一、V2版本細節(jié)升級

1、YOLO-V2：

• 更快！更強
  

1.1 做的改進內(nèi)容

1. YOLO-V2-Batch Normalization

• V2版本舍棄Dropout，卷積后每一層全部加入Batch Normalization
• 網(wǎng)絡(luò)的每一層的輸入都做了歸一化，收斂相對更容易
• 經(jīng)過Batch Normalization處理后的網(wǎng)絡(luò)會提升2%的mAP
• 從現(xiàn)在的角度來看，Batch Normalization已經(jīng)成網(wǎng)絡(luò)必備處理

2. YOLO-V2-更大的分辨率

• V1訓(xùn)練時用的是224224，測試時使用448448
• 可能導(dǎo)致模型水土不服，V2訓(xùn)練時額外又進行了10次448*448 的微調(diào)
• 使用高分辨率分類器后，YOLOv2的mAP提升了約4%
  

二、網(wǎng)絡(luò)結(jié)構(gòu)特點

• 沒有全連接層
• DarkNet，實際輸入為416*416
• 沒有FC層，5次降采樣，（13*13） 這里416* 416/5就得到13*13
• 1*1卷積節(jié)省了很多參數(shù)
  
  經(jīng)過5次降采樣，原始比如有h,w。經(jīng)過了5次，那么就是2**5=32，所以最終的h就是原始輸入(h)/32;w也是原始輸入(w)/32

三、基于聚類來選擇先驗框尺寸