【yolov2】原理详解 &与Yolov1对比 & batch norm详解

yolov1模型和预测内容

相对于Yolov1引入了如下内容：

一.引入了Batch Normalization

原理

提升了4%的map
它把样本的数据分布变成了以0为中心，标准差为1的分布。

激活函数如sigmoid和双曲正切激活函数，在0附近是非饱和区， 如果输出太大或者太小，则会进入激活函数的饱和区(饱和区意味着梯度消失，难以训练  )

所以用batch norm强行把神经元的输出集中在0附近。

举例：

batch norm前，某一层的输出

batch norm后，某一层的输出

都在0附近，在sigmoid的非饱和区。大大减少梯度消失的问题。

batch norm的方法和流程

batch norm的效果可视化

如上，就算没有把区间压到0附近，也会往中间靠

batch norm出现的位置

一般在线性层的后面，激活函数的前面。

batch norm的好处总结

补充：batch norm 和 dropout不能同时使用

同时使用时性能降低

高分辨率分类器

一般使用的图像分类backbone都是在Imagenet以很小的分辨率训练的，比如224x224
可是yolov1目标检测时模型的输入图像size为448x448
使用的时候要在小分辨率图像上训练的网络要学习适应448x448分辨率的图像。这造成了麻烦，降低了性能。

所以Yolov2的图像分类backbone直接在448x448数据集上训练。让网络适应大分辨率的输入。
最终提高了 3.5% map

锚框机制

把图片分成13x13个gred cell，每个grid cell设置5个锚框，不同的宽高比。

锚框的作用：如下面的两个锚框，一个天生适合预测细高的物体，比如人体。一个天生适合宽窄的物体，比如汽车。而不像Yolov1那样，两个预测框的区分度不大。

损失函数

参考视频

https://www.bilibili.com/video/BV1Q64y1s74K/?spm_id_from=333.999.top_right_bar_window_history.content.click&vd_source=ebc47f36e62b223817b8e0edff181613