目标检测论文解读7——YOLO v2

标签：总结   聚类   论文   检测   接受   引入   自动   str   cell   

背景

　　YOLO v1检测效果不好，且无法应用于检测密集物体。

方法

　　YOLO v2是在YOLO v1的基础上，做出如下改进。

　　(1)引入很火的Batch Normalization，提高mAP和训练速度；

　　(2)加入了Anchor Box机制，每个grid cell5个Anchor Box；

　　(3)自动选择Anchor Box，这是作者所作出的创新，之前Anchor Box都是人为直接规定的，显然不是很合理。作者通过K-means聚类算法，用IoU作为距离度量，生成了Anchor Box的尺度。

　　(4)引入Multi-Scale的思想，YOLO v2去掉了全连接层，所以网络可以接受不同size的图片，训练过程中网络每隔10 batch随机选择不同的size的图片作为输入数据。

总结

　　YOLO v2在YOLO v1基础上，加入各种流行的技术，达到了非常好的效果。

目标检测论文解读7——YOLO v2

标签：总结   聚类   论文   检测   接受   引入   自动   str   cell   

原文地址：https://www.cnblogs.com/xin1998/p/11381355.html