基于RetinaNet的精細(xì)化車輛型號(hào)識(shí)別研究

朱勇 劉濤

摘要：在當(dāng)下的智能交通領(lǐng)域車輛目標(biāo)識(shí)別的許多方法中，基于深度學(xué)習(xí)的視覺識(shí)別方法具有卓越的效果。通過對(duì)主流的one-step與two-step模型結(jié)構(gòu)及特點(diǎn)的分析，提出了一套基于RetinaNet深度學(xué)習(xí)的車輛檢測(cè)識(shí)別系統(tǒng)，使用ResNet101獲取圖像特征，基于Focal Loss損失函數(shù)構(gòu)建精細(xì)化車輛型號(hào)識(shí)別模型，利用Stanford Car DataSet數(shù)據(jù)集進(jìn)行訓(xùn)練，并使用實(shí)際場(chǎng)景中的圖像進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有良好的用戶界面，優(yōu)越的性能，較高的識(shí)別準(zhǔn)確度，解決了復(fù)雜交通場(chǎng)景下多型號(hào)車輛識(shí)別的問題。

關(guān)鍵詞：深度學(xué)習(xí);RetinaNet;ResNet;Stanford Car DataSet

中圖分類號(hào)：TP368.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）11-0072-02

1 研究?jī)?nèi)容

1.1 Focal Loss

在分類過程中，由于簡(jiǎn)單易分的負(fù)樣本，簡(jiǎn)稱易分樣本，占有大部分?jǐn)?shù)量，使得訓(xùn)練過程不能充分專注于有類別樣本的信息;并且簡(jiǎn)單易分負(fù)樣本數(shù)量過多會(huì)掩蓋了其他有類別樣本。對(duì)于two-stage檢測(cè)算法而言，第一個(gè)步驟產(chǎn)生合適的候選區(qū)域后，可以通過難分樣本挖掘（Hard Negative Mining，OHEM）控制難分樣本占據(jù)的比例以解決上述提及的樣本數(shù)量不平衡的問題。 對(duì)于one-stage檢測(cè)算法而言，盡管可以采用同樣的OHEM策略控制正負(fù)樣本，但OHEM方法忽略了易分樣本的數(shù)量，只專注于控制難分樣本比例，所以存在效率低下的不足。因此，針對(duì)類別不均衡的問題，F(xiàn)ocal Loss損失函數(shù)應(yīng)運(yùn)而生，該函數(shù)基于標(biāo)準(zhǔn)交叉熵?fù)p失，加入了調(diào)制系數(shù)，通過減少易分樣本的權(quán)重使模型在訓(xùn)練時(shí)專注于難分樣本，解決了難分樣本挖掘存在的缺陷。

1.2 RetinaNet

RetinaNet是一個(gè)基于深度殘差網(wǎng)絡(luò)的one-stage detector，加入了focal loss來解決類別不平衡的問題。RetinaNet由一個(gè)卷積提取結(jié)構(gòu)，一個(gè)特征金字塔網(wǎng)絡(luò)，一個(gè)分類子網(wǎng)絡(luò)和一個(gè)框圖子網(wǎng)絡(luò)組成。

卷積提取結(jié)構(gòu)負(fù)責(zé)在整個(gè)輸入圖像上計(jì)算卷積特征，ResNet卷積網(wǎng)絡(luò)采用深度殘差思想，核心是通過跳過特定層的方式有效解決了梯度消失或者梯度爆炸的問題，加深了網(wǎng)絡(luò)的疊加層數(shù)，使得超深度網(wǎng)絡(luò)的構(gòu)建成為可能，同時(shí)也避免了額外參數(shù)的增加，保證了模型的體積。特征金字塔網(wǎng)絡(luò)根據(jù)圖像樣本低層特征的語義信息少、目標(biāo)位置準(zhǔn)確，高層特征的語義信息多、目標(biāo)位置粗略的特點(diǎn)，通過自上而下，自下而上，橫向連接等多種方式將不同層的特征圖進(jìn)行融合，使小目標(biāo)易于識(shí)別。

分類子網(wǎng)絡(luò)在特征金字塔輸出上執(zhí)行卷積對(duì)象分類，框圖子網(wǎng)絡(luò)執(zhí)行卷積邊界框回歸。Focal Loss主要應(yīng)用于子網(wǎng)絡(luò)部分，使模型專注于高難度分類樣本，解決了正負(fù)樣本不平衡問題，大大提高了識(shí)別率。

1.3 基于優(yōu)化RetinaNet的車輛識(shí)別系統(tǒng)

本文所選用數(shù)據(jù)集為Stanford Car Dataset，包含196種車輛共16，185張圖片，車輛每個(gè)型號(hào)按50-50劃分為含8144張圖片的訓(xùn)練集和含8041張圖片的驗(yàn)證集，非常適合精細(xì)化型號(hào)識(shí)別的場(chǎng)景。本文使用Anaconda開發(fā)環(huán)境，Python3.6語言，深度學(xué)習(xí)框架Keras構(gòu)建模型，在計(jì)算機(jī)配置為Ubuntu16.04，CUDA10.0，cuDNN7.4，NVIDIA Tesla P100*2的系統(tǒng)下進(jìn)行模型訓(xùn)練，模型收斂曲線如圖1所示。

為了方便用戶使用和考慮到多終端設(shè)備，使用PyQt開發(fā)了考慮到用戶易用性和多終端設(shè)備部署的需要，本文使用PyQt開發(fā)了用戶良好的界面，選擇待檢測(cè)圖片后調(diào)用后端深度學(xué)習(xí)模型進(jìn)行識(shí)別，輸出帶目標(biāo)檢測(cè)框圖和車輛具體型號(hào)文本標(biāo)簽的識(shí)別結(jié)果圖。運(yùn)行效果如圖2所示。

2 結(jié)語

本文將深度學(xué)習(xí)模型引入智能交通領(lǐng)域下的車輛型號(hào)檢測(cè)識(shí)別中，在訓(xùn)練新模型時(shí)，通過ResNet101特征提取結(jié)構(gòu)達(dá)到了識(shí)別速度和識(shí)別率的最佳平衡，實(shí)驗(yàn)結(jié)果表明，本文提出的基于優(yōu)化RetinaNet車輛精細(xì)化識(shí)別與檢測(cè)系統(tǒng)具有良好的可用性和準(zhǔn)確度。本文研究也為后續(xù)車輛快速定位、信息檢測(cè)等具體的應(yīng)用奠定了基礎(chǔ)，但目前單型號(hào)下數(shù)據(jù)集大小依舊不夠，今后將對(duì)現(xiàn)有數(shù)據(jù)集進(jìn)行擴(kuò)充，并改進(jìn)模型結(jié)構(gòu)，改善識(shí)別效果。

參考文獻(xiàn)

[1] Lowe D G. Object recognition from local scale-invariant features[C]//iccv.1999， 99（2）：1150-1157.

[2] Krizhevsky A， Sutskever I，Hinton G E. Imagenet classification with deep convolutional neural networks[C]//Advances in neural information processing systems.2012：1097-1105.