北京交通大學(xué)電子信息工程學(xué)院袁雪副教授給我們講解了在高級輔助駕駛系統(tǒng)（ADAS）中的多任務(wù)深度學(xué)習(xí)框架的應(yīng)用。

內(nèi)容提綱：

ADAS系統(tǒng)包括車輛檢測、行人檢測、交通標志識別、車道線檢測等多種任務(wù)，同時，由于無人駕駛等應(yīng)用場景的要求，車載視覺系統(tǒng)還應(yīng)具備相應(yīng)速度快、精度高、任務(wù)多等要求。對于傳統(tǒng)的圖像檢測與識別框架而言，短時間內(nèi)同時完成多類的圖像分析任務(wù)是難以實現(xiàn)的。

袁雪副教授的項目組提出使用一個深度神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)交通場景中多任務(wù)處理的方法。其中交通場景的分析主要包括以下三個方面：大目標檢測（車輛、行人和非機動車），小目標分類（交通標志和紅綠燈）以及可行駛區(qū)域（道路和車道線）的分割。

這三類任務(wù)可以通過一個深度神經(jīng)網(wǎng)絡(luò)的前向傳播完成，這不僅可以提高系統(tǒng)的檢測速度，減少計算參數(shù)，而且可以通過增加主干網(wǎng)絡(luò)的層數(shù)的方式提高檢測和分割精度。

以下為當天分享的內(nèi)容總結(jié)。

圖文分享總結(jié)

一、任務(wù)分析

WHO在2009年統(tǒng)計的一個數(shù)據(jù)顯示，在全世界范圍內(nèi)每年由交通事故死亡的人數(shù)有123萬人。但是我們知道，在朝鮮戰(zhàn)爭中，整個戰(zhàn)爭死亡的人數(shù)也差不多一百多萬。也就是說，每年死于交通事故的人數(shù)差不多等于一次非常慘烈的戰(zhàn)爭的死亡人數(shù)了。根據(jù)WHO統(tǒng)計，在全世界范圍內(nèi)每年由交通事故造成的死亡人數(shù)有123萬之多；而發(fā)生交通事故90%是由司機人為原因造成的，比如注意力不集中、超速、安全意識弱等等。所以目前減少交通事故的最主要途徑通過采用高級輔助駕駛系統(tǒng)（ADAS）就是減少認為錯誤。

對于ADAS系統(tǒng)，基本上包括這些功能：夜視輔助、車道保持、司機提醒、防撞提醒、車道變換輔助、停車輔助、碰撞疏解、死角障礙物檢測、交通標志識別、車道線偏移提醒、司機狀態(tài)監(jiān)測、遠光燈輔助等。這些功能是ADAS所必備的。

為了實現(xiàn)這些功能，一般其傳感器需要包括視覺傳感器、超聲波傳感器、GPS&Map傳感器、Lidar傳感器、Radar傳感器，還有一些別的通信設(shè)備。但是我們在市面上看到的大多數(shù)傳感器其功能其實是比較少的，例如mobile I，它只有車道保持、交通標志識別、前車監(jiān)測和距離監(jiān)測的功能，但并不全面。從廠家或者用戶的角度來說，自然我們希望能用最便宜的傳感器來完成更多ADAS的功能。最便宜的傳感器基本上就是視覺傳感器。所以我們設(shè)計方案時就想，能不能通過算法將視覺傳感器實現(xiàn)更多ADAS系統(tǒng)的功能呢？這就是我們整個研發(fā)的初衷。

此外，我們還需要考慮ADAS的一些特點。ADAS系統(tǒng)（包括無人駕駛）是在一個嵌入式平臺下進行的，也就是說它的計算資源很少。那么我們也必須考慮如何在這樣一個計算資源非常少的基礎(chǔ)上，保證ADAS系統(tǒng)能夠快速且高精度地響應(yīng)，同時還能保證多任務(wù)的需求。這是我們第二個要考慮的問題。

為了解決以上兩個問題，我們首先把ADAS的任務(wù)分解一下。如圖所示，我們將ADAS的任務(wù)分解成目標檢測與識別、圖像分割、攝像機成像目標跟蹤、圖像分割。我們過去一年多的研發(fā)工作其實就是，用一個深度學(xué)習(xí)框架來同時實現(xiàn)上述這四個的功能。

對于一個前向傳播的網(wǎng)絡(luò)，其計算量和計算時間主要取決于它的參數(shù)數(shù)量，而80%的參數(shù)都來自全鏈接層，所以我們的第一個想法就是去掉全鏈接層。其次，網(wǎng)絡(luò)越深，它的參數(shù)就會越多所以如果我們把目標檢測與識別、圖像分割、攝像機成像目標跟蹤、圖像分割做成四個網(wǎng)絡(luò)的話，就會有X4倍的參數(shù)。

所以針對這兩個考量，我們用一個主干的網(wǎng)絡(luò)來做前面的運算，然后在后面再根據(jù)具體的任務(wù)分成多個小的分支加到主干網(wǎng)絡(luò)上。這樣多個圖像處理的任務(wù)就可以通過一個主干網(wǎng)絡(luò)的前向傳播來完成了，其參數(shù)大大減少，計算速度也變的更快。同時我們也能實現(xiàn)多個任務(wù)同時進行的需求。另外，在最后我們還可以將多個結(jié)果進行融合，駕到訓(xùn)練過程的調(diào)整中，這樣就可以提高我們結(jié)果的可信性。

但是在這個過程中我們也碰到一些難點。第一個難點就是我們在同一個網(wǎng)絡(luò)中需要將較大的目標（例如車輛）和較小的目標（例如交通標志）同時檢測出來。第二個難點是，測速測距時我們需要的目標的位置是非常精確的，目前這個問題我們還沒有解決。