【5】目标检测之YOLO v2

相较于YOLOv1的改进

Batch Normalization 批标准化

在每个卷积层上添加BN，加速了模型的收敛，实现了正则化，mAP也有所提升。

High Resolution Classifier 高分辨率的分类器

通过增加输入尺寸，mAP有所提升。

Dimension Clusters 维度聚类

使用K-Means算法生成生成先验框priors，即Anchor Box。

Convolutional With Anchor Boxes 使用Anchor Box机制来预测Bounding Box

不再直接预测Bounding Box的坐标，而是预测priors（Anchor Box）的偏移值与置信度，mAP有所提升。

Direct Location Prediction 直接位置预测

对预测的先验框的偏移值进行约束，将预测的Bounding Box的中心限制在grid cell中，增加了模型训练的稳定性。

Fine-Grained Features 细粒度特征

使用Passthrough layer将浅层特征图连接到深层特征图，进行特征融合，有助于检测小目标

Multi-Scale Training 多尺度训练

yolov1网络使用固定的448 * 448的图片作为输入，在加入anchor boxes后，yolov2的输入变成了416 * 416。由于yolov2只用到了卷积层和池化层，那么就可以进行动态调整（意思是可检测任意大小图片）。作者希望YOLOv2具有不同尺寸图片的鲁棒性，因此在训练的时候也考虑了这一点。

不同于固定输入网络的图片尺寸的方法，作者在几次迭代后就会微调网络。每经过10次训练（10 epoch），就会随机选择新的图片尺寸。YOLO网络使用的降采样参数为32，那么就使用32的倍数进行尺度池化{320,352，…，608}，最终最小的尺寸为320 * 320，最大的尺寸为608 * 608，接着按照输入尺寸调整网络进行训练。这种机制使得网络可以更好地预测不同尺寸的图片，意味着同一个网络可以进行不同分辨率的检测任务，在小尺寸图片上YOLOv2运行更快，在速度和精度上达到了平衡。

原文链接：https://blog.csdn.net/weixin_40227656/article/details/116018040

网络结构

骨干网络为Darknet19，最后的输出为1313125，125表示预测5个Bounding Box，每个Bounding Box有（x,y,w,h,c）和20个类别。

知识点

PassThrough Layer