基于改进YOLO及NMS的水果目标检测 徐印赟.pdf

: .
电子测量与仪（You only look once）改进模型与 NMS（Non-maximum suppression）改进算法的目
标检测方法。首先，对传统 YOLO 深度卷积神经网络架构进行改进，设计一种更细化的 SPP5（Spatial
pyramid pooling）特征融合网络模块，强化特征图多重感受野信息的融合，并基于此模块提出一种
YOLOv4-SPP2-5 模型，在标准 YOLOv4 网络中跨层添加并改进 SPP 层，重新分布池化核大小，增强感受
野范围，从而降低目标误检率；其次，提出一种 Greedy-Confluence 的 NMS 改进算法，通过对高度接近的
检测框直接抑制和对重叠检测框综合考虑距离交并比 DIOU（Distance-intersection over union）和加权接近
度 WP（Weighted proximity）的方法，均衡 NMS 的计算消耗并减少检测框的错误抑制，从而提高遮挡、
重叠物体的检测精度；最后，分别对改进方法进行性能测试，验证方法的可行性，随后制作水果检测数据
集并进行格式转换和标签标注，然后采用数据增强技术对训练数据进行扩充，并使用 K-means++聚类方法
获取先验锚定框，在计算机上进行了水果检测实验。 结果表明，基于改进 YOLO 网络及改进 NMS 的水果
检测方法在准确率方面有显著的提高，平均精度均值(Mean average precision，MAP) 在 YOLOv4 上达到了
%，较原网络提升 %，并且实时性也得到了保证，在测试设备上达到了每秒 帧。
关键词:水果目标检测; YOLO 网络; SPP 模块; NMS; 信息熵
中图分类号: TP242 TH89 文献标识码: A 国家标准学科分类代码:
Fruit target detection based on improved YOLO and NMS
Xu Yinyun1, 2, Jiang Ming1, 2, Li Yunfei1, 2, Wu Yunfei1, 2, Lu Guifu1,3
( Laboratory of Advanced Perception and Intelligent Control of High-end Equipment, Ministry of Education,
Anhui Polytechnic University, Wuhu 241000, China; of Electrical Engineering, Anhui Polytechnic
University, Wuhu 241000, China; of Computer and Information, Anhui Polyte