Yolov2模型——pytorch实现

论文传送门：YOLO9000: Better, Faster, Stronger

Yolov2的改进：

1.批标准化(Batch Normalization)：在conv后加入BN(conv不再使用bias)，改善模型的收敛性，同时去掉dropout；
2.高分辨率分类器(High Resolution Classifier)：使用448x448的完整分辨率对分类网络(主干网络)进行10epoch的预训练；
3.锚框(Convolutional With Anchor Boxes)：引入anchor的概念来预测bbox，每个anchor单独预测目标和类别，目标预测先验框(anchor)与真实框之间的IOU，类别预测存下目标的前提下，该类别的条件概率；
4.尺寸聚类(Dimension Clusters)：使用k-means聚类的方法获得anchor的预设尺寸；
5.直接位置预测(Direct location prediction)：将网络输出的中心坐标偏移参数$t_x$、$t_y$和置信度(IOU)$t_o$通过sigmoid激活函数，将其值压缩在(0,1)；
6.细粒的特征(Fine-Grained Features)：在backbone中提取浅层特征，经过passthrough layer(focus)后与深层特征相接(concat)；
7.多尺度训练(Multi-Scale Training)：每10个batches，随机改变网络输入图像尺寸，从$[320,352,...,608]$中选取(32的整数倍，因为图像经过网络缩减了32倍)，增强模型的鲁棒性；

Yolov2的结构：

使用Darknet19(去掉分类部分)作为backbone提取特征，使用卷积和passthrough layer处理浅层特征，使用两层卷积处理深层特征，并对两层特征进行Concat，最后经过卷积变换得到通道数为125的输出。
图示Darknet19的输入图像尺寸为224，但在Yolov2中作backbone，输入图像尺寸为$[320,352,...,$