⭐ YOLOv2
参考文献:《YOLO9000: Better, Faster, Stronger(2017)》
YOLO系列的第二个版本,可检测出超过9000种目标类别,并可运行在不同的尺寸之下,在保持原有速度优势的条件下使得精度得以提升。同时提出了在目标检测数据集和分类数据集上联合训练的方法,取得了很好的效果。
✔️诞生背景
与最先进的目标检测网络相比,YOLOv1存在大量的定位错误,召回率相对较低。计算机视觉发展的趋势是朝着更大更深的网络发展,更好的性能往往依赖于训练更大的网络或者同时聚合不同的模型。YOLOv2的想法是在获得更精确模型的同时依旧保持很快的速度,与扩大网络相反,YOLOv2简化网络并使特征更容易去学习。因成本高,目标检测数据集小于分类数据集。
✔️网络结构
YOLOv2在YOLOv1的基础上采用了一系列的方法来提高算法性能。具体方法总结如下所示: