2022年11月14日22:37:18 科技 1491

在競技中磨礪，在實戰中成長

集結超千名數據科學家報名參加

惠普Z系列算法大賽火熱進行中

在這裡，切磋交流，彰顯技術實力

在這裡，快速學習，提升算法技能

在這裡，創意無限，解鎖極智鏡界

合Z之力解鎖極智境界

「惠普Z系列算法大賽」報名倒計時

為幫助大家勇奪佳績

奉上解題算法指南

理清思路，創新算法

歡迎數據科學家來挑戰！

【賽題簡介】

本次惠普Z系列算法大賽主要聚焦在衛星/無人機遙感場景，大賽官方將提供場景數據，由參賽者檢測道路車輛，在本地完成「帶角度信息的目標檢測」並調試算法，在線提交結果。

【算法簡介】

本次為大家帶來的解題思路，是利用YOLOv3目標檢測方法，在融合DRBox算法思想的基礎上完成對各類旋轉車輛目標的定位與分類。

1.1 YOLOv3算法簡介

隨着目標檢測方法各種不同思想的融會貫通，YOLO系列檢測算法經歷了從YOLOv1到YOLOv2，再到如今YOLOv3的迭代過程。

YOLOv1是Joseph Redmon等人於2015年提出的單階段目標檢測算法。其將輸入圖片劃分為S×S個網格，每個網格負責預測中心點落到該處的目標。具體來說，整個網絡最後輸出（B×5+C）個S×S的特徵圖，其中B表示每個網絡會預測B個邊框，每個邊框包括5個預測值，分別是x, y, w, h和confidence；C則表示B個邊框共享的C類目標概率。在當時的實時檢測算法中，YOLOv1的檢測效果是最好的。然而，其最大的缺點在於檢測精度明顯較低。

考慮到YOLOv1的檢測精度較差，Joseph Redmon等人於2017年提出了更新的YOLOv2檢測算法。YOLOv2重點解決了召回率和定位精度方面的誤差，相較於YOLOv1進行了以下一些改進：提高了分類網絡訓練的圖像分辨率；引入了Faster R-CNN中anchor box的思想；對網絡結構的設計進行了改進；輸出層使用卷積層替代YOLO的全連接層等，從而在識別精度、定位精度和檢測速度等方面都有大大提升。

圖1-1 YOLOv3與其他方法在COCO上的性能比較

YOLOv3則是在YOLOv2的基礎上，吸收SSD中多層檢測、FPN特徵金字塔以及ResNet更好的基礎網絡等思想提出的更精準的檢測方法。其在COCO上的性能如圖1-1所示。

相比於YOLOv2，YOLOv3從以下幾個方面進行了改進:

1）採用多標籤分類來替代之前的多交叉熵分類：每個候選框採用多標籤的方式進行分類，即採用二值交叉熵來進行候選框類別的學習。當預測的目標類別較複雜，且存在重疊情況時，這種分類方式十分有效；

2）採用多尺度特徵進行預測：借鑒SSD和FPN的思想，YOLOv3在三個不同尺度的特徵圖上進行預測，分別為scale1（13×13）、scale2（26×26）和scale3（52×52）。同時，在scale2和scale3上，採用高層特徵上採樣後和低層特徵進行融合後的特徵進行預測；

3）設置更多、更有效的先驗框：YOLOv3延續了YOLOv2利用聚類統計的方式來獲取先驗框寬高的設置，由於預測層數的變多，YOLOv3總共設置了9個尺度的先驗框，並且平均分佈於每個尺度的預測層上（即對於每個尺度的預測層，其每個特徵點對應3個先驗框，13×13對應較大的3個，52×52對應較小的3個，26×26對應餘下的3個）；

4）利用更強大的特徵提取網絡：YOLOv3結合ResNet和NIN的思想，提出了更加高效的backbone，名為darknet-53。Darknet-53在保留相對較低計算量的同時，分類精度可媲美ResNet-101，甚至ResNet-152。

在YOLOv3後，出現了少量基於該框架的一些檢測方法，分別如下：

1）GIoU（CVPR 2019）：在目前大多數目標檢測算法中，常常採用L2、L1或者Smooth L1 Loss的方式來進行邊框調整的訓練，然而在評測的時候卻利用IoU來判斷是否檢測到目標。這兩種方式顯然存在不一致性，即無法用上述度量來決定IoU的好壞。針對這一問題，GIoU提出了一種更加普適的度量，直接利用GIoU進行損失的計算和梯度反傳，從而使得目標檢測精度更高。

2）Gaussian YOLOv3（ICCV 2019）：參考KL Loss，Gaussian YOLOv3在YOLOv3的基礎上，採用高斯模型來預測邊框。即對於每個預測框來說，從之前的(

)變為（

），其中

表示邊框的坐標，表示各坐標的不確定性。在最終獲取目標置信度時，採用邊框包含目標概率、目標類別概率和邊框確定性三部分的乘積，即

。這裡的採用的是上述四個方差的平均。

詳細可參考：https://github.com/pjreddie/darknet

1.2 DRBox旋轉框思想簡介

圖1-2 DRBox（基於SSD）算法示意圖

DRBox採用定向框來克服遙感圖像中水平檢測框的困難。定向框是一個帶有angle參數的矩形，用於定義其方向。其需要五個參數來回歸其位置，大小和方向。與水平檢測框相比，定向框更緊密地圍繞了目標的輪廓，比水平框包含更少的背景像素，因此目標和背景之間的分類更容易。

詳細可參考：

（DRBox）

https://github.com/liulei01/DRBo

（DRBoxv2）

https://github.com/ZongxuPan/DrBox-v2-tensorflow

1.3 推薦思路

傳統的YOLOv3採用無旋轉矩形框的方式來檢測目標，與之相關的操作也基本保持這個特性，例如先驗框的設定，訓練過程中匹配先驗框的機制以及NMS過程中IoU的計算等。而在旋轉矩形建模下，其最大的不同在於額外引入了旋轉角θ。因此，上述相關的操作過程要根據進行調整。

1.3.1 先驗框設置

在原始的YOLOv3中，主要包含以下一些先驗框。這裡以基礎網絡為darknet-53，網絡輸入大小為416×416舉例說明。

1）scale1（13×13）：在該尺度特徵圖上，每個點對應3個不同大小的先驗框，分別是[116，90]，[156，198]和[373，326]，如圖3-3所示。

圖3-3 scale1（13×13）傳統矩形先驗框示例圖

2）scale2（26×26）：在該尺度特徵圖上，每個點同樣對應3個不同大小的先驗框，分別是[30，61]，[62，45]和[59，119]，如圖3-4所示。

圖3-4 scale2（26×26）傳統矩形先驗框示例圖

先驗框放大4倍顯示

3）scale3（52×52）：在該尺度特徵圖上，每個點同樣對應3個不同大小的先驗框，分別是[10，13]，[16，20]和[33，23]，如圖3-5所示。

圖3-5 scale3（52×52）傳統矩形先驗框示例圖

先驗框放大8倍顯示

在保持每個尺度上先驗框大小不變的情況下，我們為每個先驗框增加了旋轉角度，旋轉角度以30°的間隔從0°開始變化到330°。每個尺度帶旋轉角度的先驗框分別如圖3-6、3-7和3-8所示。

圖3-6 scale1（13×13）旋轉矩形先驗框示例圖

圖3-7 scale2（26×26）旋轉矩形先驗框示例圖

先驗框放大4倍顯示

圖3-8 scale3（52×52）旋轉矩形先驗框示例圖

先驗框放大8倍顯示

1.3.2 先驗框與目標框匹配

YOLOv3在匹配的過程中，首先初始化每個尺度的先驗框為背景區域，即令Objectness的ground-truth為0；然後對於每個目標框，找到與其最佳匹配的先驗框，令其Objectness的ground-truth為1，同時根據先驗框的分類和邊框回歸偏置值進行梯度反傳，之後不斷迭代優化。

在傳統矩形先驗框下，一般採用IoU的度量來獲取每個目標的最佳匹配。IoU定義如下：

基於傳統IoU，旋轉矩形之間的匹配度量ArIoU在保持框位置和大小的情況下，同時引入了角度之間的差異，具體如下：

其中A表示目標框，旋轉角度為

；B表示先驗框，旋轉角度為

；

表示將先驗框B繞中心點旋轉，使得其與目標框A具有同樣的旋轉角度。因此，ArIoU相當於在傳統IoU的基礎了，多了

。

在每種尺度預測層上的匹配過程中，對於每個旋轉矩形目標，首先獲取其所對應的網格；然後在該網格中找到與其最佳匹配的旋轉先驗框，若該先驗框正好處於當前尺度下，則該先驗框與當前目標框進行匹配，並根據先驗框的分類和邊框回歸偏置值進行梯度反傳，之後不斷迭代優化。

1.3.3 先驗框與目標框匹配

在原始傳統矩形框檢測下，YOLOv3會在三個尺度上進行預測，假設尺度表示為

。同時對於每個尺度特徵圖上的點，會設置M個先驗框，每個先驗框會預測

個數值，分別是邊框偏移量（

），置信度C以及屬於每個類別的概率。

儘管在YOLOv3的技術報告中沒有提到損失函數的具體定義，但根據對源碼和其之前系列檢測算法的了解，損失函數包含三個部分，一是採用歐式距離損失計算邊框偏移量的預測誤差，二是採用logistic回歸損失定義信度C的預測誤差，最後是採用logistic回歸損失定義多標籤P分類的預測誤差。具體形式表示如下：