一、YOLOV2改进的概述

做的改进如下图：

在这里插入图片描述

Batch Normalization 批量归一化层

不加BN层，网络可能学偏，加上归一化进行限制。
从今天来看，conv后加BN是标配。

在这里插入图片描述

更大的分辨率

V1训练的时候使用224×224，测试用448×448。
V2训练的时候可以进行10个epoch448×448的微调。训练测试用一样大小的数据集。
在这里插入图片描述

网络架构的改变

使用DarkNet19，借鉴了Alex和VGG的思想。所有的层都采用的卷积层，没有采用全连接层，全连接层容易过拟合，训练的也慢。
经过5次降采样，h/32，w/32，结果为13。V1版本的7×7太小。
实际输入416×416，希望416/32=奇数，中心点好选。
卷积核的卷积核为3×3，1×1，借鉴了VGG，19个卷积层。1×1是为了省参数。
DarkNet深度自己选择

在这里插入图片描述

聚类提取先验框

比如数据集里100w个标注好的框，为了使得先验框更加符合实际要求，使用K-means，K=5，聚成5类（都是实际的值），5类中都有一个中心点（h,w），将这些（h,w）做成先验框。
正常的距离：欧氏距离。
在YOLO中的距离：用1-IOU
K越大，越精确，K=5的时候，平均IOU还可以，再往上走的时候，走势不明显。

在这里插入图片描述

Anchor Box先验框

MAP值没有提升：框多了，不一定每个框都能做对。
recall提升了：框多了，之前不能框出来了可以框出来了。

在这里插入图片描述

Directed Location Prediction

直接预测相对位置，相对网格的偏移量。

在这里插入图片描述
预测的偏移量：tx,ty,tw,th，实际的预测值bx,by,bw,bh看下面的计算结果
黑色：先验框
蓝色：预测的框

蓝色的点是预测的框的中心点，学的是蓝色点相对于当前网格左上角点的相对位置（图中所标的红色的点），是0-1之间的。所以无论怎么偏移，都不会飘出这个网格了。
这里的cx,cy都是1，换一个网格就不是了。
δ是sigmoid。

计算方式

tw和th预测的是对数，所以转换回来。
pw和ph是等比例缩小后在特征图中的大小。（V2里面就是输入尺寸/32，因为做了5次降采样）。pw和ph是聚类得到的先验框，是已知条件。
计算出来后要进行还原，×32

在这里插入图片描述

感受野

在这里插入图片描述
参数少。

channel数=卷积核数=得到的特征图数

最后的感受野太大了，适合捕捉比较大的目标，所以会导致小物体的丢失。
前面层的感受野较小，可以把前面的特征图进行融合。
把前面胖点的特征图拆成4个瘦的特征图，再拼在一起。
胖的：26×26×512拆成4×13×13×512
瘦的：13×13×1024
最后拼成4×512＋1024