YOLOv2与YOLO9000论文解析：更优、更快、更强 2016年，Joseph Redmon与Ali Farhadi在论文《YOLO9000: Better, Faster, Stronger》中提出了YOLOv2及其扩展版本YOLO9000。尽管论文标题暗示两者并列，但实际中YOLOv2是核心模型，而YOLO9000是基于YOLOv2架构构建的、可识别超过9000类物体的检测系统。 YOLOv2针对YOLOv1的两大缺陷进行了改进：定位误差高和召回率低。主要改进包括： 批量归一化（Batch Normalization）：引入BN层稳定训练、加速收敛并减少对Dropout的依赖，mAP从63.4%提升至65.8%。 优化微调流程：在ImageNet（224×224）预训练后，先在448×448分辨率下微调，再迁移到PASCAL VOC，避免分辨率跳跃问题，mAP提升至69.5%。 引入锚框（Anchor Boxes）与全卷积网络：采用K-means聚类自动学习最优锚框尺寸（K=5），取代人工设定，提升预测精度。同时将全连接层替换为卷积层，实现全卷积结构，输入默认为416×416，输出为13×13特征图，确保中心网格可预测大物体。 约束预测机制：对边界框坐标采用sigmoid函数限制x、y在0~1之间（相对网格位置），用指数函数处理宽高，避免负值，显著提升mAP至74.4%。 跨层连接（Passthrough Layer）：从26×26特征图提取信息，通过重排（reorder）操作将空间分辨率降为13×13，通道数扩展4倍，再与主干网络13×13特征图拼接，增强小目标检测能力。 多尺度训练：训练过程中每10个batch随机切换输入尺寸（320×320至608×608，步长为32），提升模型对多尺度物体的适应性，mAP最高达78.6%。 Darknet-19主干网络：采用参数更少（55.8亿 vs YOLOv1的85.2亿）的轻量级结构，提升推理速度。 YOLO9000的核心创新在于联合ImageNet（22000+类）与COCO（80类）数据集，通过“WordTree”层次结构实现类别的自动扩展。例如，COCO中的“飞机”作为父类，其子类包括“双翼机”“喷气机”等ImageNet中的细粒度类别。模型先预测父类，再在子类中细化，最终实现对9418类物体的检测，大幅拓展了通用性。 在代码实现上，YOLOv2基于PyTorch构建，核心为Darknet-19主干网络，结合Passthrough层与多尺度预测头。通过逐层模块化设计，可灵活实现从特征提取到输出预测的完整流程。 综上，YOLOv2通过一系列系统性优化，在保持实时性的同时显著提升检测精度与召回率，而YOLO9000则开创了大规模通用目标检测的新范式，为后续YOLO系列发展奠定基础。