YOLOv2的小总结（要写思考）

这里只简要介绍一下YOLOv2，谈谈想法。

关于YOLOv2，下面的这篇介绍的已经很详尽了：

https://www.jianshu.com/p/032b1eecb335

首先罗列一些它做了什么：

 从上往下数：

1.BN，在所有的卷积层后面添加BN层，移除dropout

2.high resolution classifier，在高分辨图像上对分类网络finetune

3.convolutional、anchor boxes和dimension priors：

使用anchor box，所以输出的和faster rcnn或者是和SSD一样，对于每一个anchor都有一组输出。通过使用average pooling可以实现全卷积网络，最后的anchor box输出用卷积来实现，在20个类别上，最后的输出有125层，是5（Anchor数量）*25（5（b-box）+20（类别））。最后附加一个NMS。但因为效果不好，文中使用了k-means对GT-box聚类，得到了几个中心的大小，然后最终选取了5个Anchor，这个就是dimension priors。

4.location prediction

对于Anchor，还做了一点修正，采用的是YOLOv1中的方法，也就是划分grid，b-box中心在grid里头这么一个限制，而不是一般的无约束Anchor方法，同时，也对需要预测的值进行了一些变换，如下：

其中，cx，cy指的是anchor的中心，pw，ph是anchor的宽高，预测的值是tx，ty这些带t的，等式左边是从预测值得到的反映在图像上的b-box形状和位置。

5.pass through，指的就是其中的一个跨层连接

6.multi-scale，由于是全卷积，所以使用了和SPP-Net中一样的多尺度训练。

7.hi-res dector和new-network，指的是去除掉分类网络的最后一层，添加上1024的3*3卷积，最后使用1*1卷积得到指定的输出。

另外还有：

8.层次结构的分类器，也就是有大类（狗）和小类（哈士奇）标签，利用了ImageNet的结构，方法还是统一输出，但是对于每一个阶段都有一个预测，如下图演示：

然后我们先找到对于大类中最大的概率，再在其子类中递归寻找，最终得到预测结果。由于是同一输出，网络的结构也不用改变

9.joint classification and detection。说的就是如果是单纯的分类任务，我们就只计算分类的损失，而定位部分只用来给出IOU的预测。

损失函数以及训练方法：

损失函数的设计与之前相似，但是训练方法与YOLOv1不一样。由于是采用了Anchor的方法，训练方法采用了SSD的方式，这一点在文中竟然没有说，看了上面的那篇博文才知道。

总结：

感觉没有特别大的亮点吧，总体结构上差不多，使用了很多种技巧，每一种技巧都有改善，这一点是很不错的。