YOLO 9000

YOLOv2：https://blog.csdn.net/xue_csdn/article/details/105950349        

YOLO 9000和YOLOv2使用相同的网络结构。利用分类、检测的联合训练机制，利用ImageNet非常大量的分类样本，联合COCO的对象检测数据集一起训练，使得YOLOv2即使没有学过很多对象的检测样本，也能检测出这些对象。这就是YOLO9000的由来。

        在此利用了WordNet这个语言数据库。（这部分让我有些头大......看不太懂）

        为了建立这个等级树（分层树），首先检查 ImagenNet 中出现的名词，再在 WordNet 中找到这些名词，再找到这些名词到达他们根节点的路径（在这里设所有的根节点为实体对象（physical object）。在 WordNet 中，大多数同义词只有一个路径，所以首先把这写路径中的词全部都加到分层树中。接着迭代地检查剩下的名词，把他们添加到分层树上，但要让树成长尽可能少。比如由两条路径到底根节点，那么一条路径添加了3条边，而另一条仅添加了1条边，添加的原则是取最短路径加入到树中。

最终结果是一个WordTree,在每个结点上预测了每个下义词的条件概率。如果我们想要计算一个特定结点的绝对概率，我们仅需要简单地沿着该结点要根结点的路径，相乘，即可得到。

（太难了......等我看懂了再补充吧）

参考 https://www.jianshu.com/p/57ea656660f7
        https://zhuanlan.zhihu.com/p/47575929