目录
一、何为YOLO_9000
YOLO_9000是在YOLO_v2的基础上进行9000中目标的分类算法，其结构等都与YOLO_v2一致，唯一不同的就是分类地方，不再是原先的20位，而是具有更加多样性的9000种目标的分类，本文就将对YOLO_9000如何在YOLO_v2的基础上进行9000中目标分类的进行详细讲解。有关YOLO_v2内容请移步 YOLO_v2目标检测算法深入剖析。
二、9000种类的思考
众所周知，MNIST手写数字识别，Fashion-MNIST都是10分类的问题，VOC数据集也只有20种类，但是这些种类都有一个共同的特点，那就是各个种类之间是互不相关的，例如：1和4，裤子和鞋子，这些都是相互独立的东西，所以可以通过softmax进行分类，并能达到非常好的效果，但是如果分类的目标是，哈士奇，阿拉斯加，这种非常相近的目标的时候，显然使用softmax是非常不好的，因为哈士奇和阿拉斯加是有一部分共性的，那么这9000种种类中就存在着这样的问题，所以使用维度为9000的one-hot加上softmax是不合理的，那么我们到底该怎么办呢？
三、引入WordTree
想必很多人都接触过赫夫曼编码，也就是用作压缩用的，需要构建赫夫曼树，其是二进制形式的，例如，一个单词的赫夫曼编码其可能是1011，这个就代表了这个单词。通过这个例子，我想此时就可以引出WordTree的思想了，看下图
图一就是一个Wordtree，根表示是个物体，然后物体可以分为动物和其他一些种类（机器，家具等等），然后动物分成了哺乳动物和其他（比如，卵生动物等等），然后继续细分，直到数据集中的所有物种种类都被包含在其中，现在这个Wordtree构建完了，那么该如何使用呢？
首先，虽然不是使用9000维度的one-hot形式进行softmax，但是分类所需要的维度依然是9000（虽然论文中是9418维度，但是这里去繁从简，定义为9000维度，不管维度是多少思想都是一样的），那么这个Wordtree总是可以按照一定的顺序进行遍历的，不管你是用BFS，还是DFS，到底是DFS中的先序、中序还是后序，只要你记住你是按照什么方式遍历的就可以，假如说你想要去找到dog这个物体，那么就是，physical object=1、animal=1、mammal=1、dog=1，除此以外的所有向量都是0，那么这个[1,1,1,1,0,0,0,...,0]就是dog的标签（这里的遍历顺序是假设的），可能cat就是[1,1,1,0,0,..,1,0,...,0]，类似如此。总的来说就是，一个物体的细分路径上的点都要标记为1，如果一个物体由好几个路径可以到达，那么就选取从根节点到该物体最短的路径，以此来对其进行向量的标识。大体步骤参考下图二
四、如何计算分类的损失
通过本文的第三部分，我们知道了如何使用WordTree进行9000种类别的表示，那么一个最为关键的问题也出现了，如何去计算分类的损失呢？
YOLO_9000采用的方法是，对于Wordtree同一层的分类进行softmax，例如，如果对狗进行损失计算，那么需要找到“dog”父亲节点的所有儿子节点，也就是“dog”节点的兄弟姐妹节点，例如图中的cat，然后再对他们进行softmax来计算误差。根据图一，可以清晰的看出该思想，因为和“dog”同层的物体时可以找出的，所以可以通过对同层的物体物体进行softmax。这么做也为之后的预测埋下了伏笔。
五、如何进行预测
此时我们得到了一个9000维度的预测向量，那么我们就从根节点开始遍历，遍历的方向是前点的儿子中，概率最大的那个，然后一直向下，直到某个节点的儿子节点的概率低于设定的阈值，那么此时这个节点就是预测的节点。
六、相较YOLO_v2训练流程的改变
由于ImageNet样本比COCO样本多很多，所以对COCO的采样会多一些，然后两者的比例是4：1，由于最后输出的分类向量的维度很大，考虑到时间复杂度，所以YOLO_9000的每个网格中的预测框数量由YOLO_v2的5个降低为3个。
