一、Backbone
二、Neck Network
三、Detect head
YOLOv2相对于YOLOv1的改进:
改进之一:Batch Nomalization
YOLOv2在每个卷积层后都加入了BN层,BN层既能加快模型的收敛速度,也能起到一定的正则化的效果,起到抑制过拟合的效果,并且不在使用dropout。
改进之二:High Resolution Classifier
大部分的目标检测任务,都是用ImageNet来训练特征提取部分(Backbone),但是,imagenet的图片大小为224*224,因此,对于大分辨率的图片检测时就,模型 的效果就会很差,YOLOv1是使用448*448的图像直接训练模型,但是网络很难很快适应这个大分辨率的图像,YOLOv2怎么做的呢?它是在imageNet数据集上加入448*448的图片分辨率来训练网络,最后再用448*448大小的图片来finetune 网络。
改进之三:Convolutional with anchors boxes
参考资料