.2 目標(biāo)定位損失函數(shù)的改進(jìn)

當(dāng)前很多目標(biāo)檢測算法的坐標(biāo)誤差損失函數(shù)都使用預(yù)測框與真實(shí)框角點(diǎn)坐標(biāo)距離的1-范數(shù)Loss 或者2-范數(shù)Loss，但是評測的時(shí)候卻又采用IoU（Intersection over Union）來判斷是否檢測到目標(biāo)。顯然二者有一個(gè)分歧，即loss低不代表IoU就一定小。由圖6可知，其中紅色框?yàn)檎鎸?shí)框，黑色框?yàn)轭A(yù)測框。第一排，所有物體的2-范數(shù)loss 都一樣，但是第三個(gè)IoU 顯然要高于第一個(gè)，主觀來看也是第三個(gè)檢測結(jié)果要好。第二排也是類似，1-范數(shù)都一樣，但是IoU卻不同。

圖6 相同1-范數(shù)或2-范數(shù)對應(yīng)的IoU和GIoU

當(dāng)L1或L2范數(shù)都相同的時(shí)候，發(fā)現(xiàn)IoU和GIoU的值差別都很大，這表明使用L范數(shù)來度量邊界框的距離是不合適的。針對這個(gè)問題會直接采用IoU 當(dāng)作模型的坐標(biāo)誤差損失函數(shù)，但是IoU作為損失函數(shù)存在兩個(gè)問題：（1）當(dāng)預(yù)測框和真實(shí)框之間沒有重合時(shí)，不管兩者之間的距離有多遠(yuǎn)對應(yīng)的IoU 值都為0，導(dǎo)致優(yōu)化損失函數(shù)時(shí)梯度也為0，意味著無法優(yōu)化，無法進(jìn)行學(xué)習(xí)訓(xùn)練，見圖7。（2）IoU無法辨別不同方式的對齊，比如方向不一致等。如圖7，場景 A 和場景B 的 IoU 值都為 0，但是顯然場景B的預(yù)測效果較A更佳，因?yàn)閮蓚€(gè)邊界框的距離更近（L范數(shù)更?。?/p>

圖7 IoU為0的兩種不同情況的回歸

IoU是目標(biāo)檢測中使用最廣的評價(jià)指標(biāo)，然而優(yōu)化回歸bounding box 參數(shù)的距離損失并不等價(jià)于最大化IoU指標(biāo)。對于軸對齊的2D bounding box，IoU可直接用作坐標(biāo)誤差回歸損失，但是IoU 無法優(yōu)化無重疊的bounding box，所以本文使用一種泛化版的GIoU[15]（Generalized Intersection over Union）來代替IoU 作為坐標(biāo)誤差損失函數(shù)，該改進(jìn)方法加快模型擬合預(yù)測框與真實(shí)框的位置關(guān)系，并提高模型的預(yù)測精度。

對于預(yù)測框A與真實(shí)框B，可以計(jì)算出兩者的最小凸集（包含A、B的最小包圍框）C。通過最小凸集，可以計(jì)算GIoU。IoU和GIoU的計(jì)算公式如下：

公式（9）中分式部分分子為最小凸集中不包含A和B的部分。GIoU與IoU相似，GIoU作為一個(gè)距離度量指標(biāo)，其坐標(biāo)誤差損失函數(shù)LGIou計(jì)算公式如式（10）所示：

GIoU 有以下性質(zhì)：（1）與 IoU 類似，GIoU 也可以作為一個(gè)距離度量，loss 可以用LGIoU=1-GIoU來計(jì)算。（2）同原始IoU 類似，GIoU 對物體的大小不敏感。（3）GIoU 是 IoU 的下界，GIoU 總是小于等于IoU，對于IoU，有 0 ≤IoU≤ 1 ，GIoU 則是-1 ≤GIoU≤ 1 。在A和B形狀完全重合時(shí)，有GIoU=IoU=1；當(dāng)A和B不重合度越高（離得越遠(yuǎn)），GIoU 越趨近于-1。（4）由于GIoU引入了包含A、B兩個(gè)形狀的C，所以當(dāng)A、B不重合時(shí)，依然可以進(jìn)行優(yōu)化，保留了IoU 的原始性質(zhì)同時(shí)弱化了它的缺點(diǎn)。

2.2.3 Anchor參數(shù)設(shè)定

Anchor（先驗(yàn)框）機(jī)制起初是由Faster R-CNN 提出，后來被廣泛用于一階段及二階段目標(biāo)檢測框架，如SSD、YOLO、RetinaNet 等。Anchor 主要用來解決目標(biāo)檢測任務(wù)中尺度及寬高比例變化范圍過大的問題，模型訓(xùn)練的時(shí)候真實(shí)標(biāo)簽被編碼為相對于Anchor 的偏移量，模型測試時(shí)根據(jù)模型預(yù)測的相對于Anchor 的偏移量來解碼檢測結(jié)果。通過Anchor 機(jī)制，將尺度和寬高比例的空間劃分為相應(yīng)的幾個(gè)子空間，降低了目標(biāo)檢測任務(wù)的難度，使模型更容易學(xué)習(xí)。但是在Faster R-CNN和SSD 中，先驗(yàn)框的維度（長和寬）都是手動(dòng)設(shè)定的，帶有一定的主觀性，如果一開始選取的先驗(yàn)框維度比較合適，那么模型更容易學(xué)習(xí)，從而做出更好的預(yù)測。因此，YOLOv3中采用k-means聚類算法對數(shù)據(jù)集（COCO）中80 類目標(biāo)的標(biāo)注框做了聚類分析。本文針對k-means聚類方法在初始聚類點(diǎn)的選擇上存在較大的隨機(jī)性的問題，使用了隨機(jī)性更小的k-means++[16]聚類算法來代替原始聚類算法對本文數(shù)據(jù)集的標(biāo)注框進(jìn)行聚類計(jì)算，可以有效降低原始算法在初始聚類點(diǎn)所造成的聚類偏差。得到Anchor 較好尺寸并匹配到對應(yīng)的特征圖，從而可以提高檢測準(zhǔn)確度和召回率。

3 實(shí)驗(yàn)與分析

本文實(shí)驗(yàn)在計(jì)算機(jī)環(huán)境配置為Ubuntu16.04、CUD（Compute Unified Device architecture）10.0、CUDNN（CUDA Deep Neural Network library）7.0。硬件配置為Intel-CPU-i7-8750H 處理器，顯卡為Nvidia GeForce GTX 1050Ti，調(diào)用GPU進(jìn)行加速訓(xùn)練。

3.1 交通標(biāo)志數(shù)據(jù)集

本文采用的數(shù)據(jù)集為Lisa（加州大學(xué)圣地亞哥分校數(shù)據(jù)集）交通標(biāo)志數(shù)據(jù)集和CQ-data（重慶交通標(biāo)志數(shù)據(jù)集）見圖8和圖9。Lisa數(shù)據(jù)集中圖片拍攝角度以及分類更規(guī)范，因此作為本文算法的主要研究數(shù)據(jù)集。CQ-data數(shù)據(jù)集為個(gè)人制作數(shù)據(jù)集，圖片的獲取來由是百度實(shí)景街道截取，該數(shù)據(jù)集驗(yàn)證本文改進(jìn)算法的實(shí)用性。Lisa數(shù)據(jù)集共包含20類交通標(biāo)志，選取了數(shù)據(jù)集中的4 706張圖片。在Lisa 數(shù)據(jù)集中選取其中數(shù)量最多的4 類交通標(biāo)志作為檢測識別對象，分別為stop、pedestraincrossing、signalahead、speedlimit，共計(jì) 5 373 個(gè)標(biāo)注。CQ-data 數(shù)據(jù)集共制作了1 000張圖片。在CQ-data數(shù)據(jù)集中，選取了5 類交通標(biāo)志作為檢測識別對象，分別為：禁止鳴喇叭、禁止停車、禁止向左轉(zhuǎn)彎、限速、其他禁令標(biāo)志，共計(jì)1 500個(gè)標(biāo)注。將標(biāo)注信息生成與之對應(yīng)的xml格式的目標(biāo)區(qū)域位置的信息，編寫python程序?qū)ml格式的目標(biāo)區(qū)域位置的信息統(tǒng)一轉(zhuǎn)化為txt格式，以便讓YOLOv3讀取圖片標(biāo)注信息位置。最后按照VOC2007數(shù)據(jù)集格式進(jìn)行了整理，分別按3∶1比例將兩個(gè)數(shù)據(jù)集中的圖片分為訓(xùn)練集和測試集兩類。

圖8 Lisa交通標(biāo)志數(shù)據(jù)集

圖9 重慶交通標(biāo)志數(shù)據(jù)集

3.2 Anchor參數(shù)預(yù)設(shè)

由于YOLOv3 最原始選定anchor 尺度和寬高比是基于COCO數(shù)據(jù)集（80個(gè)分類）確定的，但是本文的Lisa數(shù)據(jù)集應(yīng)用目標(biāo)是交通路面上的交通標(biāo)志牌，原先設(shè)置的anchor box 尺寸不適合本文研究的環(huán)境中，基于此，本文使用k-means++聚類算法對交通標(biāo)志數(shù)據(jù)集的真實(shí)標(biāo)注框進(jìn)行聚類操作，真實(shí)標(biāo)注框長寬映射到模型輸入大小size下的聚類結(jié)果如圖10所示。

圖10 Grounding truth box長和寬聚類散點(diǎn)圖

由代碼實(shí)現(xiàn)上來看，anchor尺寸是相對于預(yù)測的特征圖大?。?3×13），因此真實(shí)標(biāo)注框長寬映射到模型后輸出的 anchor 尺寸大小為：（12.41，23.50）、（15.96，31.73）、（21.11，34.88）、（21.74，48.11）、（28.83，42.13）、（29.57，63.04）、（37.08，52.16）、（44.06，75.64）、（64.64，103.84），使用自己的數(shù)據(jù)集進(jìn)行維度聚類，得出結(jié)果和原始的參數(shù)相比，自己的聚類結(jié)果更為集中，寬高比更符合交通標(biāo)志數(shù)據(jù)集的特點(diǎn)，因此使用k-means++算法聚類得到的anchor 參數(shù)來代替原始的參數(shù)進(jìn)行訓(xùn)練和測試?？梢允筧nchor框更容易擬合真實(shí)目標(biāo)，從而可以降低模型訓(xùn)練的難度。

3.3 模型訓(xùn)練

訓(xùn)練階段更改YOLOv3 配置文件來對圖片進(jìn)行數(shù)據(jù)增強(qiáng)預(yù)處理以此來提高模型的泛化能力，包括旋轉(zhuǎn)圖片角度、調(diào)整圖片飽和度、調(diào)整圖片曝光量、調(diào)整圖片色調(diào)、裁剪圖片大小、調(diào)整圖片色度扭曲、調(diào)整圖片噪聲來生成更多的訓(xùn)練樣本。之后將增強(qiáng)后的圖片resize 到416×416 送入到網(wǎng)絡(luò)模型中進(jìn)行模型的訓(xùn)練。同時(shí)在訓(xùn)練階段，為了防止Anchor 與真實(shí)框沒有IoU 大于0.5的情況，本實(shí)驗(yàn)設(shè)置當(dāng)出現(xiàn)這種情況時(shí)將與真實(shí)框IoU最高的Anchor作為對應(yīng)類別的正樣本參與訓(xùn)練。

該實(shí)驗(yàn)以Darknet53 為基礎(chǔ)網(wǎng)絡(luò)框架，以YOLOv3為檢測算法框架，基于遷移學(xué)習(xí)的方法，使用預(yù)訓(xùn)練模型作為基礎(chǔ)特征提取網(wǎng)絡(luò)，整個(gè)訓(xùn)練過程中共進(jìn)行20 000 次迭代，其中動(dòng)量和權(quán)重衰減分別配置為0.9 和0.000 5，批量大小設(shè)置為64，初始學(xué)習(xí)率為0.001，并在迭代次數(shù)達(dá)到16 000和18 000時(shí)，學(xué)習(xí)率分別為0.000 1和0.000 01。由圖11可以看出，到后期的訓(xùn)練損失值基本低于0.030，迭代至17 500次左右，loss值在0.030上下浮動(dòng)，即達(dá)到理想效果。訓(xùn)練過程中平均Avg IoU 和Avg GIoU 如圖12 和 13 所示，可以看出 GIoU 整體訓(xùn)練相較于IoU更加密集，性能更優(yōu)。訓(xùn)練過程中精度和召回率如圖14所示。

圖11 平均損失變化曲線

圖12 平均IoU變化曲線

圖13 平均GIoU變化曲線

圖14 precision與recall變化曲線

3.4 實(shí)驗(yàn)結(jié)果與分析

該實(shí)驗(yàn)分別使用Loss-IoU 和Loss-GIoU 對數(shù)據(jù)集進(jìn)行訓(xùn)練，以IoU和GIoU為度量評價(jià)方式，分別得到權(quán)重文件IoU 和權(quán)重文件GIoU，然后設(shè)定Threshold（閾值）為0.75分別用Loss-IoU和Loss-GIoU對這兩個(gè)權(quán)重文件的性能進(jìn)行測試統(tǒng)計(jì)。結(jié)果如表1，使用Loss-GIoU 作為回歸損失來訓(xùn)練數(shù)據(jù)集相比于使用原來的Loss-IoU作為回歸損失，性能得到了提高。

表1 LIoU和LGIoU對權(quán)重文件的性能測試

實(shí)驗(yàn)中設(shè)置閾值為0.5 時(shí)4 類交通標(biāo)志的AP 值和準(zhǔn)確率的均值（mAP），如表2所示。實(shí)驗(yàn)中的前向推理時(shí)間都是與實(shí)驗(yàn)A進(jìn)行對比，對比結(jié)果如圖15所示。原始的網(wǎng)絡(luò)檢測模型性能較低，前向推理時(shí)間達(dá)到了151 s，由于使用的是原始的Anchor 尺寸及寬高比，因此對于“signalAhead”這類較小的交通標(biāo)志在目標(biāo)定位方面效果不如其他幾類交通標(biāo)志，如圖16（a）所示。

在網(wǎng)絡(luò)結(jié)構(gòu)中融合了BN層和Conv層后，檢測速率以及前向推理速度有21 個(gè)百分點(diǎn)的提高，但是檢測精度基本不變；在原始模型的基礎(chǔ)上加入維度聚類操作后，對于“signalAhead”這類小目標(biāo)交通標(biāo)志AP 提升較明顯，同時(shí)mAP 有3 個(gè)百分點(diǎn)的提高；在原始模型的基礎(chǔ)上把坐標(biāo)誤差回歸的損失函數(shù)改進(jìn)為GIoU-Loss后，“Pedestraincrossing”的AP 值有8 個(gè)百分點(diǎn)的提高；當(dāng)同時(shí)引入維度聚類和GIoU-LOSS 的方法后，mAP 相對于只引入GIoU-LOSS 有3 個(gè)百分點(diǎn)的提高；同時(shí)mAP 相對于只加入維度聚類有6個(gè)百分點(diǎn)的提高，但是前向推理速度略微下降了4個(gè)百分點(diǎn)；當(dāng)同時(shí)改變3個(gè)模塊時(shí)，mAP 提升8.1 個(gè)百分點(diǎn)同時(shí)前向推理速度也有19 個(gè)百分點(diǎn)的提升，如圖17和18所示。

表2 不同模塊對模型的性能影響對比

圖15 前向推理時(shí)間優(yōu)化

圖16 改進(jìn)后算法在LISA數(shù)據(jù)集的檢測效果

圖16（a）（b）為模型改進(jìn)前后在Lisa 數(shù)據(jù)集測試集的檢測效果。改進(jìn)后的交通標(biāo)志檢測識別效果相較于未改進(jìn)的在定位預(yù)測上更加準(zhǔn)確。原始算法中對于復(fù)雜路況上容易產(chǎn)生誤檢，改進(jìn)后的算法更有利于實(shí)時(shí)道路場景中交通標(biāo)志的檢測。圖19 為模型改進(jìn)后在CQ-data 數(shù)據(jù)集測試集的檢測效果，顯示了本文提出的改進(jìn)方法在復(fù)雜環(huán)境下的檢測效果。

為進(jìn)一步驗(yàn)證本文改進(jìn)模型對于交通標(biāo)志檢測的有效性，在Lisa 數(shù)據(jù)集和CQ-data 數(shù)據(jù)集上分別訓(xùn)練了對應(yīng)的檢測模型并與FasterR-CNN、YOLOv2、YOLOv3等主流算法進(jìn)行了對比。實(shí)驗(yàn)結(jié)果如表3和4。

圖17 交通標(biāo)志檢測精度mAP

圖18 4類交通標(biāo)志檢測精度AP

圖19 改進(jìn)后算法在CQ-data數(shù)據(jù)集的檢測效果

表3 各模型在Lisa數(shù)據(jù)集上效果對比

表4 各模型在CQ-data數(shù)據(jù)集上效果對比

從實(shí)驗(yàn)結(jié)果看，本文的改進(jìn)模型與Faster R-CNN所訓(xùn)練的模型在精度上很近似，但在速度上本文改進(jìn)方法還是具有顯著的優(yōu)勢。在兼顧精度的同時(shí)相比Faster R-CNN 能夠達(dá)到更快的檢測速度，這滿足實(shí)時(shí)交通場景檢測的速率要求，與YOLOv2 相比，雖然檢測速度降低了，但是經(jīng)過BN層和CONV層的融合已經(jīng)有了顯著的提升。綜合來看，本文改進(jìn)的YOLOv3模型具有一定的泛化性和魯棒性。

4 結(jié)束語

針對YOLOv3 原始算法直接運(yùn)用于本文的兩個(gè)交通標(biāo)志數(shù)據(jù)集上性能不高的問題，首先將DBL 單元中BN 層和CONV 層合并提高模型前向推理速度，其次引入更加接近檢測任務(wù)的評價(jià)標(biāo)準(zhǔn)GIoU-Loss 作為代價(jià)函數(shù)以提高模型的定位能力。最后使用k-means++聚類算法重新確定anchor 的大小可以使模型更容易收斂來更好適用于本文數(shù)據(jù)集的檢測與識別。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的YOLOv3算法相較于原始算法在Lisa數(shù)據(jù)集和CQ-data數(shù)據(jù)集上檢測平均準(zhǔn)確率和檢測平均速率有一定的提升。同時(shí)本文還有很多地方需要改進(jìn)，本文算法在識別小目標(biāo)時(shí)，識別精度仍沒有達(dá)到預(yù)期的效果，并且由于工作計(jì)算量大消耗大量內(nèi)存，該模型仍然不適用于實(shí)時(shí)性工程應(yīng)用中。如何在提高性能條件的基礎(chǔ)上精簡網(wǎng)絡(luò)結(jié)構(gòu)、降低計(jì)算量將是未來的主要研究方向。