快速多目标检测(YOLO9000)

• • 引言
    • 更优
    • 更迅捷
    • 更强大
    • 总结

本次将介绍一篇关于高效目标检测技术的文献《YOLO9000: Better, Faster, Stronger》。该技术被命名为YOLOv2，相较于前一版本v1，不仅在整体效能方面实现了增强，同时在处理速度方面也展现出显著优势。

项目主页：http://pjreddie.com/darknet/yolo/

———————— Introduction ————————

目标检测技术在通用场景下的应用不仅需要具备较高的速度和精度，还应具备识别多种目标类别的能力。然而，当前的目标检测数据集所涵盖的类别数量普遍偏少，与图像分类数据集（如ImageNet）所包含的类别规模存在显著差距。

为此，研究者提出了一种融合训练的途径，旨在同步借助目标检测数据集与图像分类数据集对检测模型进行训练。其核心理念在于：通过目标检测数据集提升模型对目标位置的精准识别能力，同时借助图像分类数据集拓展检测器所能识别的目标类别范围，并增强其在复杂环境下的稳定性。

基于上述方法，研究团队结合COCO目标检测数据集与ImageNet图像分类数据集，成功训练出YOLO9000模型。该模型能够在保持实时性的同时，