YOLO 型號之所以聞名遐邇，主要有兩個原因：其速度和準確性令人印象深刻，而且能夠快速、可靠地檢測圖像中的物體。上回我解釋了Yolo v1， 今天從Yolov2開始。

YOLOv2：更好、更快、更強

2017 年 7 月一個悶熱的星期二下午，雷德蒙(Joseph Redmon, Yolo創始人)再次走上舞臺。

在演講中，雷德蒙分享了題為《YOLO9000：更好、更快、更強》（YOLO9000: Better, Faster, Stronger ）的論文，并介紹了一個能夠識別超過9000個類別的物體檢測系統。這個名為 YOLOv2 的模型在 PASCAL VOC2007 數據集上的平均精確度（AP）達到了令人印象深刻的 78.6%，超過了其前身 YOLOv1，后者僅為 63.4%。這些發現彰顯了 YOLOv2 在物體檢測和識別方面的先進能力，為計算機視覺領域的未來發展鋪平了道路。

該系統在多個方面進行了改進。

這些改進包括對卷積層進行批量歸一化，以提高收斂性并減少過度擬合。增加了高分辨率分類器，從而提高了高分辨率輸入的性能。架構改為完全卷積層，包括一個名為 DarkNet 的骨干層，其中包含 19 個卷積層和 5 個最大池化層，現在使用錨框預測邊界框。