YOLOv2 和 YOLO 9000 提升了目标检测的速度和准确性。YOLOv2 在 67 FPS 下的 mAP 达到 78.6%，而 YOLO 9000 则能检测超过 9000 个类别，通过层次分类解决类别的不互斥问题。虽然 mAP 为 19.7%，但它在实时预测大量类别上表现出色，适用于各种应用场景。
YOLO v2 和 YOLO 9000 是由 J. Redmon 和 A. Farhadi 于 2016 年在题为YOLO 9000: Better, Faster, Stronger 的论文中提出的。在 67 FPS 下，YOLOv2 的 mAP 为 76.8%，在 VOC 2007 数据集上，在 67 FPS 下，YOLOv2 的 mAP 为 78.6%，优于Faster R-CNN和SSD等模型。YOLO 9000 使用 YOLO v2 架构，但能够检测超过 9000 个类别。然而，YOLO 9000 的 mAP 为 19.7%，其中不在 COCO 中的 156 个类的 mAP 为 16%。然而，YOLO 可以预测超过 9000 个类别。
建筑学：
订阅专栏 解锁全文
7344
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
