YOLOP 多任務(wù)算法詳解

YOLOP 是華中科技大學(xué)研究團(tuán)隊(duì)在 2021 年開源的研究成果，其將目標(biāo)檢測/可行駛區(qū)域分割和車道線檢測三大視覺任務(wù)同時(shí)放在一起處理，并且在 Jetson TX2 開發(fā)板子上能夠達(dá)到 23FPS。

論文標(biāo)題：YOLOP You Only Look Once for Panoptic Driving Perception

論文地址：https://arxiv.org/abs/2108.11250

官方代碼：https://github.com/hustvl/YOLOP

YOLOP 的核心亮點(diǎn)就是多任務(wù)學(xué)習(xí)，而各部分都是拿其它領(lǐng)域的成果進(jìn)行縫合，其網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示：

三個(gè)子任務(wù)共用一個(gè)Backbone和Neck，然后分出來三個(gè)頭來執(zhí)行不同的任務(wù)。

根據(jù)論文所述，整個(gè)網(wǎng)絡(luò)可以分成一個(gè) Encoder 和 3 個(gè) Decoder。

Encoder 包含 Backbone 和 Neck，Backbone 照搬了 YOLOv4 所采用的 CSPDarknet，Neck 也和 YOLOv4 類似，使用了空間金字塔（SPP）模塊和特征金字塔網(wǎng)絡(luò)（FPN）模塊。

Decoders 即三個(gè)任務(wù)頭：

1. Detect Head

   目標(biāo)檢測頭使用了 Path Aggregation Network （PAN）結(jié)構(gòu)，這個(gè)結(jié)構(gòu)可以將多個(gè)尺度特征圖的特征圖進(jìn)行融合，其實(shí)還是 YOLOv4 那一套。

2. Drivable Area Segment Head & Lane Line Segment Head

   可行駛區(qū)域分割頭和車道線檢測頭都屬于語義分割任務(wù)，因此 YOLOP 使用了相同的網(wǎng)絡(luò)結(jié)構(gòu)，經(jīng)過三次上采樣，將輸出特征圖恢復(fù)為（W， H， 2）的大小，再進(jìn)行具體任務(wù)的處理。

損失函數(shù)包括三部分，即三個(gè)任務(wù)的損失。

1. 目標(biāo)檢測損失

   目標(biāo)檢測是直接照搬 YOLOv4 的，因此和 YOLOv4 采用的損失一樣，經(jīng)典的邊界框損失、目標(biāo)損失和類別損失，各自加了個(gè)權(quán)重。

2. 語義分割損失

   另外兩個(gè)語義分割損失采用的均是交叉熵?fù)p失。

3. 總體損失，總體損失為三部分損失之和：

pytorch 中 DDP 使用：

（1）參數(shù)加載；

（2）模型轉(zhuǎn)換成 DDP 模型；

（3）訓(xùn)練數(shù)據(jù) sampler，來使得各個(gè)進(jìn)程上的數(shù)據(jù)各不相同；

（4）分布式模型的保存。

models/YOLOP.py

core/loss.py    utils/utils.py

用于單任務(wù)訓(xùn)練固定其他網(wǎng)絡(luò)部分層。

后續(xù)在 train（）中 warmup 會調(diào)整學(xué)習(xí)率。

首先定義一個(gè)優(yōu)化器，定義好優(yōu)化器以后，就可以給這個(gè)優(yōu)化器綁定一個(gè)指數(shù)衰減學(xué)習(xí)率控制器。

（1） torch.optim.lr_scheduler.LambdaLR  
語法：class torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=-1)

參數(shù)：

      optimizer （Optimizer）：要更改學(xué)習(xí)率的優(yōu)化器，sgd或adam；
      lr_lambda（function or list）：根據(jù)epoch計(jì)算λ \lambdaλ的函數(shù)；或者是一個(gè)list的這樣的   function，分別計(jì)算各個(gè)parameter groups的學(xué)習(xí)率更新用到的λ \lambdaλ；
      last_epoch （int）：最后一個(gè)epoch的index，如果是訓(xùn)練了很多個(gè)epoch后中斷了，繼續(xù)訓(xùn)練，這個(gè)值就等于加載的模型的epoch。默認(rèn)為-1表示從頭開始訓(xùn)練，即從epoch=1開始。

1.該文件繼承 AutoDriveDataset.py。

2、按比例縮放操作：letterbox（）圖像增加灰邊

3、數(shù)據(jù)增強(qiáng)操作

utils/utils.py 文件：

• random_perspective（）放射變換增強(qiáng)

• augment_hsv（）顏色 HSV 通道增強(qiáng)

• cutout()

YOLOP 包括三個(gè)檢測任務(wù)，目標(biāo)檢測+可行駛區(qū)域檢測+車道線檢測。

loss.py postprocess.py

build_targets 思想：

build_targets 主要為了拿到所有 targets（擴(kuò)充了周圍 grids）對應(yīng)的類別，框，batch 中圖片數(shù)索引和 anchor 索引，以及具體的 anchors。

每個(gè) gt 按照正樣本選取策略，生成相應(yīng)的 5 個(gè)框，再根據(jù)與默認(rèn) anchor 匹配，計(jì)算寬高的比例值，根據(jù)閾值過濾不相符的框，得到最終正樣本。

#[b, a, gj, gi]為shape=54的向量，pi為[4,3,48,80,6]維矩陣，從pi中按照b, a, gj, gi的索引挑出想要的目標(biāo)，最終為[54,6]維ps = pi[b, a, gj, gi]  # prediction subset corresponding to targets 。b, a, gj, gi為索引值，在pi中挑

predictions[0] 目標(biāo)檢測分支[[4，3，48，80，6]，[4，3，24，40，6]，[4，3，12，20，6]]。

targets[0] 目標(biāo)檢測標(biāo)簽 [32，6]，格式為[batch_num，class，x1，y1，x2，y2]。根據(jù) build_targets 在每個(gè)檢測層生成 相 應(yīng)的正樣本 tbox[]。

將每層的預(yù)測結(jié)果 tensor pi 根據(jù)正樣本格式得到 ps = pi[b， a， gj， gi]。

計(jì)算每個(gè)檢測層預(yù)測與正樣本之間的 ciou 坐標(biāo)損失。

iou = bbox_iou(pbox.T, tbox[i], x1y1x2y2=False, CIoU=True)  # iou(prediction, target)
 lbox += (1.0 - iou).mean()  # iou loss 坐標(biāo)損失

obj 損失：

cls 類別損失：

det_out：障礙物檢測輸出格式：[25200，6] 其中 6 表示[x1，y1，x2，y2，conf，cls]，25200 ：（80x80+40x40+20x20）x3。

lane_line_seg : 車道線分割輸出格式：1，2,640,640。

drive_area_seg : 可行駛區(qū)域分割輸出格式：1，2,640,640。