【目标检测·yolo系列】YOLOV2目标检测论文笔记（参考 同济子豪兄的解读）

anchor 、 Dimension Clusters 、Direct location prediction

在YOLOv1中先验框是随机的，在YOLOv2中规定了两个先验框，如下图

如图，①框擅长套高瘦长的物体，②框擅长矮胖宽的物体
由此可以使得模型稳定

在YOLOv2中规定了五种anchor，

并把图片分成了13*13个grid cell，每个grid cell预测5种anchor，每一种anchor对应了一种预测框，每一个预测框只需要输出他相对于其anchor的偏移量。

如下图

白色汽车的人工标注框（白色框）的中心位置落在了4号框中，那么就由4号框产生的五种anchor中与白框IOU最大的anchor去预测，其预测框只需要输出相比于所属anchor的偏移量即可。

grid cell数量为奇数

当图片存在主体的时候，一般是由中心grid cell负责，奇数时正好有中心cell存在，偶数就会落在中心点的位置上——被四个框争取。

在yolo1中，一个bounding box包含4个维度+一个置信度，另外加上20个预测输出的条件类别概率，共5*2+20=30维

在YOLOv2中，条件类别概率归anchor管，一个anchor中有4个维度+1置信度+20个类别，共5个anchor，总计5*25=125维，一个grid cell有5个anchor共125维

注：5个anchor通过k-means聚类选出

限制预测框位置

现对于anchor的偏移量tx ty tw th，tx，ty ∈（-∞，∞）
为了防止野蛮生长，就在tx和ty上添加sigmoid函数，使得sigmoid(tx,ty)属于(0,1) 【注】
cx和cy是左上角的坐标，已归一化。由此，预测框的中心位置不会脱离anchor所在的cell。

置信度：

【注】：sigmoid函数：

损失函数

yolov1：

yolov2:

细粒度特征

在yolo2的代码中：

.

Multi-Scale Training

多尺度训练

每10步重新选择同图不同尺度的图像，强制模型适应不同的大小的图
低分辨率的：快、精度小；
高分辨率的：慢、精度大