摘要

我们介绍了YOLO9000，这是一种最先进的实时目标检测系统，能够检测超过9000个目标类别。首先，我们提出了对YOLO检测方法的各种改进，这些改进既包括新颖的方法，也借鉴了先前的研究成果。改进后的模型称为YOLOv2，在标准检测任务如PASCAL VOC和COCO上达到了最先进水平。在67帧每秒（FPS）时，YOLOv2在VOC 2007数据集上的平均精度均值（mAP）为76.8；在40帧每秒时，其mAP达到78.6，超过了诸如Faster R-CNN与ResNet以及SSD等最先进方法，同时运行速度显著更快。最后，我们提出了一种联合训练目标检测和分类的方法。利用这种方法，我们在COCO检测数据集和ImageNet分类数据集上同时训练了YOLO9000。我们的联合训练使得YOLO9000能够预测那些没有标记检测数据的目标类别的检测结果。我们在ImageNet检测任务上验证了这一方法的有效性。尽管只有44个类别的检测数据可用，YOLO9000在ImageNet检测验证集上的mAP仍达到了19.7。对于不在COCO中的156个类别，YOLO9000的mAP为16.0。但YOLO不仅仅能检测200个类别；它能够预测超过9000个不同目标类别的检测结果，并且仍然保持实时运行的能力。