谈谈YOLOv2做了哪些改进

YOLOv2在第一个版本的基础上做了不少的改进，包括网络结构和训练的小技巧，anchor机制的加入，本文将对这些改进做一个梳理。

总览

作者的实验结果总结，可以发现有很多的工程性质的trick，背后的理论却不是很多，感觉上是实验性质，能work，还要啥自行车呢？

改进分析

Batch Normalization

这个就像卷积网络中的神器，加上之后又能防止过拟合又能加速收敛。原理上，对每一批训练数据统计通道上的均值和方差，再做归一化处理，预测的时候只有一张图片，统计性质不好，用训练集的期望代表均值和方差。具体原理有很多博文解释，我一直处于不甚明白本质的状态。

加上BN之后有了2个点的提升。

大尺度预训练分类

目标检测的基础网络一般都是从分类网络来的，而且通常采用分类网络的权值初始化。问题在于，分类网络设计时输入尺寸是224，而目标检测对输入尺寸是有要求的，一般输入尺寸越大，准确率越好。这就导致初始化的权重不一定适合检测网络。

预训练初始化，主要目的是初始化浅层的一些卷积核，这些卷积核所提取的特征被认为具有通用性，用448的输入训练分类，再作为初始化会比224的好很多，提升了4个点！

新网络和跳跃结构

用了性能更好的网络，加上了passthrough层，该层将\(26 \times 26 \times 512\)的浅层特征，通过一定的组合转换成\(13 \times 13 \times 2048\)的特征图，再与网络深层对应空间大小的特征图融合，提升1个点多。

多尺度训练

这个不太明白，也是trick吧，确实有作用，能提升1个点！

anchor机制

每个网格对应5个box，并且这5个box的类别可以不同，具有先验的wh，wh是对数据集的聚类分析得到的。

cxcy仍然和v1一样，是距离当前网格左上角的偏差，并被归一化到0-1之间，而宽高则变为相对于匹配的anchor的宽高，匹配anchor应该是根据IOU来的。

anchor机制的目标如下图所示

对v2的一些个人理解

对于网络和训练上的改进，就不多说了，说一下anchor机制。

v2和v1有哪些差别？v2每个网格的box自带wh，可以为不同的类别，我觉得这就是最大的差别，v2网格的每个box更合理一些。这样的好处：1.对聚集的小目标更好；2.对不同大小的目标匹配不同的anchor box，计算wh时有各自的基准wh。

YOLO的anchor与SSD的有什么不同？1.YOLO固定了anchor box的中心点范围；2.匹配机制不同，YOLO根据目标中心点确定网格，再从网格中选择合适的box，貌似不存在匹配不到的情况，SSD根据IOU大小匹配，有些位置出现的某些大小的目标IOU都小于阈值，只能匹配一个IOU最大的；3.anchor box的宽高设置上，YOLO对数据集作聚类分析，其实SSD也可以借鉴了，这种聚类分析受到数据集的影响，对新数据集可能要重做一遍才比较好，泛化性不强。