[论文笔记]YOLO9000: Better, Faster, Stronger

YOLO9000: Better, Faster, Stronger

在这篇文章里，单阶段检测模型的先驱工作YOLO迎来了全面的更新：

1. 在卷积层添加BN，舍弃Dropout
2. 更高尺寸的输入
3. 使用Anchor Boxes，并在头部运用卷积替代全连接层
4. 使用聚类方法得到更好的先验，用于生成Anchor Boxes
5. 参考Fast R-CNN的方法对位置坐标进行log/exp变换使坐标回归的损失保持在合适的数量级
6. passthrough层：类似ResNet的skip-connection，将不同尺寸的feature map拼接到一起
7. 多尺度训练
8. 更高效的网络Darknet-19，类似VGG的网络，在ImageNet上以较少的参数量达到跟当前最佳相当的精度

此次改进后，YOLOv2吸收了很多工作的优点，达到跟SSD相当的精度和更快的推断速度。

作者还介绍了一种新的联合训练方式：同时训练分类任务和检测任务，使得检测模型能够泛化到检测训练集之外的目标类上。

YOLO9000使用了ImageNet和COCO数据集联合训练，在合并两者的标签时，根据WordNet的继承关系构建了了树状的类别预测图：

类似条件概率的方式计算每个子标签的概率值，超出一定的阈值时则选定该类作为输出，训练时也仅对其路径上的类别进行损失的计算和BP。

YOLO9000为我们提供了一种泛化检测模型的训练方式，文章的结果显示YOLO9000在没有COCO标注的类别上有约20的mAP表现，能够检测的物体类别超过9000种。当然，其泛化性能也受检测标注类别的制约，在有类别继承关系的类上表现不错，而在完全没有语义联系的类上表现很差。