物体检测算法调研——YOLO9000

    作者pjreddie的主页有YOLO v2的详细说明，包括模型和配置文件、使用方法、训练方法等。但是介绍中没有提及9000模型，本文对该模型的相关内容做一个汇总。

    YOLO 9000是论文'YOLO9000: Better, Faster, Stronger'中提出的，该模型的训练方法是文章的一个创新点，其使用效果是Stronger论点的由来。下文将对上述两点内容进行详细介绍。

    论文中提出了一种对分类和检测数据进行联合训练的机制，即使用检测数据学习边框坐标、Objectness(通用对象检测)、如何对普通对象分类(eg：cat, car, dog)等检测特定的信息，使用仅有类别标签的分类图像扩展可检测的类别数目。大体实现流程是将两类数据混合，当网络遇到检测的数据时，利用YOLO v2的损失函数进行反向传播，若训练的是分类数据，则使用损失函数中的分类损失部分进行BP。

    实际操作中遇到的问题。首先是检测和分类数据的标签整合，检测数据的类别标签是普通对象和较为一般的标签，如'dog'，'boat'。而分类数据的类别标签意义更广，更深，如ImageNet中狗的种类就包含100多种。故需要一种继承的方法将两类数据的标签进行融合。其次是Softmax层的设计，大部分的分类方法是对所有待分类类别使用Softmax layer计算最终的概率分布，而使用Softmax的前提是假设类别间相互排斥，检测和分类数据混合后原始类别标签不满足该条件(如ImageNet中的"Norf