FLY__1997的博客

YOLO V2 简要一、YOLO V2特点1、采用同时在coco目标家名册数据集和ImageNet分类数据集上训练的策略，允许模型检测没有分类标签的数据。2、不再采用全连接层和预测box，而是采用卷积层预测anchor box的方式。3、采用k-means聚类算法预选box，距离不采用传统欧氏距离，距离采用如下计算方式：由聚类中心个数和平均的IOU的关系选择最好的tradeoff，即5个中心4、box中心坐标输出还是和YOLO V1一样采用box中心相对于grid的坐标，但长宽坐标为box宽

一、YOLO 1的特点1、与当时最先进的技术相比还欠缺一些定位准确度，但在识别精度上较高2、base模型处理图片可以达到45 fps/s, fast YOLO更小的模型达到155 fps/s,且仍然有两倍的map相较于其他的实时检测器。因此可应用于实时系统检测。3、传统的几种检测器是通过滑动窗口或基于区域检测物体的，而YOLO检测与识别物体时是观测整张图片的，所以其可以学习类之间（论文中说还有外观之间）的上下文信息，如（桌子和杯子），因此其对背景物体检测准确率较高。4、由于YOLO训练和检测时是看到