微信扫码引擎功能强大，但同时也面临着越来越多的挑战。在长按识别场景中，许多码图像经过截图、朋友圈和聊天多次压缩转发，质量严重受损，分辨率下降，边缘变得模糊不清，这给识别带来了很大的困难。具体来说，这主要体现在以下两个方面：
图像分辨率小。例如一些嵌入在海报（如图1）或远距离拍摄的码，其分辨率远小于通常情况下的码图像。
图1.海报中的二维码占比很小
图像质量较低。长按识别的码图像，有很多是经过了多次的压缩和转发，存在严重的人工效应（如振铃效应）干扰。
图2. 经过多次转发压缩的二维码图像质量严重下降
这严重影响了传统的识别算法。一旦遇到这些低质量的码图像，传统算法往往很难给出令人满意的结果。
针对这些问题，我们在识别流程中引入了超分辨率策略，在提高扫码图像分辨率的同时，改善图像质量，以提高识别率。作为QBarAI扫码引擎的一部分，该算法精简高效，支持二维码、小程序码、一维码、PDF417等多种主流码格式。在真实场景下的测试表明，这一策略大大提高了扫码引擎对低质量图像的鲁棒性和识别成功率，使其能够适用于更加广泛和复杂的场景。由于实际应用中二维码占了非常大的比例，下面我们就以二维码为例介绍一下这个码图超分技术。
02
算法简介
通常情况下，相比于低分辨率图像，高分辨率图像能够提供更丰富的细节，呈现出良好的视觉效果，对于二维码识别这种以图像作为输入的后续流程，也有助于提高系统的整体表现。然而，受成像设备、存储空间和网络资源的限制，我们常常只能获得较低分辨率的图像。于是，超分辨率技术便派上了用场。
超分辨率技术以低分辨率图像作为输入，重建高分辨率输出，是计算机视觉领域的一个经典问题。传统的基于像素插值的超分算法以其计算简单、速度快的优势，被广泛采用，如最近邻（nearest）插值，双线性（bilinear）插值以及双三次（bicubic）插值等。但它们无法适应多样的图像内容，感知能力较差，难以重建出图像的高频信息，输出图像过于模糊，应用于压缩图像时，甚至会放大人工效应干扰。
图3. 模型结构
近年来，计算机视觉技术和深度学习飞速发展，学术界开始关注利用深度学习解决图像重建问题。我们根据扫码图像的特点，设计了适用于移动端的超分网络，实现了快速高效的码图像重建，并改善图像质量，大大提高了扫码算法的识别成功率。网络结构如图3所示。图4展示了我们的算法的重建效果。
图4. 超分还原效果展示
我们主要实现了以下效果：
扫码图像的的超分还原。对分辨率较小的码图像进行超分还原，得到高分辨率输出，保证编码区域边缘锐利，清晰可辨。
图像质量增强。对于多次压缩转发后的码进行图像质量增强，减小人工效应对后续识别流程造成的干扰。
模型体积小，计算速度快。经过量化压缩后的网络模型仅有13K，远小于当前学术界常用的主流超分模型。
表1. 与不同的算法对比
表1对比了不同算法的效果，其中运行时间是在iPhone7上基于ncnn框架使用双线程实际测试得出的。可以看到，我们的算法在识别率和效率上均具有很大优势。
03
相关工作
SRCNN[3]将传统的基于稀疏编码的超分方法视为一个卷积神经网络，首次将深度学习应用于超分辨率重建问题中，实现了高低分辨率图像间端到端的映射，图5展示了SRCNN的网络结构。随后又涌现出了FSRCNN[2]、ESPCN[4]、VDSR[5]、EDSR[1]、IDN[6]等许多后继的研究，网络深度和模型复杂度不断增加，旨在提高重建的准确率，得到更高的峰值信噪比（PSNR），并提出了一系列措施在保持网络训练稳定性的同时加快收敛。此处不做赘述，感兴趣的读者可以参阅相关文献。
图5. SRCNN网络结构
然而，直接将这些算法应用于二维码图像超分存在一些问题，主要集中在以下两点：
上述模型为了得到更高的重建准确率，体积较大，处理速度慢，不适合在移动端部署。
这些算法针对自然图像的通用超分问题而设计，没有关注到二维码图像本身所具有的特点。
因此，有必要探索尝试新的精简高效的方法。
04
二维码超分算法
我们基于深度学习设计的超分算法，对特征图进行了充分的重利用，在减小计算量的同时保持良好的重建效果。同时，根据二维码图像的特点，采用了专门的损失函数，以提高后续识别的成功率。
4.1网络结构
为了精简模型体积，加快运算速度，就要压缩神经网络的深度和宽度，这样会带来精度的损失。为了减小这种损失，我们参考DenseNet[7]的做法，在网络中利用密集连接的方式，将网络浅层特征与深层特征连接，来保证层与层之间最大程度的信息传输。
图6. 与原始DenseNet的对比
与原始的DenseNet不同的是，我们采用了更精简的瓶颈结构，使3 x 3卷积在低于增长率的特征维度下进行，进一步减小了模型的体积和计算量。上图展示了二者的区别（为了简洁，忽略了激活函数和左图的BN）。根据NTIRE2017 Super-Resolution Challenge冠军队伍[1]的做法，我们去掉了BN层。另外，针对参数量和运算量均较大的3 x 3卷积，我们将其改为depthwise卷积[8]，最后增加了一个1 x 1卷积用于特征通道的组合与升维。对于激活函数，相比于ReLU，采用Leaky ReLU可以获得0.6%的识别率提升。
在网络的上采样与重建模块，我们发现，较多的通道数对图像重建的帮助很大，同时，使用额外的重建层对上采样结果进一步增强，也可提升效果。为了兼顾准确率与效率，我们采用了类似的基于depthwise的瓶颈结构实现上采样与重建。
4.2残差学习
我们使用原始的低分辨率图像作为输入，在网络最后的重建层使用反卷积上采样到目标分辨率，这样整个计算过程在低分辨率空间中进行，减小了运算量。
图7. 残差学习
在超分辨率问题中，主要的任务是估计出图像的高频信息，而输入图像包含了主要的低频信息。如果直接预测高分辨率图像，那么我们可以将网络的学习任务作如下分解[5]：
1）将低频输入信息传递至输出端（auto-encoder的作用）；
2）预测图像高频细节。而实际上，低频输入无需网络重建，学习auto-encoder造成了训练时间的浪费。
为了加快收敛速度，我们将这两个任务显式地分离，使用计算量很小的最邻近插值直接将输入图像放大至目标尺寸，作为低频信息与网络输出相加，得到最终输出。通过这种方式，网络只需学习高频残差，从而加快收敛。实验证明，残差学习不仅可以加快收敛，也提高了重建准确度，识别率提高了0.5%。
4.3目标函数
与通用超分不同，二维码图像是二值图像，而超分目的是提高后续的识别成功率。因此，最终的衡量标准不再是常用的PSNR，而是识别成功率。下图展示了二维码的基本结构：
图8. 二维码的基本结构
相比于自然图像，二维码的纹理模式比较单一，边界分明。识别流程的第一步是将图像二值化，然后根据扫描像素行/列匹配对应比例来寻找定位点。根据这些特点，我们尝试了以下损失函数：
L1/L2 损失。超分重建是个回归问题，可以直接使用L1或L2 loss，经过验证，二者相差不大，L2 loss略优于L1 loss；
边界损失[10]。对于定位图形的检测，边缘清晰与否是一个至关重要的因素。为了使模型能够尽可能准确地重建出清晰的边缘，我们使用sobel算子提取出图像的边缘信息，作为损失函数的权重，以加大这些位置预测偏差的代价。实验表明，这样的目标函数将识别准确率提升了0.8%。
二值模式限制（Binary Pattern Constraint）损失[9]。二维码图像是二值图像，仅有黑白两种颜色组成。但退化后的图像可能会产生介于黑白之间的灰色像素。为此，我们采用二值模式限制损失函数加大对错误计算的灰色像素的惩罚。在L2 Loss的基础上，使用Sigmoid函数的一阶导数作为权重：
该函数图像如下图：
图9. 二值模式限制的权值函数
该函数对落在中间灰色区间的灰度值施以更大的惩罚，从而促使网络输出更符合二维码特性的重建结果，与普通的L2 Loss相比，识别率提高了1%。
此外，我们还对训练数据做了额外的处理。比如，二维码中心区域的logo信息对识别没有帮助，我们直接将其擦除。为了在超分放大的同时提高图像质量，我们还在训练数据集中引入了多种图像退化类型，以增强模型的鲁棒性和泛化能力。
4.4模型蒸馏
在深度网络的应用中，人们常常倾向于设计更为庞大复杂的网络模型以获取更好的效果，但随之而来的是空间与时间消耗的急剧上升。显然，为了能成功地将我们的算法部署在移动端，就要严格控制资源的消耗。有研究表明深度模型具有较大的信息参数冗余，这就为模型的蒸馏提供了可能。所谓模型蒸馏就是将训练好的复杂模型的“知识”迁移到一个结构更为简单的网络中，或者通过简单的网络去学习复杂模型中“知识”。代表工作可参考文献[11]。
在我们的实验尝试中，大模型识别率高但消耗资源多，小模型与之相反。为了进一步提升小模型的效果，我们使用不经压缩的大模型来引导小模型的训练。我们实验了两种蒸馏策略：1）特征层蒸馏，即额外加入大模型的中间特征层作为监督信号；2）直接令小模型拟合大模型的预测结果。实验中，第一种策略没有帮助反而会降低识别效果，而第二种策略则在不同的设定下都可取得0.1%~0.3%不等的提升。模型蒸馏在测试过程中不会带来额外开销，对速度和模型体积均不会产生影响。
经过一系列的精心设计，最终我们的模型量化后体积仅有13K。在困难验证集上的实验测试中，与普通的bicubic插值相比，我们的超分算法的将识别率由39.69%提高到了60.31%，在iPhone7上真机单帧耗时仅6.39ms（100x100），完全可以满足移动端的需求。
05
总结与展望
我们针对小分辨率低质量的码图像，综合考虑性能与效率，设计了适用于移动端的超分算法，在保证速度的同时提高了扫码算法的识别成功率。后续我们会结合实际中遇到的问题，继续优化算法，不断完善。
06
参考文献
[1]Lim B, Son S, Kim H, et al. Enhanced Deep Residual Networks for Single Image Super-Resolution[C]. Computer Vision and Pattern Recognition Workshops, 2017: 1132-1140.
[2]Dong C, Loy C C, Tang X. Accelerating the super-resolution convolutional neural network[C]. European Conference on Computer Vision, 2016: 391-407.
[3]Dong C, Loy C C, He K, et al. Image super-resolution using deep convolutional networks[J]. IEEE transactions on pattern analysis and machine intelligence, 2016, 38(2): 295-307.
[4]Shi W, Caballero J, Huszár F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016: 1874-1883.
[5]Kim J, Kwon Lee J, Mu Lee K. Accurate image super-resolution using very deep convolutional networks[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016: 1646-1654.
[6]Hui Z, Wang X, Gao X. Fast and Accurate Single Image Super-Resolution via Information Distillation Network[J], 2018.
[7]Huang G, Liu Z, Weinberger K Q, et al. Densely connected convolutional networks[J]. arXiv preprint arXiv:1608.06993, 2016.
[8]Howard A G, Zhu M, Chen B, et al. Mobilenets: Efficient convolutional neural networks for mobile vision applications[J]. arXiv preprint arXiv:1704.04861, 2017.
[9]Kato Y, Deguchi D, Takahashi T, et al. Low Resolution QR-Code Recognition by Applying Super-Resolution Using the Property of QR-Codes[C]. International Conference on Document Analysis and Recognition, 2011: 992-996.
[10]Svoboda P, Hradis M, Barina D, et al. Compression Artifacts Removal Using Convolutional Neural Networks[J]. Journal of Wscg, 2016, 24(2): 63-72.
[11]Hinton G, Vinyals O, Dean J. Distilling the Knowledge in a Neural Network[J]. Computer Science, 2015, 14(7): 38-39.
原文
1351
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
