YOLO9000：更好，更快，更强

YOLO9000：更好，更快，更强(中文8000字,英文PDF)
引  言
YOLO9000是一个最新的，能检测超过9000种分类物体的实时检测系统。首先我们提出了一些新颖的、从先前工作中总结的方法对已有的YOLO算法进行改进。改进后的YOLOv2在PASCAL VOC数据集和COCO数据集标准检测任务中是一个先进的模型。同时运用一种新颖的多尺度训练方法，使得相同的YOLOv2模型能在不同大小的图片上运行，且在精度和准确度之间达到轻松的平衡。在67fps（画面每秒传输帧数）时，YOLOv2在VOC2007数据集中能达到76.8 mAP。在40 fps时，YOLOv2获得78.6 mAP。YOLOv2不仅性能优于其它先进的方法，如使用ResNet的faster-RCNN和SSD，同时运行速度明显更快。最后，我们提出了一种联合训练目标检测和分类的方法。使用这种方法，我们在COCO检测数据集和ImageNet分类数据集上同时训练YOLO9000。我们使用联合训练方法让YOLO9000预测没有标记数据的目标进行分类。尽管200个类中只有44类的检测数据，YOLO9000在ImageNet检测验证集上获得19.7 mAP。对于不在COCO的156类中，YOLO9000获得16.0 mAP。但是YOLO可以检测超过200个类;它检测超过9000个不同目标类别。而且实时运行。