YOLO算法在目标姿态检测中的应用

•

YOLO算法在目标姿态检测中的应用

本文提出了一种在较少规模摘 数据集的情况下对目标的位置和 要姿态进行判断的方法。在训练之前对数据集增添随机的扰动因子来增加数据集的鲁棒性，从而降低过拟合的风险。在训练的过程中，通过对损失函数进行设置，使得模型具有判断物体方向的功能。实验结果表明，改造过后的YOLO算法对物体的姿态具有较好的识别能力。 【关键词】深度学习 目标检测 机器学习 YOLO

目标检测的目的是从不同复杂程度的背景中辨识出运动目标, 并分离背景, 从而完成跟踪、识别等后续任务。

20 世纪 80 年代, Rumelhart、Hinton 和Williams 三位科学家完整而系统地提出了基于反向传播算法 (Back propagation, BP) 的神经网络，开启了深度学习在学术界和工业界的浪潮。深度学习自从其诞生之初，便一次又一次地在它所涉及的领域取得巨大的成功，其核心原因在于它具有强大的特征表示和学习能力。一个强有力的特征表达, 对于多媒体内容识别和分析的效果是事半功倍的。

通常而言，目标检测是针对多目标进行的，而我们要做的是对同一目标的不同姿态进行识别。相对而言，对同一物体的姿态进行分类会有几个突出的技术难点：

（1）由于是对同一物体进行特征提取，因此解决过拟合问题比较困难；

（2）由于同一物体不同姿态的差别往往很细微，因此要求我们的分类器需要有更高的灵敏度。本文充分利用了YOLO算法实时检测，一次读取的特点，设计了一种可以识别特定场景下目标方向的方法。

1 方法提出

1.1 目标检测的研究现状

文/徐昆 朱国华 刘文凤 范超

图1：YOLO中的检测原理

图2：数据集示例

图3：图2增加随机扰动因子后的效果

2015年，Redmon J提出了YOLO检测算10种，假定每张图片中只有一个需要识别的法。YOLO属于CNN，由卷积层，池化层和目标，每个目标只有简单的4个姿态（上下左全连接层组成。与CNN不同的是，YOLO的右），那么使用传统的one-hot编码方式，最输出层不再是Softmax函数，而是张量。目前后网络的输出向量的维度应该为10+4+4。

基于深度学习应用比较广泛的目标检测算法可以看到，即便是一个功能如此简单的可以分为两类：第一类是双步 (two stage)目标模型，它最后的输出维度也到达了18*1，如检测算法，如 Fast R-CNN，Faster R-CNN，果在此之前对图像进行7*7的区域划分，则模Mask R-CNN等，这些算法都是将目标检测分型最后的输出维度至少应有7*7*18。但是在为两个阶段，首先使用区域候选网络(RPN)来某些特定的场景下，相应的损失函数可以写为提取候选目标信息，然后再经过检测网络完成如下公式：

对候选目标的位置和类别的预测和识别；第二类是单步(one stage)目标检测算法，如 SSD，YOLO，如图1所示。 1.2 损失函数设置

（1）

对目标的姿态进行识别是计算机视觉领

域的一个难点，如果要识别的目标的种类有

2 数据集及数据处理

Electronic Technology & Software Engineering 电子技术与软件工程• 181

数据库技术

• Data Base Technique

图4：测试样例

2.1 数据集制作与处理

位置可以用一个三元组（cx，cy，RelativeW，和单纯的目标检测相比，如果想要使得RelativeH），分别表示相对水平位置，相对竖直位置，相对宽度，相对高度，计算方式为：

模型具有识别目标姿态（上下左右）的功能，那么我们使用的数据集至少是原始数据集的4 倍。在实际的操作中，我们制作了一个简单的

只有300多张图片的数据集。每张图片对应的标签有5个维度，（cx，cy，width，height，classification），分别表示目标中心点坐标（cx，3.2 实验结果及分析

cy），宽度，长度（width，height），和类别在训练过程中，我们最终定下了一个10（classification），如图2所示。

层的卷积神经网络，它在规模相对较小的条件为防止网络过拟合，通常而言我们需要尽下能够得到较高的精确度。在训练1000次之可能多的训练数据，然而，通过人工进行图像后，我们的模型的均方误差已经降到了0.004，采集的方式获取数据的效率很低，想获得足够如图4所示。

多的数据需要很长时间。对于图像识别问题来说，使用数据增强来扩大数据量是一 种效率4 结束语

很高且行之有效的办法。图像识别问题中常用 本文根据YOLO算法，提出了一种改进的数据增强方法有：平移、旋转、翻转、缩放、算法，通过对损失函数进行设置使得模型具有色彩 偏移等。

判别目标方向的功能。在实验的过程中，为了从图3我们可以看到，对图片增加均值0，提高模型的泛化能力，我们使用了不同方法对方差40的随机扰动之后，可以有效的屏蔽光数据集进行增强，使得模型在较少数据集的情线，明暗等局部无关特征。由于我们要做的是况下，完成了在特定场景下对特定目标进行定对目标的角度进行识别，因此我们可以对图像位和姿态检测的功能。

进行180°的翻转操作，这样可以有效屏蔽由于角度差异而带来的误差。

参考文献

3 检测方法

[1]尹宏鹏,陈波,柴毅,刘兆栋.基于视

觉的目标检测与跟踪综述[J].自动化学

3.1 设置相对坐标

报,2016,42(10):1466-14.

[2]Rumelhart D E, Hinton G E, Williams R

为了能够在不同尺度的照片上进行检J. Learning representations by back-测，我们用相对坐标来标识物品。如下图所propagating errors[J]. Nature, 1986, 示，设图像的水平长度为width，竖直长度为height，以图像的左上角为原点,向下，向右323(6088): 533-536.

[3]尹宏鹏,陈波,柴毅,刘兆栋.基于视

为正方向。如果预测框的左上角坐标为（x1, y觉的目标检测与跟踪综述[J].自动化学

1）,右下角坐标为（x2，y2）,那么预测框的

182 •电子技术与软件工程 Electronic Technology & Software Engineering

报,2016,42(10):1466-14.

[4]王宇宁,庞智恒,袁德明.基于YOLO算

法的车辆实时检测[J].武汉理工大学学报,2016,38(10):41-46.

[5]Girshick R. Fast R-CNN[C]//IEEE

International Conference on Computer Vision and Pattern Recognition, 2015: 1440-1448.

[6]Ren S, He K, Girshick R B, et al.

Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137-1149.

[7]Kaiming He, Georgia Gkioxari, Piotr

Dollár, et al. Mask R-CNN[C]//IEEE Conference on Computer Vision and

Pattern Recognition, 2018, PP(99):1-1.

[8]Liu W, Anguelov D, Erhan D, et

al. SSD: single shot multibox detector[C]//European Conference on Computer Vision, 2016: 21-37.

[9]Redmon J, Divvala S, Girshick R, et

al. You only look once: unified, real-time object detection[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2016: 779-788.[10]董秋成,吴爱国,董娜,冯伟.用于

卷积神经网络图像预处理的目标中心化算法[J].中南大学学报(自然科学版),2019(03):579-586.

作者简介

徐昆（1997-），男，湖北省黄冈市人。本科生。主要研究领域为机器学习，数据挖掘与计算机视觉。

朱国华（1969-），男，山东省胶州市人。博士学历，副教授。主要研究领域为分布式仿真与软件工程。

作者单位

江汉大学数学与计算机科学学院 湖北省武汉市 430056