1、简介
Yolov2采用了Darknet-19特征提取网络，包括19个卷积层和5个maxpooling层，网络结构如下：
也有尝试使用ResNet-50作为特征提取的模型，网络结构如下：
2、YOLOV2的改进
2.1 加入批归一化（Batch Nomalization）
对数据进行预处理（统一格式、均衡化、去噪等）能够大大提高训练速度，提升训练效果。因此， 在YOLOv2中，每个卷积层后面都添加了Batch Normalization层，并且不再使用Dropoutd（解决过拟合）。使用Batch Normalization后，YOLOv2的mAP提升了2.4%。
通常，一次训练会输入一批样
