YOLO学习：YOLO v2论文理解

采用了一种多尺度的训练方法。

保持分类精度的同时提高YOLO检测的召回率

 

改进：

• 批量处理的标准化：
• 高分辨率：

先进的分类模型均采用了预训练的方式（ImageNet）,对于AlexNet使用了小于256*256的图片。本次将YOLO的处理的图片由原始的224*224提高到448*448。对其训练优先利用ImageNet的数据进行10次迭代来进行微调，可以调高精度

• AnchorBox：

YOLO是将输入的图片经卷积层进行特征映射后再经过全卷积层输出BoundingBox的坐标信息，而再Faster R-CNN中是利用更好的预测方式来代替直接获取BoundingBox信，其仅仅在卷积层对AnchorBox的偏移以及置信度进行预测，由于是在卷积层进行预测，因而也可以在卷积层预测将AnchorBox的偏移信息（不在是仅仅在最后进行输出），而且以间接的偏移信息代替直接的坐标信息提高了网络的学习效率。

因而，在YOLO中移除了全连接层而且使用AncorBox对预测BoundingBox：

去除一个Pooling，从而提高分别率，输入图片使用416*416（416/32=13，32=2^5）代替448*448，经过五次Pooling处理后可保证大小为奇数，从而在选取中间点时不会出现歧义。

• 维度聚类：

使用AnchorBox时会出现两个主要问题：

（1）Box的大小人工选定：网络会Box大小进行调整，但是良好的先验值有助于优化效果，但是在设计中为了避免人工设置，利用K-means聚类的方法来设置BoundingBox

（2）直接进行位置预测（不稳定性）：

Fine-Grained_Features:

对于Faster-R-Cnn以及SSD采用了多中特征图来获得多分辨率的结果图，YOLO中采用简化的方法：增加了passthrough layer将13*13的feature map引进到26*26的feature map