如若转载本文请在文章顶部标注“
本文转载自51CTO（ID：weixin51cto）,作者：51CTO
最近我参加了Nexar组织的交通信号灯识别挑战赛，花费了十个星期认真的学习了深度学习，最终幸运的获得了第一名，收获了5000美元的奖金。
在这篇文章中，我会把我的解决方案描述一下，分享代码，当然还有一些并不完善的地方，未来我会继续改进。
即使你不是人工智能专家也无需担心读不懂这篇文章，因为文章重点放在创作理念和实践方法上，而不是具体的技术实施。
（
红绿灯识别演示
）
我把代码放在了github上，地址是https://github.com/davidbrai/deep-learning-traffic-lights，目前我正在维护之中
挑战赛的目标是识别出司机们使用Nexar应用所拍摄出的图像中的交通信号灯。也就是说在任意一张给定的图像中，识别器需要判断出是否有红绿灯并且输出红灯或是绿灯。当然，它应该只识别行驶方向的信号灯。
下面这几张图可以更清楚的说明：
以上就是我需要识别的三种可能性：没有红绿灯、红灯和绿灯。
要解决这个挑战，
最合适的解决方案是基于卷积神经网络，这是目前最流行的方法，应用深度神经网络来识别图像。
最终提交的识别模型大小也是评判的依据，模型文件越小，得分越高。此外，获胜所需的精度要达到95%。
Nexar提供了18659幅标记图像作为训练数据。每幅图像都标有上面三个类别中的一个（没有红绿灯/红灯/绿灯）。
我选择了Caffe来训练模型，主要原因是我对Caffe比较熟悉，而且它提供了大量的预训练模型。
用Python、NumPy和Jupyter Notebook用来进行结果分析、数据探索和脚本编写。
我购买了Amazon的GPU实例（g2.2xlarge）用来训练模型。到挑战赛结束后，AWS账单收了我263美元！这可真不便宜……
最终的识别器
最终，我的识别模型实现了对测试集合94.955%的精确度，模型大小为7.84 MB。相比较，GoogLeNet的模型占用了41 MB，VGG-16模型竟然要用到528 MB。
需要感谢Nexar，他们仁慈的允许了我的94.955%达到95%的精度要求。
总的来说，提高模型精确度的过程就是进行大量有逻辑和无逻辑的试验，以及反复纠错，下面是具体过程。
开始搭建模型时，我选择了ImageNet的预训练模型，用GoogLeNet搭建架构对它进行微调，很快这就帮我达到了90%的准确性！良好的开端！
SqueezeNet达到了AlexNet同级的精确度，参数却减少了50多个，而且模型尺寸只有不到0.5MB。
此外，它与ImageNet的预训练模型和Caffe的Zoo模型配合良好，这完美的切合了我的需求。SqueezeNet在github上的地址如下：
https://github.com/DeepScale/SqueezeNet
（SqueezeNet网络架构图 ）
搭配好之后，导入Nexar的图片集合，经过一些简单的训练和调整，预训练模型的精度几乎从一开始就提升到了92%！效果非常赞！
Nexar提供的绝大部分图像都是水平的，但有大约2.4%是垂直的，而且没有上下左右的标识，如下图：
虽然这只是数据集的很小一部分，但想要达到95%的精度，这个问题是必须考虑的。
Nexar提供的JPEG图像没有EXIF数据，所以我想到将图片随机旋转0度、90度、180度和270度并且导入训练模型，用来确定天空的位置，确实获得了精度提高：
92%→92.6%
首先，我把数据分成3组：训练（64%）、验证（16%）和测试（20%）。几天之后，我把训练组和验证组合并，使用测试组来检查训练结果。
并且在模型中加入了“图像旋转”和“低发生率额外训练”，获得了不小的精度提升：
92.6%→93.5%
当分析模型识别的错误时，我注意到有些在模型中信任级别非常高的训练数据反而容易出错。
注意，在上面这张错误统计图中，最右边的栏达到了95%的信任度，这表示有大量的错误出自信任度超过95%的图像数据，这就很尴尬了。
为了解决这个问题，我不得不手动标注了709个图像，这花费了我一个小时的体力劳动，而且编写了一个Python脚本来帮助工作。当然花费的时间是值得的。
上面这张是经过重新标注和再训练的模型错误统计图，看起来好多了！
而且又一次提升了模型的精确度：
93.5%→94.1%
将几个模型结合在一起，给予相应的权重并加权计算它们的分析结果也会提高最终的精确度。
最终完成的识别器将3个单独训练的网络模型加以结合。
基于ImageNet的SqueezeNet预训练模型，根据手动修正后的图像集合进行训练。
训练数据增强步骤：
在测试时，每张图像会形成10个变体，平均计算出最终的预测结果。这10个变体为：
2号模型与1号模型非常相似，加上了图像旋转。在训练时间，图像会随机旋转90度、180度、270度或0度（不旋转）。在测试时，每一种情况都与模型1中创建变体做相同的分析。这样2号模型会分析40个变体，并将结果平均在一起。
3号模型不是基于SqueezeNet的微调，而是从零开始训练。背后的逻辑是即使准确率较低，但它会产生与上两个模型不同的特征，在三个模型合并之后，这会非常有用。
数据训练和测试过程与模型1基本相同：翻转和切割。
每个模型都会输出三个值，表示图像属于三大类中每一类的概率（没有红绿灯/红灯/绿灯）。我根据以下的权重平均计算它们的输出值：
-
模型1：0.28 #
-
模型2：0.49 #
-
模型3：0.23 #
权重的值大家可以自己定义，我是基于以前做网格搜索时获得的经验，这是一个非常简单的操作。
实际用于Nexar测试集的模型精度：94.955%
棕榈树上的绿色反光点让模型误判断为那是一个绿灯。
