yolov2吸收了行业的技术,尝试筛选了有效的部分,并有自己的独到方法,最终实现了更好更快的检测效果。
消融实验如下:
bn
high res classifer:分类224到448衔接训练后,再做448检测
anchor,loss
dimension prior:kmean
new net:darknet 减少33%参数,更快
location:引入rpn并改良,归一化offset学习
passthrough:类似short cut,浅层特征直传;对于检测网络 空间信息是非常宝贵的,因此直传是必须的;细粒度特征传递,也有利于检测小目标。
scale:多尺度训练
形成高分辨率检测器:554scale,得到好map
其他:分类检测混合训练。