yolo系列——yolov2

v2 用coco数据集训练后，可以识别80个种类。Yolo9000可以使用coco数据集+ImageNet数据集联合训练，可以识别9000多个种类，但核心都是yolov2的算法。
（1）batch normlization
a)在目前的网络结构中，BN逐渐变成了标配，在YOLO的每个卷积层中加入BN之后，MAP提升了2%，并且除了Dropout。
（2）相比v1的改进
a)在v1中，网络的backbone部分会在ImageNet数据集上进行预训练，训练时网络输入图像的分辨率224*224。
b）在V2中，输入图片提高为448*448的ImageNet数据集上训练10个epoch,再使用检测数据集（例如coco）进行微调。预训练时mAP提高了大约4%。
c)在v2中，神经网络不对预测框（宽，高）的绝对值进行预测，而是预测框与Anchor框的偏差。
d)训练时，与最接近ground truth的框产生loss，其余框不产生loss。
e)v2中移除了最后两层全连接层，全连接层计算量大，耗时久。
（3）Anchor box产生的方法
a)在v2中，anchor Box的宽高不经人为获得，而是将训练数据集中的矩形框全部拿出来，用Kmeans聚类得到先验框的宽高，
b）例如使用5个anchor Box，那么Kmeans聚类的类别中心个数设置为5。
c)聚类必须要定义聚类点之间的距离数
步骤：
(1) 提取所有训练数据的bounding boxes 的宽高数据。将坐标数据转化为宽高大小，计算方法：长=右下角横坐标–左上角横坐标，宽=右下角纵坐标-左上角纵坐标
(2) 初始化k个anchor box，通过在所有的bounding boxes中随机选取K个值作为k个anchor boxes的初始值。
(3) 计算每个bounding box与每个anchor box 的iou值

(4) 分类：我们通过比较每个bounding box 与每个anchor box的误差大小，选取最小误差的那个anchor box，将这个bounding box 分类给它，对于每个bounding box都做这个操作，最后记录下来的每个anchor box 有哪些bounding box属与它。
(5) anchor box更新：对于每个anchor box中的那些bounding box，我们再求这些bounding box 的宽高中值大小，将其作为该anchor box新的尺寸
(6) 重复操作第3步到第五步，直到在第五步中发现对于全部bounding box 其所属的anchor box类与之前所属anchor box类完全一样(bounding box不再更新)。
（4）绝对值位置预测(用锚框表示图像中物体的真实框)
预测框数(bb)=网格数锚框数(ab)
预测框的坐标信息表示(tx,ty,tw,th)
每个锚框所对应的网格的左上角坐标(cx,cy)
锚框的的宽度和长度(ph,pw)
真实框的预测

（5）细粒度特征
2626的特征图经过卷积层等，变为1313的特征图后，损失了很多细粒度的特征，导致小尺寸物体的识别效果不佳，因此加入了passthrough层(将26261的特征图变成13134的特征图，这种操作不损失细粒度特征)
（6）多尺度训练
• Yolo v2中只有卷积层与池化层， 所以对于网络的输入大小， 并没有限制， 整个网络的降采样倍数为32， 只要输入的特征图尺寸为32的倍数即可。
• 在每10个batch之后， 就将图片resize成{320, 352, …, 608}中的一种。 不同的输入，最后产生的格点数不同。
• 在引入了多尺寸训练方法后， 迫使卷积核学习不同比例大小尺寸的特征。 当输入设置为544544甚至更大， Yolo v2的mAP已经超过了当时其他的物体检测算法。