目标检测

基于深度学习的交通标志检测

可以在这里找到代码。它可能比文章更新;

目标

使用简单的卷积神经网络对交通标志进行分类。

机器学习

想象一下，你需要建立一个识别手写体数字的程序。

  

这是5。但也可以说是3。

 

你会用什么规则来判断它是3还是5呢？

 

研究人员决定向计算机展示成千上万的例子，并试图通过经验来解决问题，而不是试图挑选所有规则并构建一个非常复杂的程序。这是机器学习的开始。

 

机器学习的主要问题之一是特征提取。尽管我们向计算机展示了成千上万的例子，但我们仍然需要告诉他应该关注哪些特征。对于复杂问题，这还不够好。

 

深度学习模型绕过了这一点。它们自己学习应该关注哪些特征。

 

02

深度学习

为了简洁起见，我不打算深入深度学习的数学解释。我花了大约20个小时来理解这些概念并使用它们。相反，我会尝试解释深度学习背后的原因。如果你想要更深入，我会发布一些我用过的视频和讲座。

 

作为人类，识别物体似乎是一项非常简单的任务。我们几乎不用做任何努力，至少不是有意识的。但在我们真正了解我们正在看的东西之前，我们的大脑实际上已经完成了很多工作。

 

在20世纪50年代后期，两位著名的神经生理学家，David Hubel和Torsten Wiesel，在一只猫身上进行了实验，以显示视觉皮层中的神经元是如何工作的。

 

首先，他们表明附近的细胞处理来自附近视野的信息，形成地形图。此外，他们的工作确定具有相似功能的神经元被组织成列，微小的计算机器将信息传递到大脑的更高区域，并逐渐形成视觉图像。

 

大脑简单地结合低级特征，如基本形状，曲线，并构建更复杂的形状。

 

深度学习卷积神经网络是类似的。它首先识别低级特征，然后学习识别并组合这些特征以学习更复杂的模式。这些不同层次的特征来自网络的不同层。

  

深度学习是一个迷人的领域，我希望给你一个足够清晰的介绍。我鼓励你观看关于这个非常棒的斯坦福大学课程。

 

如果你更喜欢阅读，我推荐 Goodfellow，Bengio和Courville的书。

交通标志项目

如果我们想要自动驾驶车辆，检测和分类交通标志是一个必须解决的问题。

 

我们将使用的数据集是在线提供的德国交通标志数据集。

 

它共包含超过50,000张图像，分为43个不同的类别：速度限制(speed limits)，危险曲线(dangerous curves)，湿滑路面(slippery road)......以下是其中一些：

 

  

该数据集在几年前曾用于竞赛。比赛的最佳结果正确地猜出了99.46％的标志。相比之下，人类表现确定为98.84％。是的，机器比人类准确率更高，因为它能更好地处理最困难的情况，例如速度限制标志的模糊图像，这可能被误认为是不同的速度限制。

03

 数据增量

在我们开始构建深度学习网络之前，让我们分析一下数据。

 

这是不同类的分布：

 

  

正如您所看到的，类之间存在太大差异。我们将创建一些数据来平衡输入数量，并减少网络可能对某些类别产生的偏差。它还将帮助我们向网络提供更多数据。

 

一种简单的方法是将图像图像旋转一定的角度。通过旋转5度，-5度，10度和-10度，我们已经可以将某些类的输入增加了五倍。

 

这是我们在此操作后获得的分布。

  

数据更加平衡，每个类至少有500个图像。

 

网络结构

本文的这一部分详细介绍了网络架构。如果您不熟悉深度学习，可以跳到结果部分。

 

第一层是卷积核大小为3*3，步长为1，SAME填充，深度为64的CNN。

 

第二层和第三层是宽度为512全连接层。

 

最后一层是一个宽度为43（类的数量）的全连接层。

 

我使用了Adam优化器及其默认参数，因为它目前被认为是最有效的。

 

我使用了250的批量大小和100个训练周期(epoch)。

 

我尝试添加更多的卷积网络，但它们没有改善结果并且大大增加了计算时间。没有必要添加它们，因为我们使用的图片之间的统计不变性很低。它们中的大多数已经中心化并在标志周围进行了裁剪。

 

我因为标志的形状和颜色总体上非常简单，使用了一个中等大小的网络，但是全连接层很宽，因为标志的形状，颜色和整体外观有一些变化。

 

我没有使用超过100个周期，因为之后准确性没有提高。我还希望保持网络清晰，因此在AWS上训练它不会花费太多时间，并且结果令人满意。

 

结果

到目前为止，我只授权自己查看验证准确性。当我高于99％且对结果感到满意时，我决定针对测试集进行计算。

 

最终验证准确率: 0.9938

最终测试准确率: 0.9110

 

验证集和测试集之间的8％下降表明我的模型过拟合了。

 

以下列出了一些技巧可以避免过拟合：

• L2正规化
• 提前终止
• Dropout

 

查看混淆矩阵还可以帮助我们查看错误最多的类别：

如你所见，大多数错误位于左上角。这些都是速度限制。似乎模型可以检测到它是速度限制，但很难识别标志中值之间的差异。

 

附录

我测试了从互联网上下载的一些随机标志，看看模型会如何反应：

     

 

最后两个标志在我们的数据集中。

 

前三个的标志被正确识别，置信度为99+%

 

第四个标志（显然）识别错误，80%的置信度作为禁止进入标志。

 

第五个标志（显然）以99%的置信度错误识别为速度限制。该模型应该做得更好。