[YOLO专题-5]：YOLO V2 - 网络结构、原理、改进的全新、全面、通俗、结构化讲解

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122203173

---

目录

前言：

第1章  YOLO V2应运而生

1.1 YOLO V1的不足

1.2 YOLO V2的出现

1.3 YOLO V2的优点

1.4 YOLO总体的网络结构

1.5 YOLO V2的总体网络架构：Darknet网络

第2章 YOLO V2网络的图片输入

2.1 输入图片的尺寸的改进

2.3 多尺度输入

2.4 图片的标签（用于Loss计算与反向网络训练）

2.5 输入图片的预处理

第3章 YOLO V2 前向特征提取网络： 卷积网络

3.1  Darknet特征提取骨干网

3.2 细粒度特征提取: Fine-Grained Features

3.3 Batch Nomalization(BN)

第4章 YOLO V2 前向输出网络：卷积层输出

4.1 YOLO V2的输出网络

4.2 YOLO V2对图片区域的切分

4.3 YOLO  V2对Bounding Box优化

4.4 先验框Anchor的引入

4.5 每个网格包含的结构化的信息

4.6 每个域的含义

4.7 所有网格，所有Bounding Box

第5章 前向输出（预测阶段）后处理：NMS非极大值抑制处理

第6章 YOLO V2 反向Loss计算与网络优化训练

6.1 Loss函数的设计（核心、核心、核心）

6.2 优化算法

第7章 YOLO V2的不足与改进

参考视频：

---

---

前言：

本文重点讲解YOLO V2对YOLO V1的改进，而不是介绍整个V2网络的所有算法细节。

解读本文时，请先参考YOLO V1版本的解读，V1是YOLO所有后续版本的基础：