【论文阅读笔记】YOLO9000: Better, Faster, Stronger

（一）论文地址：

https://arxiv.org/abs/1612.08242

（二）核心思想：

作者在 YOLO 的基础上，使用了批量标准化（Batch Normalization）、高分辨率分类器（High Resolution Classifier）和预选框（Anchor Boxes）等方法，提出了一个更为高效的 YOLO v2；

并在此基础上，使用联合训练（Joint Training）算法，能够在有大量分类的图像识别数据集训练目标检测任务，由此训练出的 YOLO 9000 能够识别 9000 个物体；

（三）YOLO 的不足：

1. 采用了直接回归坐标的方式，对于精准预测不够准确；
2. 具有较低的召回率（recall）；

（四）Batch Norm