快速多目标检测.docxVIP

快速多目标检测 Introduction Better Faster Stronger Conclusion 本次介绍一篇有关快速目标检测的文章 《YOLO9000: Better, Faster, Stronger》。该方法记作 YOLOv2，相比 v1 除了在性能上有所提升之外，更是在速 度上表现惊人。 项目主页： /darknet/yolo/ ———————— Introduction ———————— 通用的目标检测不但要够快够准，还要能够检测多类的目 标。但实际情况是，目标检测数据集包含的类别数都太少， 远远小于图像分类数据集所包含的类别数(比如 ImageNet)。 于是，本文提出了一种联合训练的方法，可以同时利用检 测数据集和分类数据集来训练目标检测器。具体思路是， 利用目标检测数据集来学习目标的准确定位，用分类数据 集来增加检测的目标类别数以及检测器的鲁棒性。 通过采用上述策略，本文利用 COCO 目标检测数据集和 ImageNet 图像分类数据集训练得到了 YOLO9000，可以实 时地检测超过 9000 类的目标。 ———————— Better ———————— YOLOv1 同 Fast RCNN 相比存在定位不准以及召回率不如 Region Proposal 方法等问题。因此，V2 的主要目标就是在 保持分类准确率的同时提高召回率和定位准确度。