目标检测之 YOLOv2



author: dreamer



date: 2020-0908



针对YOLOv1的改进



针对V1版本中出现的问题，提出的改进



• batch normalization: 可以不使用正则化

• high resolution classifier

• convolutiuon with anchors boxes:借鉴faster rcnn的anchor思想，使用anchor后涨5了个点

• dimension clusdter: anchor 的size的选择，是否会引起网络快速收敛？



引入BN



conv后接入BN，去掉FC的dropout.提高mAP 2%



high resolution



分阶段进行不同尺度的图片输入，



anchor



引入anchor机制，增强object的定位能力



kmeans



通过对数据集聚类，求得anchor的大小，这是一种针对数据集的先验认知。加快收敛的速度。



新的backbone



darknet19,19个conv和5个max pooling



bbox 预测



注意与faster rcnn的对比和不同

这里中心点的偏移不是针对的每个格子的中心而是左上角点。