相对于v1的改进:
1、引入BN;
2、更高精度classifier: 7 * 7 --> 13 * 13
3、多尺度训练:移除FC层以接收任意尺度
从320 * 320,352 * 352 训练之680 * 680,每10个epoch进行更新;
4、细粒度特征:引入slice层,浅层特征直连深层特征,理解为跨度大的残差,浅层的物理信息+深层的语义信息;
5、引入anchor:单一尺度上的5个
anchor的含义:预设好的虚拟边框,生成框由anchor回归而来
影响回归的因素:位置location、形状aspect-ratio、尺度scale
YOLO V2 学习总结
于 2022-11-23 17:49:42 首次发布