YOLOv2、YOLO9000论文笔记

1. 简介：

从2016年论文《YOLO9000:Better, Faster, Stronger》翻译总结的。物体实时检测，可以检测9000多种物体。

介绍了YOLOv2、YOLO9000。YOLOv2在YOLO基础上进行了改进。YOLO9000联合优化detection和classification，可以检测9000种物体分类，使用了wordtree 来组合不同来源的数据，比如ImageNet和COCO。

文中主要是和fast r-cnn 、SSD对比。YOLO是单步检测，在准确率和速度方面权衡。

2. Better

YOLO有两个缺点：
（1）定位不准确
（2）和基于region proposal的方法相比召回率较低。

如上图，YOLOv2从如下方面进行了提升：

1. batch normalization、
2. high resolution classifier（提高输入图像大小）、
3. anchor box（认为人工的，没有采用，采用的dimension cluster）
4. dimension cluster：k-means cluster选取anchor boxes.
   k-means中的距离衡量公式用的IOU:d(box,centroid) = 1 − IOU(box,centroid)
5. direct location prediction:与YOLO相同，还是预测相对于网格单元的位置坐标。

6. 细粒度（fine-grained） features:采用类似ResNet的思想，添加一个passthrough 层连接高分辨率特征和低分辨率特征。
7. 多尺度训练（multi-scale）：最小是320320，最大是608608，

实验结果如下：主要是和fast r-cnn、SSD对比。

3. Faster

没有采用VGG-16,而使用参数更少的Darknet-19.

速度对比如下：

4. Stronger

主要是利用wordtree 结合detection和classification，同时利用COCO和imageNet数据，可以识别9000种物体。

Wordtree使用multiple softmax操作，如下所示。