YOLO物体检测系列2:YOLOV2整体解读

1、YOLOV1

  • 优点:快速,简单!
  • 问题1:每个Cell只预测一个类别,如果重叠无法解决
  • 问题2:小物体检测效果一般,长宽比可选的但单一

YOLOV2更快!更强!YOLO物体检测系列2:YOLOV2整体解读_第1张图片

2、Batch Normalization

  • V2版本舍弃Dropout,卷积后全部加入Batch Normalization
  • 网络的每一层的输入都做了归一化,收敛相对更容易
  • 经过Batch Normalization处理后的网络会提升2%的mAP
  • 从现在的角度来看,Batch Normalization已经成网络必备处理

3、更大的分辨率

  • V1训练时用的是224224,测试时使用448448
  • 可能导致模型水土不服,V2训练时额外又进行了10次448*448 的微调
  • 使用高分辨率分类器后,YOLOv2的mAP提升了约4%

4、网络结构

  • DarkNet,实际输入为416*416
  • 没有FC层,5次降采样,(13*13)
  • 1*1卷积节省了很多参数
    YOLO物体检测系列2:YOLOV2整体解读_第2张图片

你可能感兴趣的:(yolo物体检测系列,YOLO)