YOLOV1-YOLOV2

YOLO-V1 存在问题

• YOLO 对相互靠的很近的物体，还有很小的群体检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类。
• 同一类物体出现的新的不常见的长宽比和其他情况时，泛化能力偏弱。
• 由于损失函数的问题，定位误差是影响检测效果的主要原因。尤其是大小物体的处理上，还有待加强。

YOLO 一代有很多缺点，作者希望改进的方向是改善 recall，提升定位的准确度，同时保持分类的准确度。

YOLO v2 则着力于简化网络。具体的改进见下表：

• Batch Normalization

每一个卷积层增加 Batch Normalization，移除dropout。

• High resolution classifier

YOLO 从 224*224 增加到了 448*448，这就意味着网络需要适应新的输入分辨率。

• Convolution with anchor boxes

去掉了全连接层，使用 Anchor Boxes 来预测 Bounding Boxes。

• Dimension clusters

在训练集的 Bounding Boxes 上跑一下 k-means聚类，获取Anchor Box 的尺寸。

• Fine-Grained Features

YOLO 修改后的特征图大小为 13*13，YOLO 加上了一个 Passthrough Layer 来取得之前的某个 26*26 分辨率的层的特征，把高分辨率特征与低分辨率特征联系在一起，提高小目标检测定位。

• Multi-Scale Training

之前是输入图片尺寸不对，就补全。YOLO V2作者希望 用于训练模型中运行于不同尺寸的图片之上，每 10 个 Batch，网络会随机地选择一个新的图片尺寸，并改变图像尺寸继续训练。参数是32的倍数。

• Datasets combination with wordtree

YOLO V2使用 WordTree 来混合来自不同的资源的训练数据，并使用联合优化技术同时在 ImageNet 和 COCO 数据集上进行训练

YOLO V3 改进之处：

1.多尺度预测 （类FPN） YOLO v2 叫 Passthrough Layer

每种尺度预测 3 个 box, anchor 的设计方式仍然使用聚类，得到9个聚类中心，将其按照大小均分给 3 个尺度。

1. 尺度1: 在基础网络之后添加一些卷积层再输出box信息。
2. 尺度2: 从尺度1中的倒数第二层的卷积层上采样(x2)再与最后一个 16x16 大小的特征图相加，再次通过多个卷积后输出 box 信息，相比尺度1变大两倍.
3. 尺度3: 与尺度2类似，使用了 32x32 大小的特征图

2.更好的基础分类网络（类ResNet）和分类器 darknet-53 |19->53

1. darknet-53 与 ResNet-101 或 ResNet-152 准确率接近，但速度更快。

3.分类器-类别预测：

YOLOv3 不使用 Softmax 对每个框进行分类，主要考虑因素有两个：

1. Softmax 使得每个框分配一个类别（得分最高的一个），而对于 Open Images这种数据集，目标可能有重叠的类别标签，因此 Softmax不适用于多标签分类。
2. Softmax 可被独立的多个 logistic 分类器替代，且准确率不会下降。
3. 分类损失采用 binary cross-entropy loss.