7.YOLO V2

YOLO V2 YOLO 9000

一、YOLOv2小象学院课程课件

    YOLOv2 基于YOLOV1的改进：

    1、BN：所有卷积层之后都加上了batch Normalization
    2、高分辨分类：在用ImageNet模型分类的时候，全部把ImageNet的图片resize为448*448的大小进行分类。然后把该模型拿过来用。
    3、还原faster R-CNN中anchor的思想，增加了bounding box的数量。原先YOLOv1一个grid只有2个bbox，提升到了9个。实际上还用K-means聚类选取了5个最合适的bounding box的宽高比（瘦高型的多一点），因此每个grid只选取了5个bounding box。
    4、在预测偏移量的时候，加了个sigmoid，把预测的值限定在0-1之间。
    5、增加了一个passthrough层，类似于resnet中的残差块，把低层次特征加入到高层次特征。
    6、YOLOV2中去掉了全连接层，所以进行多尺度训练，因为只有了卷积层和池化层，所以训练的时候随便改变输入的尺寸，进行训练。这样训练训练了10次。

    YOLO v2的网络结构：

二、YOLO 9000小象学院课程课件