深度学习：Yolo系列 V1和V2的对比

YOLO V1和V2的对比：

BatchNorm

V2版本舍弃dropout，卷积后全部加入batch normalization网络的每一层的输入都做了归一化，收敛相对更容易，经过batch normalization处理后的网络会提升2%的map，从现在的角度来看，batch normalization已经成为网络必备处理

更大的分辨率

V1训练时用的是224*224，测试时使用448*448可能导致模型水土不服，V2训练时额外又进行了10次448*448的微调，使用高分辨分类器后，Yolo- v2的map提升了约4%

网络结构

darknet，实际输入为416*416，没有fc层，5次降采样（13*13），1*1卷积节省了很多参数

聚类提取先验框

faster-rcnn系列的先验比例都是常规的，但是不一定完全适合数据集，k-means聚类中的距离：d=1-lou

anchor box

通过引入anchor boxes,使得预测的box数量更多（13*13*n），跟faster-rcnn系列不同的是先验框并不是直接按照长宽固定比给定

Directed Location Prediction

其目的是进行位置微调，预测偏移量。它用于限制偏移量，以防止在训练时出现发散。这种方法预测的是相对位置，即相对于网格的偏移量。

感受野

概述来说就是特征图上的点能看到原始图像多大区域

fine-grainde features

最后一层是感受野太大了，小目标可能丢失了，需要融合之前的特征

Multi-Scale

整个网络结构不包含全连接层，因此输入图片的大小可以任意 最小的图像尺寸为320*320 最大的图像尺寸为608*608