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: