基于YOLOv3的物体检测案例分析——津南数字制造算法挑战赛初赛

写在前面

第一次做物体识别的比赛，磕磕绊绊进了复赛。有几点感受想和大家分享一下：

• 不论是遇到什么样的bug，不论你现在排在什么名次，一定要坚持到最后一天，相信水到渠成。
• 单干太辛苦，组队以后，尝试更多的idea，和队友一起坚持到底。
• 一个强大的开源库往往能够让你事半功倍。推荐商汤的mmdetection。

赛题介绍

本次比赛是利用X光图像及标注数据，监测图像是否包含危险品及其大致位置。初赛阶段提供了五类带有两种矩形框位置标记的限制品标注数据，以及一定数量无限制品包裹数据，限制品包括：铁壳打火机、黑钉打火机、刀具、电池电容以及剪刀五类（类别id依次从1到5）。
评测方式采用计算box mAP的方式，对IoU = 0.5:0.05:0.95，分别计算mAP，再做平均得到最后的mAP。

数据集分析

训练集里有限制品的图片样本（restricted）共977张，供选择使用的无限制品图片样本（normal）共2539张。对restricted的图片样本进行分析：

• 样本均衡性分析
  赛题里说明有五种限制品，首先看一下训练样本集里各限制品的样本数。
  
  显然，铁壳打火机的样本数很少，而黑钉打火机、电源和电池样本数最多。样本有点失衡。
• 图片尺寸分析
  宽度：
  
  高度：
  
  横轴表示尺寸大小，竖轴表示样本数目。从上图中可以看出样本尺寸在500-600像素区间分布较多，所以，网络输入图片样本的尺寸最后定在了640x640（也是考虑到硬件显存有限…哎）。
• 其他尝试
  分析了两两类别的相关性，没有发现同时出现频率很高的两类别。

数据预处理

• 考虑到样本有点失衡，适当增加了铁壳打火机、剪刀和刀具的数量。具体做法：在normal数据集上贴上裁剪出的铁壳打火机，剪刀和刀具，新生成200张铁壳打火机样本，100张剪刀和刀具样本。
• 数据增强：
  基本操作：正负5°的旋转、0.1倍的缩放、正负2°的shear。

物体检测框架选择

物体检测目前分为one-stage和two-stage。one-stage的以YOLO、SSD等为代表，two-stage的以Faster-RCNN、SPPNet等为代表。如果比赛对实时性没有要求，建议采用two-stage的网络架构，精度更高，可操作性比较强。
初赛采用了YOLOv3，关于YOLOv3的讲解可以参考这篇博客。这里借用博客里的YOLOv3结构图：

值得注意的几点：

• YOLOv3里没有池化层，尺寸的缩小以stride=2实现；
• DBL是YOLOv3的基本单元；
• YOLOv3借鉴了残差网络里的残差结构，使得网络可以更深；、
• YOLOv3实现了多尺度检测，类似于FPN，大尺度的feature map检测小物体，小尺度的检测大物体；
• YOLOv3每个单元格预测3个box，每个box有5个参数（x,y,w,h, confidence)，所以每个单元格有3*（5+n_class）的输出；
• YOLOv3的loss是wh_loss+xy_loss+confidence_loss+class_loss，其中wh、xy采用了平方误差，confidence和class都用了交叉熵。

调参过程

• 使用k-means算法聚类，更换anchors。成绩提升不大，个人认为k-means的框的尺寸应该是数据增强后的尺寸，而不是原始数据集尺寸。
• 使用数据扩充的数据集（前面提到的400张新图片）。提升大概5%。
• SGDR+增大epoch。提升大概1%。
• 分析发现测试集里normal数据大概占了2/3，因此设计了一个二分类网络预先对测试集数据分类，阈值设置偏小，提升召回率。提升大概接近2%。
• soft-nms。soft-nms对于IOU比较高的同类两物体比较友好，比赛里用了提升不大。
• 输入尺寸、batchsize等超参数的调整还是看硬件配置，硬件条件有限，尽可能大吧。

小结

• 比赛里object里很多是小物体，检测结果显示，YOLOv3对小物体的识别还是可以的，基本能够将测试集里的object都检测出来。
• 然而，YOLOv3定位不是很准确，相比于two-stage的检测网络，YOLOv3框的精度还是有所欠缺，所以比赛并不讨喜。
• 网络还可以调整的地方：

1. 输出anchors的数量可以缩减；
2. loss可以调整调整，YOLOv3在样本不平衡方面有自己的解决方法，focal loss似乎改善不大。
3. backbone可以换一换。