YOLOv2 & YOLO9000: Durchbruch in Objekterkennung – schneller, besser, stärker
Die neueste Version der YOLO-Objekterkennungsarchitektur, YOLOv2, bringt bedeutende Fortschritte gegenüber ihrem Vorgänger YOLOv1. Durch die Einführung von Prior-Boxen und einer k‑Means‑Cluster‑Analyse für die Auswahl optimaler Ankergrößen kann das Netzwerk Objekte in unterschiedlichen Größen und Verhältnissen präziser lokalisieren. Gleichzeitig wurde die Backbone‑Architektur auf Darknet‑19 umgestellt, was die Rechenleistung erhöht und die Genauigkeit verbessert. Ein weiteres Highlight ist der sogenannte Passthrough‑Layer, der Merkmale aus früheren Schichten direkt in spätere Schichten einspeist und so die Detailgenauigkeit steigert. Ergänzend dazu präsentiert YOLO9000 ein gemeinsames Training von Bildklassifikations- und Objekterkennungsdaten, wodurch das Modell über 9000 Klassen erkennen kann. Diese Kombination aus schneller Verarbeitung, höherer Genauigkeit und erweiterter Klassifizierungsfähigkeit macht YOLOv2 zu einer echten Revolution in der Echtzeit‑Objekterkennung.
