基于改进YOLOv5s的轻量化车辆目标检测算法

舒腾辉，丛 屾

(黑龙江大学 机电工程学院，哈尔滨 150080)

0 引 言

近年来，基于深度学习的人工智能技术取得了重大突破，深度学习在各领域都有着良好表现[1-2]。自动驾驶在智能交通领域变得越来越受到关注。在自动驾驶领域中，主要的检测对象是行驶在道路中的车辆，为了使自动驾驶在车辆目标检测任务中有些良好的表现，针对车辆的识别和归纳显得尤为重要[3]。

目前深度学习目标检测的方法主要分为one-stage、two-stage和anchor free的检测方法，针对two-stage检测算法中预设anchor情况，冗余框较多的问题，提出了anchor free，以达到实时高精度。而one-stage检测算法中的YOLO(You Only Look Once)[4-8]系列算法结合了anchor free，因此在车辆检测任务中，主要使用one-stage检测算法，相较于two-stage检测算法，检测速度更快，更适合对高速运行的车辆进行目标检测。其中，YOLOv1-v3主要的网络结构包括：负责特征提取的Backbone层、负责特征融合的Neck层，以及负责分类结果预测并输出的Head层。YOLOv3算法在Neck部分借鉴了特征金字塔的思想，引入了自底向上的FPN结构，在3个不同的尺寸上分别进行预测[9]。YOLOv4和YOLOv5算法在YOLOv3的基础上引入了自顶向下的PAN结构，即FPN+PAN相结合的形式，扩大了感受野，能够获得feature map的语义特征和位置信息。

在使用 YOLO 算法对车辆检测时，由于YOLO 模型的内存较大，对YOLO算法的轻量化是当前的研究方向。Howard A G等[10]提出了满足移动设备要求的高效模型MobileNets，采用深度可分离卷积构建轻量级网络，将卷积过程分解为深度卷积、逐点卷积两部分，实现通道内卷积和通道间卷积的分离，达到了减少模型参数量的目的；Liu W J等[11]利用深度可分离卷积设计了一种反残差模块，有效减少了模型计算量和存储量。霍爱清等[12]提出了改进的YOLOv3算法对车辆目标进行实时检测，其参数量比原有的减少了67%，提升了性能和效率。通过将深度可分离卷积引入YOLOv4-tiny的CSP架构。黄凯文等[13]成功地将网络的参数量降低了52%，从而显著改善了网络的反应能力。王银等[14]为了提升小目标车辆的检测性能，同样基于YOLOv4模型，在PAN结构中引入深度可分离卷积，同样也将参数量减少了42%，提升了网络响应速度。由此可见，轻量化网络结构MobileNet在减少模型参数有良好的表现，因此引入了MobileNet系列的v3版本，提出了一种将YOLOv5s算法与MobileNetv3-Large轻量级网络相结合的改进算法，提升其检测速度并降低网络的参数量。

1 轻量化网络MobileNet

Google从2017到2019年相继推出了轻量化网络MobileNet系列，MobileNetv1[10]提出了深度可分离卷积，MobileNetv2[15]在这基础上新增加了瓶颈残差模块，MobileNetv3[16]的网络架构将深度可分离卷积[17]和线性瓶颈技术有机地结合在一起，以提升其效率和可靠性，SE[18](Squeeze and Excitation)注意力模块以及h-swish函数的应用，提升了系统的运行效率。因此，本文采用MobileNetv3替换YOLOv5s的骨干网络，以此减少参数量。

MobileNet系列算法通过改变传统的卷积模型为深度可分离卷积模型，使其能够更有效地处理复杂的问题，从而降低计算量和参数量，并且加快运行速度。深度可分离卷积由深度卷积和1×1的逐点卷积两部分组成。通过使用滤波器和线性组合技术，可大幅度降低参数的复杂度，节省计算成本。

MobileNetv3网络结构是该系列中最先进的算法，特点是模型尺寸小、参数量少，且精确度较高，能够满足多种复杂的分类、检测、图像分割等需求，并能够在多种计算能力水平上得到良好的运行效果。作为基础模块的Bneck结构，采用1×1的卷积技术，可有效地提高维度，从而更好地利用高维空间中获取的特征信息来进行深入研究；采用深度可分离卷积技术，并将SE模块融入其中，以实现对各种通道的权重的有效调节，提高系统的性能和效率；采用1×1的卷积算法，可有效地减少维度，而当步长设定为1时，可对输出和输入进行残差处理。Bneck结构见图1。

图1 MobileNetv3的Bneck结构Fig.1 Bneck structure of MobileNetv3

2 改进的YOLOv5s车辆检测算法

YOLOv5s[6]基于回归的One-Stage目标检测算法。采用MobileNetv3-Large网络取代YOLOv5s网络中的骨干网络CSPDarkNet53，以改善模型的性能，而其余部分则与原有模型保持一致，其结构见图2。

图2 YOLOv5s-M3网络结构Fig.2 Network structure of YOLOv5s-M3

由图2可见，YOLOv5s-M3在经过MobileNetv3之后，获得的特征矩阵96×13×13先是通过1×1卷积，得到48×13×13的特征矩阵，再输入到空间金字塔层(Spatial Pooling Layer，SPP)模块，通过在3个并列的最大池化处中进行下采样，由于每个步长均为1，因此得到的结果为48×13×13；然后，将结果与输入该模块的特征矩阵在深度上相加，得到182×13×13的特征矩阵；最后，使用96×96的卷积核进行卷积，使特征矩阵恢复为96×13×13。在颈部使用空间金字塔结构，特征金字塔[19](Feature Pyramid Network，FPN)自上向下传达强语义(High-Level)特征，路径聚合网络[20](Path Aggregation Network，PAN)则自下向上传达强位移(Low-Level)特征，两者联合，提高了特征信息提取能力。

YOLOv5s中含有3种损失函数，分别影响分类(cls_loss)、定位(box_loss)、置信度(obj_loss)。其中分类和置信度的损失函数采用的是BCE Blur With Logits Loss，为一种二元交叉熵损失函数；定位的损失函数采用的是CIOU[21]。

(1)

(2)

(3)

(4)

式中：b和bgt分别为预测框和真实框的中心点；ρ为计算两个中心点之间的欧氏距离；c为用来描述一个可容纳真实框和预测框的最小闭合区域，用来描述两个框之间的距离。v为衡量真实框和预测框相对比例的一致性；α为权重系数，不仅包含了面积交并比IOU，还包含了更多的考虑因素，这些因素构成了αv。

CIOU可准确地反映出物体的长宽比，但精确性取决于物体的位置和置信度，因此，如果忽略了这些因素，可能导致检测出现偏差。因此，采用EIOU[22]损失函数，EIOU是在CIOU基础上的改进，增加了长度与宽度的损失，以弥补CIOU的不足。表达式为

(5)

3 实验分析

3.1 实验数据集

实验数据集的选择：UA-DETRAC[23]数据集是取景于北京和天津的道路过街天桥。其中训练集约82 085张图片，测试集约56 167张图片，该数据集可用于多目标检测和多目标跟踪算法开发。实验所选取其中6 000张图片组成一个新的数据集UA-DETRAC-P，并将其按照6∶2∶2的比例将其划分为训练集、验证集和测试集。

3.2 实验环境与参数

实验在Windows 10系统中进行，选用型号为NIVIDA GeForce RTX3060的图形处理器(Graphics Processing Unit，GPU)，加速环境为 CUDA 11.3，CUDNN8.2.1。在模型实验参数的中，设置迭代次数为200次，学习率为0.001，batch size为4。

3.3 评价指标

在实验过程中与不同算法的性能进行比较，主要评价指标是从平均精准率均值(Mean Average Precision，mAP)和检测速度(Frames Per Second，FPS)进行对比。在目标检测过程中，T和F表示分类是否正确，P和N分别表示正样本和负样本，TP(True Positives)表示正样本被正确识别，TN(True Negatives)表示负样本被正确识别，FP(False Positives)表示误测的负样本，FN(False Negatives)表示漏测的正样本。AP(Average Precision)为平均精度，即PR曲线上各精度值的平均值，表达式为

(6)

对于每个类别，按照上述方法计算AP值，并取所有待映射类别AP值的平均值：

(7)

精确率和召准率分别为

(8)

(9)

3.4 结果与分析

通过采用UA-DETRAC-P数据集对模型进行训练，并且针对改进步骤进行消融实验，通过对比参数量、mAP值和FPS来证实算法改进的有效性。通过采用优化骨干网络、调整损失函数以及将两种技术有机地结合，并对其采用消融实验进行验证分析，结果见表1。

表1 不同改进方法对算法性能的提升

由表1可见，针对骨干网络进行MobileNetv3的轻量化优化，模型的检测速度从30帧/s提升到了33帧/s，对损失函数的优化之后，mAP值从83.27%提升到了83.35%，且检测速度从30帧/s提升到了33帧/s，将两种优化结合在一起后的YOLOv5s-M3相较于YOLOv5s，其检测速度从30帧/s提升到了37帧/s，且参数量从7.33 M减少到了6.41 M，实验证明本文的改进方法有一定的提升效果，检测可视化结果见图3。

图3 YOLOv5s-M3检测结果图Fig.3 Detection result graph of YOLOv5s-M3

将YOLOv5-M3算法与其他轻量化算法进行比较，结果见表2。

表2 不同算法的AP、mAP对比

由表1和表2可见，提出的YOLOv5-M3算法相较于YOLOv5s算法来说，mAP值虽然有0.34%的降低，但是参数量减少了0.92 M，检测速度增加了7帧/s。并且YOLOv5-M3算法相比于轻量化算法YOLOv5-lite在测试集中的训练结果来说，提出的改进方法有着较好的检测精度。

4 结 论

针对车辆检测算法对于小目标检测较困难的问题，基于YOLOv5算法，通过使用MobileNetv3网络结构替换原有的骨干网络结构，使用EIOU函数改善损失函数，降低模型的复杂度，减少模型的参数量，提升模型的检测速度，并经过实验验证，优化后的YOLOv5s-M3算法的mAP值较其他轻量化算法更加出色，并且具备更强的鲁棒性。