超级会员免费看
YOLOv2在YOLOv1基础上进行了多项改进，包括引入Batch Normalization，使用Anchor Boxes，高分辨率分类器等，提升了目标检测的性能。通过聚类算法优化Anchor大小，直接预测边框坐标，以及多尺度训练，使得模型在保持高召回率的同时，提高了检测精度。此外，使用细粒度特征和动态输入尺寸进一步提升了模型的适应性和准确性。
yolov2 论文分为两部分：yolov2（Better, Faster）和 yolo9000（Stronger）。本文不讨论 yolo 9000内容。
1.yolov2（Better）
YOLOv2 相对v1改进在哪里？（消融研究）
图中，红框和绿框并没有增加 mAP。
但是红框增加了 recall，69.5 mAP + 81% recall 69.2 mAP + 88% recall。recall增加，那么什么减少了呢？Precision 减少了，但是可以通过表中的后面的技巧优化结果。原论文说：recall 的提升代表yolov2有很大的提升空间。
绿框并没有提升太多 mAP（0.4），
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
