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