v2版本的優化目標：改善召回率，提公升定位精度，保證分類準確度。
yolov2相比yolov1的改進：
v2在每乙個卷積之後增加了bn層，提高了網路訓練的速度，加快了收斂，消除了對其他正則化的依賴，且正則化效果更好，使調參更簡單，即使去掉dropout層也不會產生過擬合。
v1先使用224×224的解析度在imagenet上fine tune，而後為了提高定位精度，更改解析度為448×448後，在voc2007上繼續訓練，這在一定程度上干擾了fine tune的網路，需要重新調整引數適應新的解析度。
v2直接使用448×448的解析度在imagenet上fine tune 10個epoch，一開始就使用了更高的解析度。
anchor boxes其實就是有可能存在物體的候選區域，這裡的anchor boxes其實是yolov2從fast-rcnn系列檢測演算法借鑑來的。在fast-rcnn中，先通過區域建議網路（rpn，僅含卷積層，不含全連線層）**出潛在含物體的anchor boxes（候選區域）的偏移（注意是偏移而不是座標）和置信度，再從這些挑出的anchor boxes中去檢測物體。
作者在v2中發現自己在v1中吐槽過的rpn步驟效果還是蠻不錯的，並且通過**boxes的偏移量而不是座標值可以簡化問題，使網路更容易訓練。
v2中去掉了全連線層，使用卷積來**anchor boxes，並且去掉了v1網路中的乙個池化層，以提高卷積輸出的解析度。
v2網路的輸入解析度更改為416×416而不是448×448，這樣做是為了下取樣32倍之後最終的得到的特徵圖大小是奇數×奇數（416下取樣32是13,448下取樣32是14），這樣13×13的特徵圖有中心單元格，這個技巧一定程度上提公升了檢測效率。這13×13的特徵圖類似於v1中的7×7的分割區域，13×13中的每個畫素點負責**9個anchor boxes（候選區域），這樣在v2中每張上最多可以有13×13×9=1521個候選boxes，在v1中這個值是7×7×2=98個boxes。
採用anchor box讓yolo的精確度稍微下降，但是增加了在單張上目標的檢測數量（可超過一千個），也提高了召回率（由81%提公升到88%）。
dimension clusters（維度聚類），yolo v2中的這個改進是關於初始anchor boxes的大小和數量的。之前使用anchor box的系統都是手動設定初始box的大小的，v2中作者使用k-means聚類的方法在訓練集的物體邊框資料集（注意不是影象本身，而是邊框的資料）上得到了不同數量個box，並作了對比實驗，聚類的box多了，會導致模型的計算量增大，錯誤率公升高，box少了會導致召回率降低。
經過實驗，作者確定在他的訓練資料集上聚類數量是5的時候是乙個準確率和召回率的平衡值。
總之，作者在維度聚類這個點上優化了anchor boxes的賦值方式，包括數量和box大小，通過在訓練資料上的物體的邊框資料集上經過5個分類的k-means的聚類，得到5個初始anchor boxes的大小。
所以咱們訓練的時候，最好也根據自己的訓練集的特點，生成自己的anchor boxes資料，作者的資料是 anchors = 1.08,1.19, 3.42,4.41, 6.63,11.38, 9.42,5.11, 16.62,10.52。
經典的fast-rcnn演算法中對anchor boxes位置的**是通過偏移量定義的，作者認為這種計算方式是不受約束的，需要訓練很長時間才能穩定**到可感知的偏移，並且最大的弊端是導致模型的不穩定，特別是在前幾輪迭代過程中。
yolov2不去**boxes的偏移，而是採用跟yolov1中類似的方式，**boxes相對於網格單元位置的座標，並通過邏輯啟用函式將座標值約束在[0,1]。
通過這個「相對座標」到「絕對座標」的優化，yolov2訓練更容易，引數更容易學習，網路更穩定。
v1的輸入是448×448,v2中加入了anchor boxes，輸入尺寸變成了416×416（為了獲得奇數×奇數特徵圖）,yolo v2作者同時希望v2版本在不同尺寸輸入上都可以穩健檢測，所以作者在訓練過程上進行了優化。
不同於固定輸入網路的尺寸的方法，作者在訓練過程中每經過10個epoch之後就會隨機選擇新的尺寸。yolo網路尺寸更改使用的引數為32，每次把影象擴大或縮小32的倍數大小，最小的尺寸為320 * 320，最大的尺寸為608 * 608。接著按照輸入尺寸調整網路進行訓練。
這種機制使得網路可以更好地**不同尺寸的，意味著同乙個網路可以進行不同解析度的檢測任務，在小尺寸上yolov2執行更快，在速度和精度上達到了平衡。
以往的網路框架多是以vgg網路為基礎提取特徵的，vgg網路的複雜度有些冗餘，運算量很大，224 * 224的進行一次前向傳播，其卷積層就需要多達306.9億次浮點數運算。
yolo v2使用了新的分類網路，是在googlenet網路基礎上改進的，比vgg-16更快，一次前向傳播僅需85.2億次運算，精度略低於vgg，使用了較多的3×3卷積，在每一次maxpool層之後都把特徵通道數擴充至兩倍，網路最後使用的是平均池化，最終的網路結構包含了19個卷積層，5個最大池化層，乙個平均池化層，特徵提取網路（命名為darknet-19）具體結構如下：
作者在darknet-19網路上訓練了224×224和448×448解析度的imagenet資料，達到分類top-1準確率76.5%，top-5準確率93.3%。
v2的訓練網路去掉了darknet-19的最後乙個卷積層，增加了3個卷積核大小是3×3的卷積層，特徵維度是1024，並且在每乙個上述卷積層後面跟乙個1 * 1的卷積層，輸出維度是預先定義的檢測的物體的類別數量。
對於voc資料集，從**出的每個網格單元（13×13,共169個網格）中**5個boxes，每個box包含5個座標值和20個類別，所以每個網格總共是5 * （5+20）= 125個輸出維度，對於整個的輸出是13×13×125維的tensor。同時也新增了轉移層（passthrough layer ），從最後那個3 * 3 * 512的卷積層連到倒數第二層，使模型有了細粒度特徵。
目標檢測 YOLOv2總結
以下為筆記相關鏈結 推薦使用鏈結閱讀 yolov2個人總結 01.yolo v2 題目 yolo 9000 better,faster,stronger 作者 joseph redmon yolo系列的主要作者 四個問題 要解決什麼問題？在yolov1的基礎上解決小目標檢測精度 定位資訊錯誤及綜合性...
YOLOV2演算法筆記
yolov2演算法詳解部落格 一 better 1.對每一層都做了歸一化 2.先利用分類資料對網路進行訓練，然後遷移學習。3.不再和yolov1那樣直接 bounding box，yolov2中開始利用ancher box,4.dimension clusters，利用k means聚類的方式，發現...
Caffe（12） 實現YOLOv2目標檢測
darknet轉caffe中有很多潛在的問題，在yolov1 v2 v3幾個網路中有一些特殊的層。要在caffe中跑yolo，就得在caffe中原始碼實現這些層。這些層的caffe原始碼實現可以在網上找到很多。yolo特殊層的caffe框架實現 yolov1 detection層 原始碼實現 yol...