百度EasyDL AI開發(fā)公開課第1期：實(shí)戰(zhàn)解析真實(shí)AI場(chǎng)景下，極小目標(biāo)檢測(cè)與精度提升

主講人 | 哈利 百度高級(jí)研發(fā)工程師
量子位整理編輯

目前，各個(gè)企業(yè)行業(yè)在AI落地應(yīng)用中，常常會(huì)遇到極小目標(biāo)檢測(cè)問題。在這些AI應(yīng)用中，都需要在一個(gè)大圖中精準(zhǔn)識(shí)別出極小目標(biāo)，其檢測(cè)至關(guān)重要，也面臨很多難點(diǎn)。

比如，檢測(cè)框高寬比不固定，圖片背景雜亂，數(shù)據(jù)源稀缺，檢測(cè)框相比圖片非常小，這些難點(diǎn)都會(huì)導(dǎo)致較高的漏檢率。

10月21日，「EasyDL?AI開發(fā)系列公開課」第一期直播中，百度高級(jí)工程師以真實(shí)的產(chǎn)業(yè)場(chǎng)景為例，深入解析了如何解決這些難點(diǎn)、有效提高極小目標(biāo)檢測(cè)的準(zhǔn)確率，并手把手演示了如何用EasyDL構(gòu)建高精度物體檢測(cè)模型。

講解分為4個(gè)部分：

• EasyDL平臺(tái)整體介紹
• 物體檢測(cè)任務(wù)綜述
• 極小目標(biāo)檢測(cè)場(chǎng)景難點(diǎn)分析以及效果的優(yōu)化
• EasyDL經(jīng)典版實(shí)操演示

直播回放：

 

以下為直播文字實(shí)錄：

EasyDL平臺(tái)介紹

在和某咨詢公司的聯(lián)合調(diào)研中，我們發(fā)現(xiàn)有86%的市場(chǎng)需求需要定制開發(fā)業(yè)務(wù)場(chǎng)景下的AI模型。比如工業(yè)場(chǎng)景需要統(tǒng)計(jì)原材料的數(shù)量，食品安全場(chǎng)景需要監(jiān)測(cè)廚房廚師是否佩戴安全帽，在零售場(chǎng)景需要檢查貨品的陳列是否滿足標(biāo)準(zhǔn)……諸如此類的定制化需求，難以用統(tǒng)一的、標(biāo)準(zhǔn)化的服務(wù)去涵蓋，是需要定制開發(fā)的。

△需要定制開發(fā)AI模型的場(chǎng)景

2017年到2020年，百度AI開發(fā)平臺(tái)收到的定制化需求增長(zhǎng)速度非?？?。但是我們知道，機(jī)器學(xué)習(xí)系統(tǒng)構(gòu)建涉及到非常多的模塊，這些模塊的組合開發(fā)具有很大的挑戰(zhàn)性，需要投入大量的人力來做。因此，百度也總結(jié)了AI定制需求開發(fā)與應(yīng)用中的核心的痛點(diǎn)：

第一個(gè)痛點(diǎn)：數(shù)據(jù)。用戶很難獲得和場(chǎng)景匹配的數(shù)據(jù)，并且數(shù)據(jù)清洗標(biāo)注、數(shù)據(jù)的多樣性等方面都存在一些問題。

第二個(gè)痛點(diǎn)：開發(fā)訓(xùn)練。用戶開發(fā)模型的成本非常高，算力資源不足，算法的調(diào)優(yōu)比較困難，并且訓(xùn)練耗時(shí)長(zhǎng)。

第三個(gè)痛點(diǎn)：部署。部署的成本非常高，難以落地，模型的適配、遷移難，并且還會(huì)有重復(fù)開發(fā)，預(yù)測(cè)性能差，硬件成本高等問題。

為了解決這些痛點(diǎn)，百度面向AI開發(fā)全流程，提供了一站式的AI開發(fā)平臺(tái)—EasyDL。EasyDL主要分成三個(gè)部分。

第一部分是智能數(shù)據(jù)服務(wù)（EasyData），包括數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)擴(kuò)充、數(shù)據(jù)標(biāo)注四大能力。

EasyData智能數(shù)據(jù)服務(wù)大幅降低了AI定制模型的數(shù)據(jù)成本。用戶如果需要進(jìn)行全流程的數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、模型迭代，就會(huì)涉及非常多環(huán)節(jié)，而且需要不斷的迭代。而EasyData把整個(gè)流程抽象成了5個(gè)模塊：軟硬一體數(shù)據(jù)采集方案，自動(dòng)數(shù)據(jù)清洗/擴(kuò)充，智能標(biāo)注，模型訓(xùn)練與發(fā)布，自動(dòng)數(shù)據(jù)閉環(huán)。通過這五大模塊的能力，幫助用戶把數(shù)據(jù)采集、模型訓(xùn)練以及最后人工部署的成本都盡可能降低。

第二部分是開發(fā)與訓(xùn)練，提供了AutoDL工具，幫助用戶自動(dòng)進(jìn)行模型調(diào)優(yōu)；并引入了百度自有的超大規(guī)模預(yù)訓(xùn)練模型，并且預(yù)置了很多場(chǎng)景化算法和網(wǎng)絡(luò)；在訓(xùn)練方面提供分布式訓(xùn)練加速的能力。

EasyDL訓(xùn)練平臺(tái)可以幫助用戶使用更少的數(shù)據(jù)，獲得更優(yōu)的效果，而且訓(xùn)練速度更快。具體來說，基于百度自研的大規(guī)模預(yù)訓(xùn)練模型，大幅降低了數(shù)據(jù)成本；模型的調(diào)優(yōu)方面，采用了領(lǐng)先的AutoDL技術(shù)；在訓(xùn)練方面，應(yīng)用了飛槳內(nèi)的訓(xùn)練加速機(jī)制。

第三部分是端云一體服務(wù)部署，支持公有云部署、私有化部署和設(shè)備端部署（EasyEdge）。

EasyDL提供了靈活豐富的服務(wù)部署形態(tài)，包含公有云部署、本地服務(wù)器部署、設(shè)備端SDK以及軟硬一體產(chǎn)品。

以上是EasyDL在移動(dòng)端/設(shè)備端的應(yīng)用案例，以深圳旅影為例，用戶訓(xùn)練一個(gè)場(chǎng)景識(shí)別的模型，僅僅迭代兩版就獲得了97%以上的準(zhǔn)確率，效果非常不錯(cuò)。

EasyDL目前支持的圖像任務(wù)類型包括圖像分類、物體檢測(cè)、圖像分割。在企業(yè)應(yīng)用中，圖像分類和物體檢測(cè)占比較高，因此百度在這兩方面投入了很多的人力來進(jìn)行優(yōu)化。

物體檢測(cè)任務(wù)綜述

物體檢測(cè)定義

物體檢測(cè)是指，給定一張圖片，識(shí)別出圖片中的物體屬于哪個(gè)類別，并對(duì)相應(yīng)的物體進(jìn)行位置的定位。

物體檢測(cè)技術(shù)已經(jīng)發(fā)展了很久，從13年至今，主要有兩個(gè)方面的發(fā)展，一是兩階段檢測(cè)器，二是單階段檢測(cè)器?？傮w來說技術(shù)朝著越來越自動(dòng)化、越來越高效的方向發(fā)展，來滿足商業(yè)化的需求。

檢測(cè)器的通用框架

第一個(gè)部分是Feature Extraction特征提取模塊，圖像通過這個(gè)網(wǎng)絡(luò)可以提取出相應(yīng)的特征。

第二個(gè)部分是bonding box Matching，Labeling and Sampling模塊，輸入一系列的物體標(biāo)注框，會(huì)有一系列的anchor（錨框），比如上圖最右邊的紅色和綠色框就是我們預(yù)先定義好的anchor，模型就會(huì)用這些anchor作為一個(gè)基準(zhǔn)，再去學(xué)習(xí)物體的定位。有了這些anchor之后，我們要和這些GT框進(jìn)行匹配，去挑選出與物體比較吻合的框，稱為正樣本，就是綠色的框，不符合的框是負(fù)樣本。

從上圖中可以看出，這里的負(fù)樣本的數(shù)量非常多，無法直接拿來學(xué)習(xí)。所以接下來要增加一個(gè)采樣的模塊，挑選出適合模型訓(xùn)練的正負(fù)樣本，再輸入到下一個(gè)模塊—Detection檢測(cè)器，并進(jìn)行分類網(wǎng)絡(luò)和回歸網(wǎng)絡(luò)的學(xué)習(xí)。

極小目標(biāo)檢測(cè)場(chǎng)景難點(diǎn)分析及效果優(yōu)化

以COCO數(shù)據(jù)集中的物體定義為例，小物體是指小于32×32個(gè)像素點(diǎn)。在實(shí)際場(chǎng)景中，我們更傾向于使用相對(duì)于原圖的比例來定義。

因此，我們給出相對(duì)的定義，物體標(biāo)注框的長(zhǎng)寬乘積，除以整個(gè)圖像的長(zhǎng)寬乘積，再開根號(hào)，如果結(jié)果小于3%，就稱之為小物體。

常見的極小目標(biāo)檢測(cè)場(chǎng)景如圖示。這些檢測(cè)場(chǎng)景有什么難點(diǎn)呢？總結(jié)來說：

難點(diǎn)1：檢測(cè)框的高寬比多變，甚至出現(xiàn)極端的高寬比，漏檢率比較高；

難點(diǎn)2：背景雜亂，誤檢率比較高；

難點(diǎn)3：數(shù)據(jù)源稀缺，沒有豐富的數(shù)據(jù)訓(xùn)練；

難點(diǎn)4：圖片非常大，檢測(cè)框非常小，所以漏檢率高。

優(yōu)化案例1：以貨架擋板檢測(cè)場(chǎng)景為例

如圖中綠框所示，貨架擋板檢測(cè)的難點(diǎn)在于貨架擋板的高寬比非常極端，我們先選一些基礎(chǔ)的模型來訓(xùn)練。

比如我們?nèi)SD、YOLO、Faster RCNN等，就發(fā)現(xiàn)Faster RCNN達(dá)到了最好的效果—0.812。怎么進(jìn)一步優(yōu)化呢？

針對(duì)上述難點(diǎn)1，業(yè)界有Anchor自適應(yīng)算法可以解決這類問題：

△Anchor自適應(yīng)算法概覽

我們重點(diǎn)介紹差分進(jìn)化算法、超參優(yōu)化算法這兩種具有通用性的技術(shù)。

1、差分進(jìn)化算法

其特點(diǎn)是簡(jiǎn)單、高效、可拓展。搜索超參是anchor的高寬比和尺度，優(yōu)化目標(biāo)是所有檢測(cè)框與匹配的anchor的iou總和最大。

算法上，第一步是初始化種群。第二步是開始迭代的差分進(jìn)化，保留優(yōu)秀個(gè)體，淘汰劣質(zhì)個(gè)體。包含變異-交叉-選擇3個(gè)操作：

變異：從種群中隨機(jī)挑選兩個(gè)個(gè)體，用一定的規(guī)則去產(chǎn)生一個(gè)變異個(gè)體；

交叉：變異個(gè)體與事先指定的某個(gè)目標(biāo)個(gè)體進(jìn)行參數(shù)混合，生成實(shí)驗(yàn)個(gè)體；

選擇：將實(shí)驗(yàn)個(gè)體的優(yōu)化指標(biāo)與目標(biāo)個(gè)體進(jìn)行對(duì)比，保留優(yōu)化指標(biāo)較好的個(gè)體；

以上3個(gè)操作迭代循環(huán)，實(shí)現(xiàn)優(yōu)勝劣汰的能力。

這個(gè)方案的優(yōu)點(diǎn)就是速度快，無需訓(xùn)練模型，并且可以廣泛的適用于各種檢測(cè)模型，這種算法已經(jīng)在EasyDL經(jīng)典版上集成了。

2、超參優(yōu)化算法

其特點(diǎn)是優(yōu)化目標(biāo)和訓(xùn)練模型是一致的。優(yōu)化目標(biāo)是訓(xùn)練中的模型指標(biāo)（AP）最優(yōu)，可以運(yùn)用貝葉斯優(yōu)化、進(jìn)化算法等超參優(yōu)化算法。

優(yōu)點(diǎn)是以模型評(píng)估指標(biāo)作為優(yōu)化的目標(biāo)，效果更佳，并可廣泛適用于各種檢測(cè)模型。

其缺點(diǎn)是比較耗費(fèi)計(jì)算資源。但是相關(guān)算法能力已經(jīng)在EasyDL專業(yè)版集成，用戶可以通過EasyDL專業(yè)版創(chuàng)建項(xiàng)目，實(shí)現(xiàn)自動(dòng)超參搜索。

貨架擋板檢測(cè)優(yōu)化—anchor優(yōu)化

我們將anchor自適應(yīng)的方法應(yīng)用在本案例上。相對(duì)于默認(rèn)ratios來說，自適應(yīng)算法算出了5個(gè)比例，也就是說5個(gè)比例比較適合于這個(gè)模型。

我們用anchor自適應(yīng)的算法進(jìn)行優(yōu)化，效果從0.812提升到0.87。

那么如何進(jìn)一步優(yōu)化？我們之前提到了難點(diǎn)2（背景雜亂）和難點(diǎn)3（數(shù)據(jù)稀缺），現(xiàn)在繼續(xù)采用自動(dòng)數(shù)據(jù)增強(qiáng)的方案，去優(yōu)化數(shù)據(jù)本身。

△自動(dòng)數(shù)據(jù)增強(qiáng)算法概覽

我們概覽下自動(dòng)數(shù)據(jù)增強(qiáng)的一些主要算法。AutoAugment是第一個(gè)能得到很好效果的增強(qiáng)算法，但其搜索成本很高。

PBA算法采用優(yōu)勝劣汰的思路，在多個(gè)網(wǎng)絡(luò)的并發(fā)訓(xùn)練中不斷“利用”和“擾動(dòng)”網(wǎng)絡(luò)的權(quán)重，以期獲得最優(yōu)的數(shù)據(jù)增強(qiáng)調(diào)度策略。這個(gè)思路直覺上是可以通過優(yōu)勝劣汰來搜索到最優(yōu)策略。

DADA借鑒了DARTS的可微設(shè)計(jì)思路，搜索成本低，但增強(qiáng)算子權(quán)重梯度更新的方式限制了數(shù)據(jù)讀取速度。

以PBA為例，其特點(diǎn)是靈活、可拓展。

如圖，起兩個(gè)進(jìn)程分別訓(xùn)練模型，訓(xùn)練模型的主要參數(shù)一是超參，另外一個(gè)是權(quán)重（模型本身的參數(shù)）。

通過第一步訓(xùn)練，第二步需在某一個(gè)時(shí)間點(diǎn)，比較兩個(gè)進(jìn)程的效果，效果更優(yōu)的進(jìn)程就會(huì)取代效果差的進(jìn)程的權(quán)重。第三步，直接復(fù)制權(quán)重。第四步，擾動(dòng)原來的超參，產(chǎn)生一組新的超參，并繼續(xù)訓(xùn)練。

迭代循環(huán)這個(gè)訓(xùn)練流程，就可以產(chǎn)生一個(gè)增強(qiáng)算子的調(diào)度組合，并且是比較適合于這個(gè)數(shù)據(jù)集本身的。

EasyDL也上線了自動(dòng)數(shù)據(jù)增強(qiáng)搜索的能力，基于百度自研的分布式智能搜索的能力，目前支持PBA算法。算子方面，支持圖像分類和物體檢測(cè)兩種，開放了超過40種的算子。

并且提供了工業(yè)級(jí)的搜索算法，搜索的效率更高。在EasyDL線上的多場(chǎng)景模型精度上，平均提升了7%以上。

貨架擋板檢測(cè)優(yōu)化—自動(dòng)數(shù)據(jù)增強(qiáng)

我們把自動(dòng)數(shù)據(jù)增強(qiáng)應(yīng)用在貨架擋板檢測(cè)案例上，從原來的0.87提升到了0.88。

我們?cè)倏紤]一個(gè)問題，模型訓(xùn)練本身的超參非常多，如何才能搜索出最佳超參下的效果呢？

我們可以采用自動(dòng)超參搜索的技術(shù)。

EasyDL的自動(dòng)超參搜索技術(shù)是基于百度內(nèi)部的分布式智能搜索服務(wù)，目前支持隨機(jī)搜索、貝葉斯搜索和進(jìn)化算法三種算法，支持圖像分類和物體檢測(cè)兩類任務(wù)。

有兩大特點(diǎn)，一是其中的一些算法可以進(jìn)行無梯度優(yōu)化，不依賴于平滑性假設(shè)。二是支持大規(guī)模并行搜索調(diào)參。

在EasyDL線上多場(chǎng)景上面，加上我們自動(dòng)數(shù)據(jù)增強(qiáng)，再加上超參搜索，檢測(cè)精度平均提升10%以上。

貨架擋板檢測(cè)優(yōu)化—自動(dòng)超參搜索效果

繼續(xù)把自動(dòng)超參搜索應(yīng)用到本案例中，效果從0.88提升到0.92。總體來說，我們通過一系列的效果優(yōu)化，從最初的0.812提升到了現(xiàn)在的0.92，效果上非?？捎^。

優(yōu)化案例2：以電力巡檢缺陷檢測(cè)為例

接下來我們?cè)倏措娏ρ矙z缺陷檢測(cè)案例的優(yōu)化。這個(gè)案例的難點(diǎn)在于圖片非常大（4k分辨率），但是檢測(cè)框卻非常小，所以其漏檢率非常高。

首先，選擇一個(gè)基礎(chǔ)模型，這里選擇了retinanet和Faster RCNN，mAP最高是0.61。

anchor自適應(yīng)優(yōu)化

接下來用anchor自適應(yīng)優(yōu)化進(jìn)行調(diào)節(jié)，藍(lán)框是K-means聚類的結(jié)果；粉紅框是差分進(jìn)化的結(jié)果，可以看出差分進(jìn)化算法在匹配效果上更加優(yōu)秀。

利用anchor自適應(yīng)優(yōu)化算法，檢測(cè)結(jié)果從0.61提升到0.65。效果有所提升，但對(duì)于商用場(chǎng)景來說不夠理想。那么，如何從根本上提升效果？

自動(dòng)切圖優(yōu)化

這里涉及到了上述的第4個(gè)難點(diǎn)，圖片非常大，檢測(cè)框非常小。因此，這里就考慮用到自動(dòng)切圖技術(shù)，既能夠不放大圖片尺寸，又能夠放大檢測(cè)目標(biāo)。

我們把這張圖切成了9個(gè)子圖，9個(gè)子圖有一定的相交。問題是這9張子圖全部都要參與訓(xùn)練，也就是會(huì)增加9倍的簡(jiǎn)單的負(fù)樣本，而且模型并沒有可以選擇的機(jī)會(huì)。就會(huì)導(dǎo)致模型越學(xué)越簡(jiǎn)單，無法檢測(cè)很難的案例。

如何解決這個(gè)問題？首先，挑選出包含較難負(fù)樣本的Negative chips切圖，把包括這些較難的負(fù)樣本的區(qū)域提取出來，作為一個(gè)子圖，實(shí)現(xiàn)自動(dòng)挑難負(fù)樣本的能力。

△SNIPER-正樣本切圖策略

其次，用切圖代替原圖，并降低計(jì)算量。

SNIPER論文考慮到了這個(gè)問題，以正樣本的切圖為例，小尺寸圖對(duì)應(yīng)小GT框。

△SNIPER-負(fù)樣本切圖策略

對(duì)于負(fù)樣本，則先訓(xùn)練幾個(gè)epochs，使模型具有一定的分辨能力，標(biāo)記假陽(yáng)性的難負(fù)樣本，并學(xué)習(xí)錯(cuò)誤的樣本。通過這種方式，可以找到最難的一批負(fù)樣本切圖。

接下來，把這些正負(fù)樣本切圖直接送入到模型的訓(xùn)練中。SNIPER切圖技術(shù)本質(zhì)上就是一種切圖采樣策略，也就是說，針對(duì)任意一個(gè)檢測(cè)器，都可以采用這樣的前置策略。

回到案例，采用這種自動(dòng)切圖技術(shù)，效果從0.65直接提升到0.93，這個(gè)效果的跨越幅度非常大。這也證明了自動(dòng)切圖算法能夠從根本上能夠解決小目標(biāo)檢測(cè)的問題。

EasyDL經(jīng)典版實(shí)操演示

詳細(xì)操作指南可參考百度EasyDL官網(wǎng)介紹文檔，不再贅述。

—完—