yolo_v2原理

实现方法

整体上，v2对v1的问题进行了优化，通过多个方面进行改进

1. Batch Normalization mAP提升2.4%

   • V2版本舍弃Dropout，卷积后全部加入BatchNormalization
   • 网络的每一层的输入都做了归一化，收敛相对更容易
   • 通俗来讲，就是对每一层加上干预，使其向我们希望的方面预测
   • 批归一化有助于解决反向传播过程中的梯度消失和梯度爆炸问题，降低对一些超参数（比如学习率、网络参数的大小范围、激活函数的选择）的敏感性，并且每个batch分别进行归一化的时候，起到了一定的正则化效果（YOLO2不再使用dropout），从而能够获得更好的收敛速度和收敛效果。

2. 更大的分辨率 mAP提升了3.7%

   • V1训练时用的是224 * 224，测试时使用448 * 448
   • V2训练时额外又进行了10次448 * 448的微调

3. 聚类提取先验框 召回率大幅提升到88%，同时mAP轻微下降了0.2

   • 先验框：去掉了全连接层，去掉了网络中一个Pooling层。416 * 416用作输入尺寸最终能输出一个13 * 13的Feature Map，使用Anchor Box会让精确度稍微下降，但用了它能让YOLO能预测出大于一千个框。
   • Dimension clusters（聚类提取先验框的尺度信息）：优化先验框，对训练集中标注的边框进行K-mean聚类分析，在model复杂性与high recall之间权衡之后，选择聚类分类数K=5，K-means聚类中的距离如下
     
   • 约束预测边框的位置：YOLO调整了预测公式，将预测边框的中心约束在特定gird网格内，

4. passthrough层检测细粒度特征 mAP提升1

   • 因为感受野的原因，小目标信息可能丢失
   • 就是在最后一个pooling之前，特征图的大小是2626512，将其1拆4，直接传递（passthrough）到pooling后（并且又经过一组卷积）的特征图，两者叠加到一起作为输出的特征图。
   • 根据YOLO2的代码，特征图先用11卷积从 2626512 降维到 2626*64，再做1拆4并passthrough。

5. 多尺度图像训练

   • 都是卷积操作，因此可以不同尺度图片进行训练
   • 每10个Batch，网络会随机地选择一个新的图片尺寸，由于使用了下采样参数是32，所以不同的尺寸大小也选择为32的倍数{320，352…..608}，最小320320，最大608608，网络会自动改变尺寸，并继续训练的过程。

总结：v2就是在细节上对v1的问题进行了优化，提升了mAP值