郑伟彬

（福州福大自动化科技有限公司，福建 福州 350008）

0 引 言

随着社会的发展，智慧城市成为未来城市的发展方向[1]。智慧交通系统作为智慧城市的关键一环，具有重要的研究价值。智能交通系统可以有效地感知城市中各个街道的车流情况，有效提升道路利用效率，减少交通堵塞情况的发生[2]。智慧交通系统的核心是对于道路车辆的检测。相较于传统传感器的感知方法，通过视频图像对车辆进行检测，具有成本低、灵活性高以及可以同时检测多条道路等特点，因此得到了广泛的关注。

车辆检测的主要模型有基于运动的模型、基于特征的模型以及基于卷积神经网络的模型[3]。近些年来，深度学习技术高速发展，卷积神经网络在与图像目标识别领域具有优秀的表现。YOLO 作为一种优秀的一阶段（one-stage）目标检测算法，在各个目标检测领域得到广泛应用，且取得良好的效果[4-5]。相比于Faster R-CNN 这种两阶段（two-stage）目标检测算法[6]，YOLO 具有更快的检测速度。进行车辆检测时，需要对拍摄到的车辆视频进行检测，一旦检测速度过慢，就会造成车辆的漏检，因此YOLO 比Faster-RCNN更适合用于车辆检测任务。

1 深度学习模型介绍

1.1 YOLOv4 介绍

YOLO 将待检测图片划分为S×S个网格，对网格进行检测，判断网格内是否是目标物体。YOLO 网络输出的值为预测目标的中心点、锚框宽高与类别[7]。YOLO 算法最早在2016 年由REDMON 等人提出，经过近些年的更新与优化，已经升级到了YOLOv4。YOLOv4 网络采用CSPDarknet-53 作为主干特征提取网络，使用空间金字塔池化提升感受野，使用路径聚合网络（PANet）融合了多个主干输出的特征图，有效提升模型对特征的提取能力。但在精度提升的同时，更加复杂的网络结构使得模型的参数量变得更大，对设备性能的要求也变得更高。因此，需要对原始的YOLOv4网络进行改进，降低其参数量，压缩模型体积。

1.2 MobileNetV2 介绍

MobileNetV2 是一种轻量化的卷积神经网络，网络的关键结构有逆残差结构与线性瓶颈结构。ResNet 的残差结构是对特征图进行降维后再升维，而MobileNetV2 的逆残差结构是先将特征图进行升维，再进行降维，故称之为逆残差[8]，如图1 所示。

图1 MobileNetV2 逆残差结构

同时，为了减少模型的参数量，沿用了MobileNetV1的深度可分离卷积。深度可分离卷积在特征图的输入层使用了1×1 的逐点卷积（Pointwise Convolution，PW）进行升维，再经过3×3 的深度卷积（Depthwise Convolution，DW）。由于深度卷积的每个卷积核只对一个通道进行卷积，因此计算量大幅减小。经过深度卷积后，再使用1×1 的逐点卷积，将各个特征图之间的信息聚合，得到与标准卷积相同的输出。

深度可分离卷积与逆残差结构虽然大幅减少了数据量，但是可能会造成低维特征的丢失。因此，MobieNetV2 在完成降维后，不使用ReLu6 激活函数，而是用线性层作为代替，称之为线性瓶颈结构[9]，如图2 所示。

图2 MobileNetV2 线性瓶颈结构

1.3 激活函数与损失函数介绍

激活函数使用ReLu6 激活函数，可以缓解激活后权值相差过大的问题，如式（1）所示：

式中：IOU为预测框与真实框的交叠率，c为能够同时包含预测框与真实框的矩形的对角线距离；v是真实边界框与预测边界框的宽高相似比，如式（3）所示；α是v的影响因素，其计算如式（4）所示；d为预测框与真实框的中心点距离，d的计算如式（5）所示。

2 整体模型设计

2.1 轻量化YOLOv4 模型

为了减小YOLOv4 模型的参数量，压缩YOLOv4模型的大小，本文对网络的结构进行改进，使用MobieNetv2 网络替换YOLOv4 原本的CSPDarkNet53主干特征提取网络。改进后的网络结构如图3 所示。替换掉主干特征网络后，同时将YOLO 的特征金字塔与特征融合部分的卷积模块也替换为深度可分离卷积，可以进一步压缩模型大小。

图3 MobileNet-YOLOv4 模型网络结构

YOLO 算法中，每个YOLO Head 都有对应预先设置好的3 个预选锚框，用来检测不同大小、不同比例的目标。预选锚框的初始尺寸会对模型的检测效果有一定影响，如果锚框的初始值更加贴近带检测的目标物体，模型的检测精度就能更高。因此，本研究中使用K-Means++聚类算法，对训练集样本的标注框进行聚类，得到9 类初始锚框尺寸。聚类完成后，得到的锚 框 大 小 为[12，18]，[20，26]，[29，35]，[45，40]，[36，58]，[66，58]，[52，87]，[84，93]，[133，177]。将聚类得到的9 个锚框大小作为本研究的初始锚框。

2.2 数据集处理

本研究所用的数据集为UA-DETRAC 数据集[11]。该数据集中的图像拍摄于北京与天津的过街天桥。由于UA-DETRAC 中原始数据为视频图像，数据集中的图片每秒有24 张图片，出现的车辆重复较多，过大的数据集会导致网络训练速度过慢。为了提升网络训练效率，需要对数据集进行精简，从每个视频转为图像的文件夹中每间隔500 张图片抽取一张图，重构数据集，可以有效减少重复出现的车辆图片数。同时，将数据集中所有类别的车统一记为类别car。

3 实验结果与分析

3.1 实验环境介绍

实验所用的硬件设备如下：CPU 为i7-9750H，GPU 为GTX1660，内存16 GB。实验所用操作系统为Windows，编译环境为Pycharm，编程语言为Python，搭建模型的深度学习框架为Pytorch，Pytorch 版本为1.6.0。

3.2 模型训练

模型训练的Epoch 设置为200，Batch 设置为16，模型初始学习率为0.01，采用Adam 算法优化模型训练过程，动量参数为0.94。训练时采用马赛克数据增强方法，对输入图像进行反转、拼接等操作，可以有效增强模型的鲁棒性。

3.3 实验结果分析

对于目标检测任务，常用的检测指标为AP，mAP。AP 表示某类检测目标的平均精度，mAP 表示所有类别的AP 均值。由于本研究是单分类任务，因此AP 与mAP 相同。选取模型收敛后保存的权重文件，对测试集图像进行检测，得到模型检测的平均精度与检测速度，同时计算整个模型的大小，实验结果如表1 所示。

表1 实验结果对比

从实验结果可以看出，对比原始的YOLOv4 模型，MobileNet-YOLOv4 模型的AP 值仅减少了0.77%，模型的检测精度并没有发生明显的下降。模型检测速度从28.35 f·s-1提升到了47.31 f·s-1，提升了66.9%，对于路面车辆检测研究来说，更高的检测速度意味着能检测到以较快速度行驶的车辆。与此同时，轻量化改进后的YOLOv4 模型的大小从64.36 Mb 下降到了11.73 Mb，模型压缩了81.77%。从实验结果可以看出，MobileNet-YOLOv4 模型在牺牲了较小检测精度的情况下，有效提升了模型的检测速度，同时压缩了模型的体积，使得模型可以适应计算力较低的运行设备。从测试集中挑选若干图片进行检测，展示检测结果如图4 所示。从图4 可以看出，改进后的模型仍然可以较好地检测出路面车辆，检测框也都具有较高的置信度。

图4 检测结果展示图

4 结 语

本文使用了MobileNetV2 网络来替换YOLOv4 的主干特征提取网络，同时将网络中的卷积替换为深度可分离卷积，实现了在不过多影响模型检测精度的前提下，有效压缩了模型的体积，同时也提升了模型的检测速度。实验结果表明，在不同光线、不同天气、不同角度及不同远近程度下，所设计的模型均能有效地对路面车辆进行准确的检测，验证了模型的有效性。