yolov2

相对于v1做的改进。

BN层

sigmod输入过大或过小就会造成梯度消失，所以利用BN使数据正态分布。


上图一共有8个样本，batch size = 8，然后每个神经元单独做标准化，比如对1 1.5 1.2 0.9，，这8个算出均值，标准差，然后标准化。

标准化后的结果。都在0附近了。

高分辨率的分类器

v1是在224x224的图像上训练的，v2换成在448x448的图像上训练了。

anchor机制

vi的bbox的形状是随机的，而v2确定两个bbox一个是瘦高的，一个是矮胖的，后续只是位置的微调。

v2是划分为13x13个grid cell，每个grid cell有5个anchor，事先设置好的5种大小不同的框，假如预测花，则花的中心点在哪个grid cell里面，就由这个grid cell的5个anchor里面iou最大的负责预测。

这个白框是人为的，由4号区域的与白框iou最大的anchor负责拟合，得到这个anchor对应的预测框，最后输出相对这个预测框相对初始anchor的偏移量就行了。

v2里面类别归anchor管了，v2里面一个grid cell有5个anchor,每个anchor有25个参数。最后是13x13x125。
最后是13x13x125，最终结果的参数就在这个张量里面。

预测框

为了防止预测框野蛮生长，tx,ty,tw,th是计算得到的预测框参数，加上sigmod函数，这样可以把预测框的中心点约束在这个grid cell里面，真正的预测框就是蓝色的了。

yolov2的损失函数

这是v1的

遍历了每一个anchor，第一部分针对不负责预测物体的预测框，所以置信度越小越好；第二部分是训练早期，anchor和预测框的损失值，目的是为了加快预测速度；第三部分包括三个模块。

细粒度特征

左上角是原始的特征图，一条路将他拆成4份，另一条路将他正常的卷积池化，最后把它们摞在一起，所以最后这个长条既包含底层的细粒度信息，也包含高层的信息。

多尺度训练

每10步就重新选择一个不同大小的图片进行训练，就可以使模型兼容各个大小的图像。

更换骨干网络

v2使用了darknet-19网络，左边是分类的，右边是预测的。

这个是预测阶段。

检测类别更多

把这两个数据集结合在一起。