深度学习技术在机械工程测试技术教学中的应用(2)

许多研究表明，添加高级特征信息能够提高检测性能，特别是在小目标物体的检测效果较为显著[11]。检测模块包括两个子模块，即层间特征融合模块和层内特征融合模块。层间特征融合模块融合来自细化检测模块的不同层的特征图，首先使用反卷积操作来确保不同的特征映射在同一尺寸，并采用元素总和将相应的两个特征图合并在一起在，该模块使得相邻特征图之间得以交互，丰富了语义信息。层间融合特征模块通过放大候选区域的感知域窗口来合并上下文信息，在检测阶段增加相应层的感受野以及物体尺度，从而更有效地检测小物体。最后，整合所有候选区域计算出不同预测类别分数和精确的位置偏移，完成最终检测。

如前文所述，通过上述卷积直接生成的候选框，其每个单元（cell）对应原始图像都可生成与该层感受野相匹配的候选框（Default Box），但这种稠密的候选框正负样本的不平衡问题将有损最终检测模型的正确率。因而采取基于多特征层对候选区域目标进行先验判断，即对稠密的候选框进行背景与前景的初始判别，过滤到大多数的负样本，使得正样本比例达到一定的阈值保证检测的有效性，生成最终的候选区域。

而候选区域目标识别是通过结合前端生成的候选框与由图像金字塔特征融合提取的特征来预测的，具体是，首先对用于候选框生成的图像金字塔分别继续做卷积以进一步提取特征，并将后四层特征层依次反卷积，以与前一层特征层大小相同，后与前一特征层进行特征融合，并继续卷积激活提取特征，再结合经预筛选的候选框进行最终的目标类别预测。

其中，候选框与图像目标的匹配实现方法与SSD一样，如图1所示，根据Softmax分类器进行多目标预测，生成关于目标类别的置信分数，同时对候选区域位置进行精确回归。

图1 多尺度目标检测

因而该优化过程需要将分类和回归两部分结合，基于分类和回归同时操作的模型称为多任务模型，最终的损失函数由两部分构成，下式所示：

其中为分类损失函数，其求解过程基于的公式是：

其中为位置回归损失函数，其求解过程基于的公式是：

其中：

主要求解预测框相对于真值的中心点坐标偏移量以及长宽的比例变化。最终选取非极大值抑制为局部最大搜索，在同一候选区域内，只保留置信分数最大的候选区域，去除与该框重叠度大于一定阈值的其余候选框，该方式能够去除冗余检测框，保留最好的一个检测结果。

此外，卷积层和BN层的融合，也是课题组考虑得方向，神经网络训练的过程中，BN层能够加速网络收敛，并且能够控制过拟合。不过这样也增加了一些运算和参数，因此在推理过程中，可以通过将BN层与卷积层的参数融合的方式，来减少运算，并略微地实现一些模型的压缩。若卷积层计算公式为：

如此分析出，层融合方法，理论上可减少计算量。

为了确保训练数据的多样性，采集了不同的天气环境，光照条件和列车运行状态下的铁路场景图像。由于相邻序列之间的内容相似，首先每隔五帧对图像进行采样，共收集了大小为640像素×512像素的7342个样本图像。

1.检测效果

使用平均精度（mAP）来评估模型的有效性，将FFDet与最先进的探测器SSD，DSSD和Fast-RCNN进行了比较，结果如表1所示。其中，FFDet比SSD检测效果更优，六类目标的mAP均超过了SSD，特别是小型目标安全帽的FFDet的mAP值比SSD大1.24%。与表1中的其他方法相比，FFDet获得最高的mAP 89.786%，且在所有目标检测中都取得了最好的成绩。相比Faster-RCNN，实验结果在某种程度上不是很好。我们认为，其原因可能是Faster-RCNN可能更适合大图像检测，因为Faster-RCNN的输入大小为1000×600，而本文收集的铁路图像的尺寸是640×512，而且上采样插值增大图像可能导致丢失图像信息。对于DSSD，120k次迭代的训练时间超过一周，而对铁路数据集的检测精度mAP低于FFDet以及SSD。

表1 采用不同网络的检测结果。所有网络都基于相同的数据集训练，且同一测试集上测试。粗体字表示最佳结果。目标类别\AP\网络 SSD(one-stage)Faster-RCNN(two-stage) DSSD-321 FFDet列车 0.9038 0.9034 0.8976 0.9081行人 0.8707 0.7940 0.8093 0.8915直行轨道 0.9013 0.9017 0.8886 0.9051左转轨道 0.8611 0.8712 0.8360 0.8819右转轨道 0.9078 0.9061 0.9050 0.9081安全帽 0.8698 0.817 0.8317 0.8922检测精度（mAP）0.8857 0.8650 0.8803 0.8979

2.不同环境下模型鲁棒性检测

文章来源：《分析测试技术与仪器》 网址: http://www.fxcsjsyyq.cn/qikandaodu/2021/0727/790.html