喻清挺，喻維超，喻國平

（1.南昌大學 信息工程學院，南昌 330031；2.國家電網(wǎng)南昌供電公司，南昌 330077）

0 概述

交通標志檢測是自動駕駛和輔助駕駛的重要組成部分，交通標志中含有速度限制、路面狀況等信息，是安全駕駛的重要一步，因此，對交通標志進行研究具有重要的理論和現(xiàn)實意義。研究人員已經(jīng)提出多種交通標志檢測方法，在深度學習模型提出以前，交通標志檢測方法［1-3］大體分為基于交通標志顏色形狀的視覺信息方法［4-5］、基于特征提取和機器學習的識別方法［6-8］等。

自從AlexNet［9］在ImageNet 大賽奪冠后，多種深度學習模型被提出并應用于交通標志檢測任務。文獻［10］設(shè)計一種端到端的全卷積神經(jīng)網(wǎng)絡(luò)，其在Tsinghua-Tencent 100K 數(shù)據(jù)集檢測中表現(xiàn)出強大的魯棒性。文獻［11］對Faster R-CNN［12］中的區(qū)域建議網(wǎng)絡(luò)（RPN）接收域進行修改，使模型能夠更好地適應交通標志這種小目標。文獻［13］通過使用多個1×1 的卷積核，在降低模型計算復雜度的同時提高了檢測的實時性。文獻［14］提出一種基于多尺度區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)，其在RPN 中融入上下文信息，能準確檢測出較小的交通標志。

由于模型結(jié)構(gòu)設(shè)計存在差異，導致各種目標檢測模型的側(cè)重點不同：一階檢測器（如YOLO［15］、SSD［16］等）檢測速度快，但對交通標志這種小目標并不敏感，精度較低，容易產(chǎn)生誤判；二階檢測器（如Faster R-CNN、FPN［17］等）精度高，但速度較慢，對于交通場景這種變化較快的情況，無法及時將信息傳遞給汽車。為此，本文基于區(qū)域全卷積網(wǎng)絡(luò)（R-FCN）［18］框架提出一種改進的交通標志檢測算法。通過對R-FCN 模型的特征提取網(wǎng)絡(luò)進行簡化，以在不影響準確率的情況下提高模型檢測速度。引入K-means 聚類算法、在線困難樣本挖掘（OHEM）策略和可變形卷積技術(shù)，從而提高模型檢測精度。

1 交通標志檢測算法框架

1.1 R-FCN 算法

R-FCN 算法由經(jīng)典Faster R-CNN 算法演變而來，兩者同為二階段檢測器。R-FCN 算法先通過特征提取網(wǎng)絡(luò)提取圖像特征并輸出特征圖，再經(jīng)過區(qū)域建議網(wǎng)絡(luò)在輸出的特征圖上提取感興趣區(qū)域（RoI）。

R-FCN 與Faster R-CNN 在RPN 之前的步驟相同，兩者最大的不同在于對RoI 的分類與回歸。Faster R-CNN 通過一組全連接層完成目標分類和回歸，每個被RPN 提取出來的RoI 都需要經(jīng)過全連接層進行計算，這將消耗大量的時間；R-FCN 通過額外添加的2 組卷積，得到2 張分別為類別和位置的得分圖，從而對目標進行預測，即將全連接層替換成卷積層進行分類和回歸計算，這在一定程度上加快了檢測速度。R-FCN 檢測框架如圖1 所示。

圖1 R-FCN 檢測框架Fig.1 R-FCN detection framework

1.2 可變形卷積

傳統(tǒng)的卷積操作通?；?×3、5×5 等形狀規(guī)則的卷積核進行特征提取，然而這種方式具有一定的局限性，只能提取規(guī)則區(qū)域內(nèi)的特征，無法根據(jù)物體的形狀提取到更細致的特征。可變形卷積［19］具有學習空間幾何形變的能力，可以更好地適應不同空間?？勺冃尉矸e可以根據(jù)目標的形狀進行卷積位置調(diào)整，使卷積的區(qū)域更符合物體形狀特征，具體實現(xiàn)過程為：增加一組2N（N為卷積核大?。﹤€卷積核，產(chǎn)生尺寸與輸入特征圖相同、通道數(shù)為2N的特征圖，稱為偏置域（offset field），從offset field 上可得到每個像素點的偏置矩陣（offsets）?？勺冃尉矸e結(jié)構(gòu)如圖2 所示。

圖2 可變形卷積結(jié)構(gòu)Fig.2 Deformable convolution structure

傳統(tǒng)卷積的計算方式是與特征圖進行固定區(qū)域的卷積計算，對于特征圖上的每個點位置p0，計算方式如下：

其中：x為輸入特征圖；y為輸出特征圖；p0為卷積計算點；R表示預采樣偏移，假設(shè)使用3×3 卷積核，則R={(-1，-1)，(-1，0)，…，(0，1)，(1，1)}；pn為R中位置的枚舉。

可變形卷積將學習到的偏置矩陣offsets 與預采樣偏移R相加，得到新的采樣偏移量，則輸入特征圖上每個點P0進行可變形卷積的表達式如下：

其中：Δpn為偏置矩陣offsets 對應于常規(guī)卷積網(wǎng)絡(luò)的偏移量。

1.3 特征提取網(wǎng)絡(luò)

R-FCN 通過殘差網(wǎng)絡(luò)（ResNet）對圖片進行特征提取，ResNet［20］被廣泛應用于分類、檢測等任務。通過增加跳線連接，ResNet 能夠緩解梯度消失和梯度爆炸問題，ResNet 結(jié)構(gòu)如圖3 所示。假設(shè)在不增加殘差前，網(wǎng)絡(luò)需要學習的是H(x)=F(x)，這樣一個恒等映射在神經(jīng)網(wǎng)絡(luò)層數(shù)增加時將變得很難擬合；在加入殘差結(jié)構(gòu)后，神經(jīng)網(wǎng)絡(luò)學習的是H(x)=F(x)+x，即將恒等映射作為網(wǎng)絡(luò)的一部分，則網(wǎng)絡(luò)真正學習的是殘差函F(x)=H(x)-x，這比原先的恒等映射更易擬合。

圖3 ResNet 結(jié)構(gòu)Fig.3 ResNet structure

本文使用經(jīng)過預訓練的ResNet101，在其conv4_x模塊中融入可變形卷積，具體結(jié)構(gòu)如圖4 所示。在殘差結(jié)構(gòu)中加入額外的72 個256 維的卷積核，產(chǎn)生4 組offsets，通過這些offsets 的偏置量指引，對輸入特征進行可變形卷積操作從而獲得輸出特征。

圖4 可變形ResNet 結(jié)構(gòu)Fig.4 Deformable ResNet structure

1.4 可變形位置敏感RoI 池化

R-FCN 在位置敏感得分圖上進行位置敏感RoI池化，位置敏感得分圖實質(zhì)上也是特征圖，但其具有確切的含義。位置敏感RoI 池化會將RPN 層提取的RoI 分成k×k個子區(qū)域（bins），假設(shè)目標的總類別數(shù)為C，則位置敏感得分圖的層數(shù)為k2(C+1)，每一層分別代表某類物體的某個部位在整個圖像中的響應值。位置敏感得分圖的層數(shù)受目標種類數(shù)影響，當目標種類增加時，得分圖的通道數(shù)也增加，這會帶來大量參數(shù)，增加了檢測時間，但是本文只有3 類交通標志的情況，適合進行R-FCN 位置敏感RoI 池化設(shè)計。

相比于原始的位置敏感RoI 池化，可變形位置敏感RoI 池化通過卷積在位置敏感得分圖上產(chǎn)生一個額外的偏置域，這個偏置域的尺寸與得分圖相同，通道數(shù)是得分圖的兩倍，對應于位置敏感得分圖上每個點在X與Y方向的偏移量?？勺冃挝恢妹舾蠷oI池化如圖5所示。

將被RPN 提取出來的RoI 區(qū)域?qū)膐ffsets 加入可變形位置敏感RoI 池化中，計算公式如下：

其中：x為輸入特征圖；y為輸出的RoI；bin為由RoI劃分的子區(qū)域；nij是每個bin 區(qū)域中的像素數(shù)；p0為RoI 左上角的坐標；p為bin 區(qū)域內(nèi)像數(shù)點的枚舉；Δp為偏移量offset。

1.5 在線困難樣本挖掘

經(jīng)過特征提取網(wǎng)絡(luò)輸出的特征圖會在RPN 的作用下產(chǎn)生大量的候選區(qū)域（RoIs），這些RoIs 中正樣本和負樣本分布并不平衡，簡單地設(shè)置正負比例將這些RoIs 送入后續(xù)分類與回歸訓練，模型將無法關(guān)注困難樣本（預測時與真值標簽誤差較大的樣本，這類樣本常使得模型產(chǎn)生誤判現(xiàn)象）。在線困難樣本挖掘策略［21］會從這些RoIs 中篩選出困難樣本并送入后續(xù)訓練中，具體操作為：設(shè)置2 個相同的RoI 子網(wǎng)絡(luò)，2 個子網(wǎng)絡(luò)結(jié)構(gòu)相同而功能不同，根據(jù)功能不同可將其分為只讀子網(wǎng)絡(luò)和可讀可寫子網(wǎng)絡(luò)，只讀子網(wǎng)絡(luò)只負責前向計算，輸出RoIs 的損失，然后將這些RoIs 的損失值從大到小排序，并通過非最大值抑制（NMS）算法挑選出前K個RoIs，將其送入可讀可寫子網(wǎng)絡(luò)中進行參數(shù)反向傳播，從而完成網(wǎng)絡(luò)更新。

1.6 改進的網(wǎng)絡(luò)結(jié)構(gòu)

本文交通標志檢測方法主要基于R-FCN 網(wǎng)絡(luò)結(jié)構(gòu)，為了加快檢測速度，在基于ResNet101 的預訓練模型上進行刪減實驗，最后只保留前25 層來實現(xiàn)圖像特征提取，并將RoI 區(qū)域中bin 的個數(shù)從7×7 變?yōu)?×3。以上2 個措施有效提升了模型的檢測速度，且并未因為參數(shù)減少而影響準確率。

上述措施雖然能提升模型檢測速度，但是無法提高模型的準確率。為此，本文引入可變形卷積核和可變形位置敏感RoI 池化，總共使用2 個可變形卷積核，分別置于RPN 兩側(cè)，將可變形位置敏感RoI 池化層代替原始位置敏感RoI 池化層，改進后的網(wǎng)絡(luò)結(jié)構(gòu)如圖6 所示。

圖6 改進的R-FCN 網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 Improved R-FCN network structure

2 實驗結(jié)果與分析

2.1 實驗數(shù)據(jù)集

本文實驗采用德國交通標志檢測數(shù)據(jù)集（German Traffic Sign Detection Benchmark，GTSDB）［22］。GTSDB發(fā)布于2013 年的國際神經(jīng)網(wǎng)絡(luò)會議（IJCNN2013），被用于當年的交通標志檢測大賽。該數(shù)據(jù)集包含900 張高分辨率的道路交通圖像，其中，訓練集為600 張，測試集為300 張，圖像大小均為800 像素×1 360 像素。圖像中交通標志的數(shù)量為0～6 個，多為小目標，分辨率在16 像素×16 像素～128 像素×128 像素之間，形狀大多數(shù)為三角形或圓形。GTSDB 中將43 種交通標志分為四大類，即禁令標志、指示標志、警告標志、其他標志。根據(jù)當年比賽的規(guī)定，本文只對前3 種標志進行檢測，本文實驗訓練集總共包含666 個標志，測試集包含273 個標志。圖7 所示為該數(shù)據(jù)集的部分圖片及其檢測結(jié)果。

圖7 GTSDB 數(shù)據(jù)集部分樣本及其檢測結(jié)果Fig.7 Some samples of the GTSDB dataset and their detection results

2.2 錨點框維度聚類

通過對數(shù)據(jù)集進行分析可知，交通標志的面積遠小于原R-FCN 的錨點框大小，使用原始的錨點將會使模型難以擬合那些過小的交通標志，因此，需要對交通標志數(shù)據(jù)集進行聚類分析。

K-means 聚類方法用歐氏距離定義損失函數(shù)，但在目標檢測算法中更適合采用預測框和anchor box 的面積重疊度IOU 作為度量距離，則新的度量標準公式為：

其中：Bbox表示目標框尺寸；Ccentriod表示聚類中心框尺寸。通過改變聚類中心點的個數(shù)得到不同的平均IOU 值，結(jié)果如圖8 所示。

圖8 K-means 聚類折線Fig.8 K-means clustering polyline

從圖8可以看出，當聚類個數(shù)為9時曲線逐漸平緩。此外，通過聚類可知交通標志長寬比的標注基本為1∶1。因此，本文選定9個錨點框，并且將錨點框具體大小設(shè)置為（22，22）、（27，27）、（32，32）、（36，36）、（40，40）、（46，46）、（56，56）、（70，70）、（100，100）。

2.3 實驗評價

本文實驗平臺設(shè)置：CPU 為Inter Core i7-8700，內(nèi)存16 GB，GPU 為NVIDIA GeForce RTX 2070，顯存8 GB，操作系統(tǒng)為Ubuntu 16.04，深度學習框架為MXNET。

實驗采用ImageNet數(shù)據(jù)集上訓練好的ResNet101，其參數(shù)不參與更新，總共訓練15 個epoch，初始學習率為0.001，在訓練10個epoch后將學習率調(diào)整為0.000 1。

本文采用目標檢測中常見的AP50、AP75、AP這3個評價指標進行評測：AP50、AP75分別表示IOU（預測目標與實際目標的重疊比）大于0.5和大于0.75時正確檢測出目標的概率；AP為IOU［0.5∶0.05∶0.95］共10個不同閾值下檢測出目標的概率的平均值。使用上述3個指標能更好地體現(xiàn)可變形網(wǎng)絡(luò)對交通標志的適應能力，使得評價更為全面。

為了選擇適合本文的預訓練模型，首先利用以ResNet101 和ResNet50 為特征提取網(wǎng)絡(luò)的R-FCN 在原模型下進行實驗，結(jié)果如表1 所示。

表1 特征提取網(wǎng)絡(luò)ResNet101 與ResNet50 的對比Table 1 Comparison of feature extraction networks ResNet101 and ResNet50 %

ResNet101相比于ResNet50最大的區(qū)別是conv4_x模塊多了51 層，但從表1 可以看出，這額外的51 層卷積層并沒有使ResNet101相比ResNet50取得太大優(yōu)勢，兩者的性能相差不大。因此，對于本文的3 類交通標志檢測任務，選用總體偏優(yōu)的ResNet101 作為特征提取網(wǎng)絡(luò)，為了加快檢測速度，將conv4_x 模塊進行簡化，只保留其前3層參數(shù)，即整個特征提取網(wǎng)絡(luò)只剩下35層。不同層數(shù)網(wǎng)絡(luò)的實驗結(jié)果如表2 所示。

表2 不同層數(shù)網(wǎng)絡(luò)的識別性能對比Table 2 Comparison of recognition performance of networks with different layers

從表2 可以看出，對特征提取網(wǎng)絡(luò)ResNet101 進行層數(shù)刪減，并沒有對檢測結(jié)果產(chǎn)生太大影響，對ResNet101 中conv4_x 模塊的簡化僅造成了微小的性能變化，說明前25 層提取出來的特征圖已經(jīng)包含足夠的交通標志特征信息。

在獲得簡化的特征提取網(wǎng)絡(luò)后，本文在簡化模型上進行實驗，通過聚類錨點，在模型中加入可變形卷積和可變形位置敏感ROI 池化，且訓練過程中采用在線困難樣本挖掘方法，實驗結(jié)果如表3 所示。

表3 不同組合方法的性能對比結(jié)果Table 3 Performance comparison results of different combination methods

從表3 可以看出：第5 組實驗的AP50準確率相對第1 組實驗提升了1.4 個百分點，達到97.8%，而AP75準確率達到94.7%，即本文算法相比原算法提升了6 個百分點，總體AP 提升了將近9 個百分點；在檢測時間方面，本文算法相較原始R-FCN（ResNet101）減少了60 ms，速度提升高于2倍。上述結(jié)果有效證明了本文保留前25 層網(wǎng)絡(luò)進行實驗的可行性以及K-means 聚類后錨點框的適應性。

交通標志信息標注采用人工標注方式，其標注框都是正方形，加入可變形卷積和可變形位置敏感RoI 池化，可以提取出更多關(guān)于交通標志形狀的信息，更加符合交通標志圓形、三角形以及矩形的特征，使得在更嚴格的AP75和AP 評價指標下準確率明顯提升。通過添加OHEM 技術(shù)，可以對困難樣本進行訓練，模型的準確率進一步提升。

2.4 模型對比

在目標檢測領(lǐng)域，研究人員已經(jīng)提出眾多優(yōu)秀的目標檢測模型，但這些模型都是在VOC、COCO 數(shù)據(jù)集上進行實驗，這2 個數(shù)據(jù)集種類多、數(shù)據(jù)量大，模型為了適應數(shù)據(jù)集，其結(jié)構(gòu)會設(shè)計得比較龐大。這些模型雖然可以直接用于交通標志分類檢測，但其結(jié)構(gòu)并不能完全契合交通標志檢測數(shù)據(jù)集，因此，需要進行適應性改進。

表4所示為9種模型在本文數(shù)據(jù)集上的對比結(jié)果。其中：Faster R-CNN、R-FCN、FPN 的特征提取網(wǎng)絡(luò)都為經(jīng)過預訓練的ResNet101，其參數(shù)不參與更新，訓練與檢測均為原尺寸；YOLO系列特征提取網(wǎng)絡(luò)為DarkNet，尺寸則為608×608；CenterNet特征提取網(wǎng)絡(luò)為DLA-34，尺寸為512×512；RetinaNet 和Cascade RCNN 的特征提取網(wǎng)絡(luò)為ResNet50-FPN，尺寸為原尺寸。各模型的錨點框大小均未進行調(diào)整。

表4 9 種模型檢測性能對比Table 4 Comparison of detection performance of nine models

從表4 可以看出：FPN 因為其多尺度的設(shè)計，AP 和AP75指標明顯高于Faster R-CNN 與R-FCN 這種單尺度模型，證明通過多尺度圖像特征金字塔可以有效檢測出交通標志這種小目標，但FPN 使用的特征提取網(wǎng)絡(luò)為ResNet101，速度較慢；本次實驗中Cascade RCNN 選擇參數(shù)較少的ResNet50，并在其上使用FPN 架構(gòu)，使用了多尺度和多閾值的Cascade RCNN 的AP 指標取得最高值，達到77.2%，但AP50指標僅有95.5%，低于未改進的R-FCN；原始R-FCN 由于位置敏感得分圖的設(shè)計，適合于交通標志這種有特定形狀的目標，且本文交通標志只有3 類，位置敏感得分圖層數(shù)少，這在一定程度上加快了檢測速度，因此，原始R-FCN在速度與精度2個方面都取得了較好的結(jié)果；使用512 尺寸的CenterNet具有最快的速度，中心點的設(shè)計也契合交通標志這種對稱物體，因此，其整體表現(xiàn)較好；使用原尺寸的RetinaNet 的AP 和AP75指標同樣較高；YOLOv3 與YOLOv4［23］則在608 尺寸時和本文所提模型的檢測速度接近，且YOLOv4的準確率明顯高于YOLOv3，其AP50指標最接近本文模型，但AP75和AP 評價指標與本文模型有較大差距。綜上，可變形卷積具有有效性，在速度接近的情況下，本文模型在更嚴格的評價指標上依然具有優(yōu)勢。

3 結(jié)束語

針對交通標志檢測問題，原始R-FCN 模型能取得較好的準確率，但是速度較慢，難以滿足實時性的要求。為此，本文通過模型簡化、K-means 算法錨點框聚類，并將可變形卷積和可變形位置敏感RoI 池化加入到簡化模型中，在訓練過程中使用在線困難樣本挖掘策略，從而有效檢測交通標志信息。實驗結(jié)果表明，該改進模型能夠在提升檢測速度的同時保證檢測精度，且準確率高于Faster R-CNN、R-FCN等模型，其在精度與速度上取得了較好的平衡。后續(xù)將為模型選擇如EfficientNet、Desnet 等更適合交通標志檢測的特征提取網(wǎng)絡(luò)，從而進一步提升模型的檢測速度與精度。