qq_46093326的博客

753∗4120。

YOLO-V2-Batch Normalization:舍弃了Dropout，每次卷积后全部加入Batch Normalization网络的每一层的输入都进行了归一化，收敛相对更容易经过Batch Normalization处理后，网络的mAP值提高了2%YOLO-V2-更大的分辨率:V1训练时用的是224∗224224*224224∗224，测试时使用448∗448448*448448∗448可能导致模型水土不服，V2训练时额外又进行了10次448∗448448*448448∗448的微

每个预测框都有置信度，置信度代表框内有物体的概率。召回率代表物体是否漏检，漏检的程度。精度代表真实框和预测框的接近程度。

经典的方法把问题转化成问题，一个即可搞定可以对视频进行检测S∗SgridcellobjectobjectBBoundingBoxesCBoundingBoxconfidenceBoundingbox5xywhconfidencexywhconfidenceboxobjectboxboxgroundtruthIoUcon。