目标检测论文解读7——YOLO v2

背景

  YOLO v1检测效果不好,且无法应用于检测密集物体。

方法

  YOLO v2是在YOLO v1的基础上,做出如下改进。

  (1)引入很火的Batch Normalization,提高mAP和训练速度;

  (2)加入了Anchor Box机制,每个grid cell5个Anchor Box;

  (3)自动选择Anchor Box,这是作者所作出的创新,之前Anchor Box都是人为直接规定的,显然不是很合理。作者通过K-means聚类算法,用IoU作为距离度量,生成了Anchor Box的尺度。

  (4)引入Multi-Scale的思想,YOLO v2去掉了全连接层,所以网络可以接受不同size的图片,训练过程中网络每隔10 batch随机选择不同的size的图片作为输入数据。

总结

  YOLO v2在YOLO v1基础上,加入各种流行的技术,达到了非常好的效果。

你可能感兴趣的:(目标检测论文解读7——YOLO v2)