YoloV2

 

Batch Normalization

 主要作用：减轻过拟合、增加模型泛化性、可以不使用dropout

 γ和β是BN层的可学习参数，μ和σ都是总体的无偏估计

如上，对所有样本求标准化，每一行标准化 

 

 

高分辨分类器

  采用448*448的图像输入

因为在小分辨率的主干网络迁移学习到YOLO上效果不好 

基于锚框的卷积

 recall和precision是分类器性能指标，其他指标还有混淆矩阵和roc曲线

V2给五

个框，只需预测偏移量，谁和真实框的IOU大谁就预测

 

 

补充，cell应该选奇数个长宽，如左图 

V2 划分了13*13的grid cell，每个cell产生5个anchor。每个Box产生4+1+20=25个数

v1一个gridcell只能预测一个类别物体，v2一个girdcell可以预测五种 ，v1是选择bbox与真实框IOU最大的框，直接预测框的坐标。

c是类别数，k是每个gridcell的锚框数

 

 聚类

在fast-rcnn   SSD中，锚框数/gridcell和长宽比，size是手动选择的，而V2是聚类选取

思想是对数据集的各个真实框的xywh聚类，并根据聚类中心个数选取相应的锚框坐标，为了权衡模型性能，选择5个聚类中心，赋予锚框初始值 

 合理的预测

咱就是说，预测框不能全图乱跑，xy用sigmoid函数限制，wh不用，因为可能真实物体很大

 

前面的pr是：模型是否存在物体，to是 confidence，需要向左边学习，靠近

损失函数

其中λ是给定的参数

 

 细粒度特征 Fine-Grained Features

左边进来的是浅层网络的feature map

上面和下面的长条concat，下面的四个长条先concat

 

 

 多尺度训练 multi-scale training

使用不同的size 训练

不适用FC，使用全局平均池化层可以不用调整输入大小，灵活调整输入大小 

 

 综合表现

Faster！

 

V1使用Vgg太慢了

换了新网络，DarkNet

 

左边是分类的，右边是检测的

Stronger

 

作者使用两个数据集

 

分层softmax