中星微奪冠國際人工智慧演算法競賽，目標檢測一步法精度速度雙贏

新智元推薦

來源：Pascal2

【新智元導讀】日前，中星微把實際安防項目經驗應用到PASCAL VOC數據集，並成功在一步法（one-stage）演算法中取得了第一名的好成績。中星微人工智慧晶元技術公司董事長兼總經理張韻東表示：「中星微首次將安防監控應用經驗與國際演算法競賽數據集相結合，使得嵌入式前端設備也能達到與雲端智能相媲美的效果，取得了可喜可賀的成績，但這只是一個的開始，相信未來會帶來更多更精彩的內容。」

目標檢測是機器視覺中一個最重要和最早研究領域之一，也是一切機器視覺任務基礎，因此在目標檢測演算法方面，國際巨頭公司和科研機構紛紛進入這個領域，是兵家必爭之地，競爭非常激烈，也是目前在實際場景應用最成功的領域，包括安防監控、自動駕駛等多個領域。

日前，中星微把實際安防項目經驗應用到PASCAL VOC數據集，並成功在一步法（one-stage）演算法中取得了第一名的好成績，獲得87.2% mAP精度，超越了大部分兩步法（two-stage）的演算法，也證明了一步法（one-stage）可以做到精度和速度雙贏。

什麼是目標檢測？

目標檢測就是判斷給一副圖像上是否存在感興趣的物體，如果存在，就給出所有感興趣物體的類別和位置（What and Where）。PASCAL VOC是由利茲大學、蘇黎世聯邦理工學院、愛丁堡大學、微軟、牛津大學等組織的一個視覺識別競賽，包含了物體分類、目標檢測、圖像分割等任務，對計算機視覺的發展具有深遠而巨大的影響。其中,目標檢測任務囊括了車、人、貓、狗等20類常見目標，訓練樣本較少、場景變化多端，非常具有挑戰性。

圖二

圖三

兩步法檢測法和一步法檢測法

目前主流的目標檢測演算法主要是基於深度學習模型，其可以分成兩大類：

1）兩步法（two-stage）檢測演算法，其將檢測問題劃分為兩個階段，首先產生候選區域（region proposals），然後對候選區域分類（一般還需要對位置精修），這類演算法的典型代表是基於region proposal的R-CNN系演算法，如R-CNN，Fast R-CNN，Faster R-CNN等；

2）一步法（one-stage）檢測演算法，其不需要region proposal階段，直接產生物體的類別概率和位置坐標值，比較典型的演算法如YOLO和SSD。目標檢測模型的主要性能指標是檢測準確度和速度，對於準確度，目標檢測要考慮物體的定位準確性，而不單單是分類準確度。

一般情況下，兩步法（two-stage）演算法在準確度上有優勢，而一步法（one-stage）演算法在速度上有優勢。但在工業界應用中，一定要考慮速度和精度的平衡，特別是前端智能應用中，受到計算資源的限制，一般都會選擇一步法（one-stage）的演算法，基礎網路盡量選擇輕量級的網路，比如MobileNet等。

中星微2016年6月成功研發了神經網路處理器NPU（Neural-network Processing Unit），此NPU集成到星光智能一號VC0758晶元中，成為中國首款嵌入式神經網路處理器SOC晶元，針對前端智能的應用，中星微一直致力於研發可部署到端上的輕量級深度學習演算法。

經過幾年的研發積累，把實際安防項目經驗應用到PASCAL VOC數據集，並成功在一步法（one-stage）演算法中取得了第一名的好成績。中星微VIM_SSD網路，基於SSD深度學習目標檢測演算法的架構，融合多種機制和策略，並對網路進行了大量的優化。基礎網路採用VGG16，並未使用ResNet-101, ResNet-152等更複雜的網路，保證精度的情況下速度更快；同時整個網路為全卷積網路，可以自如調節檢測目標的解析度和使用場景，更容易在實際系統中部署。

下表是目前PASCAL VOC競賽前十名，可以看出，下面演算法中大部分應用了更複雜的基礎網路ResNet-101和ResNet-152，並使用了兩步法。

圖四

制約前端智能發展的限制條件

中星微人工智慧晶元技術公司研發副總艾國表示：「最近幾年，隨著深度學習方法的復興和快速發展，演算法方面取得了巨大的進展和突破，但前端智能的發展較為落後，其主要原因受限於前端的計算資源，因此搭載輕量級深度神經網路是前端智能發展必由之路，中星微一直致力於研發能夠和NPU緊密結合的輕量級深度神經網路，和可快速編譯、移植和部署的嵌入式智能應用方案。」

機制和策略

VIM_SSD採用了如下主要的機制和策略：1）使用FPN，融合多層特徵。2）使用inception結構，提供多種感受野。3）使用SE結構，增強有用特徵，抑制無用特徵。4）加入基於框的語義監督，增強提取到特徵的語義信息。

圖五

FPN是指將深層特徵經過放大，融合到低層特徵中，以增強低層特徵的語義信息。我們在這個基礎上，將融合後的特徵做了一些處理，以使其適應檢測任務。我們觀察到網路的anchor box並不全是1:1的，還可以有1:2，1:3，2:1，3:1，但是已有網路的卷積核都是MxM。我們引入inception+SE結構，一方面在其中加入1x3，3x1的卷積核，使其能夠更好地提取非正方形的特徵，另一方面引入SE模塊，讓網路為每種長寬比的目標自動選擇相應的特徵。

語義分割方面，在很多文章中已經有證明，它對目標檢測是有促進作用的。但是由於數據標註難度大，在實際項目部署過程中比較困難，所以我們採用基於框的語義信息，對網路語義特徵提取進行監督。

VIM_SSD作者之一楊敏表示：「我們從2016年開始研究輕量級深度神經網路，並在多個實際項目中使用和部署，這次主要是想把項目積累的經驗和方法在公開數據集上做一次嘗試，也是對過去工作一次階段性總結。」

中星微人工智慧晶元技術公司董事長兼總經理張韻東表示：「中星微首次將安防監控應用經驗與國際演算法競賽數據集相結合，使得嵌入式前端設備也能達到與雲端智能相媲美的效果，取得了可喜可賀的成績，但這只是一個的開始，相信未來會帶來更多更精彩的內容。」

數據來源：

http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?cls=mean&challengeid=11&compid=4&submid=17258

【加入社群】

新智元 AI 技術 + 產業社群招募中，歡迎對 AI 技術 + 產業落地感興趣的同學，加小助手微信號:aiera2015_3入群；通過審核後我們將邀請進群，加入社群後務必修改群備註（姓名 - 公司 - 職位；專業群審核較嚴，敬請諒解）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！