原****：《yolo9000: better, faster, stronger》
yolo2網路中第0-22層是darknet-19網路，後面第23層開始，是新增的檢測網路。
說明：route層的作用是進行層的合併
在第27層 直接新增了乙個passthrough layer 得到26*26的細粒度的特徵，然後將26*26*512的feature map的resize 變為 13*13* 2048。和原先13*13*1024的feature map拼接起來，這樣就得到了多尺度的資訊。這裡map提高了1%。
30層輸出的大小是13*13，是指把通過卷積或池化，最後縮小到乙個13*13大小的格。每乙個格仔的output引數是125。所以最後輸出的引數一共是13*13*125。
上面說了最後輸出引數是13*13*125, 是因為一共有13*13個格仔，每個格仔**出5個bounding box，每個bounding box**25個數，其中20個是class的probability，其餘5個引數中有四個表示stx、sty、tw、th，這4個來識別邊框的位置和大小，還有1個數是confidence，表示邊框**裡有真正的物件的概率，所以一共是13*13*125個數。
上圖的左邊可以看出，有5中型別的長寬比例。後面**出stx、sty、tw、th，四個引數，再根據上圖右邊的計算就可以計算出**出的box大小了，注意！上圖右邊裡面的σ(tx)可以理解為stx，σ(ty)可以理解為sty。每乙個輸出的bbox是針對於乙個特定的anchor，anchor其實是bbox的width及height的乙個參考。pw和ph是某個anchor box的寬和高，乙個格仔的cx和cy單位都是1，σ(tx)，σ(ty)是相對於某個格仔左上角的偏移量。
6.1.batch normalization（批規範化bn層應用）
yolo 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。
6.2. high resolution classifier（高解析度）
yolo 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。
6.3. convolution with anchor boxes（基於卷積的候選區域）
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。
6.4. dimension clusters（維度聚類）
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。
6.5. direct location prediction（直接位置**）
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。
6.6.fine-grained features（細粒度特徵）
6.7. multi-scaletraining（多尺度訓練）
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。
YOLO v3 網路結構分析
最近在看tensorflow，沒有經過實踐的學習總感覺很心虛，因此打算做點什麼。所以，那就從yolo入手吧，將yolo v3改寫為tensorflow版本來進行練手。那第一步便是需要對yolo網路結構有一定的理解，不能像之前僅僅用yolo訓練資料然後檢測目標那樣浮於表面。整個網路主要是由一系列的1x...
yolov4網路結構 目標檢測YOLO V4
一 yolo v4主要做了什麼？通俗的講，就是說這個yolo v4演算法是在原有yolo目標檢測架構的基礎上，採用了近些年cnn領域中最優秀的優化策略，從資料處理 主幹網路 網路訓練 啟用函式 損失函式等各個方面都有著不同程度的優化，雖沒有理論上的創新，但是會受到許許多多的工程師的歡迎，各種優化演算...
VGG16網路結構
vgg 訓練資料處理過程 let s be the smallest side of an isotropically rescaled training image.各向同性的縮放訓練影象的最小邊 以s 256為例 1.將進行等比例縮放，最小邊長度為256 2.對等比例比變化後的影象隨機擷取224...