目标检测入门-YOLO

鉴于YOLOv1的缺点：

①定位差（因为grid cell生成的bounding box数量太少）

②检测小目标和密集目标能力差（因为只能检测出grid cell数量的类别）

因此引入了yolov2  《YOLO9000: Better, Faster, Stronger》

YOLOv2

①全连接层后使用BN层

②High resolution classifier

③anchor

 相比于yolov1每个grid cell随机生成两个bounding box，YOLOv2根据给定尺寸生成候选框（称为anchor、先验框），仍然选取其中与真实框IOU大的作为拟合对象（相比v1的随机生成，v2的两个候选框更有针对性，训练效果更好速度更快）并且v1最终使得候选框生成的时候就与真实框重合而v2中anchor位置是不会发生变化的仅训练真实框与anchor的偏移，使得最终根据偏移生成的预测框能和真实框重合

同YOLOv1一样，通过网络模型得到13*13*125 tensor，其中125=5*25表示每个grid cell生成5个anchor ，每个anchor用25个参数表示了它的位置和类别 因此不用再针对候选框做判断类别和形状

总结：V1的时候是bounding box来拟合ground truth，v2是anchor产生的预测框来拟合ground truth

【目标检测】YOLO系列Anchor标签分配、边框回归（坐标预测）方式、LOSS计算方式_yolox smoothl1_zhicai_liu的博客-CSDN博客