Yolo（2）Yolo v2
目錄
Yolo v2改進
1、引入BP層
2、更高精度的分類器
3、引入anchor?
定義：
anchor理解：
目標：
4、細粒度特征
5、多尺度
Yolo v2改進
yolo v2 VS yolo v1：
1、引入BP層
2、更高精度的分類器
3、引入anchor?
定義：
anchor：預設好的虛擬邊框（virtual bounding box）
生成框由anchor回歸而來。
目的：
讓生成的預測框一步步迭代到靠近真實框的位置。
（回歸(regression)：使預測值一步步趨向目標值）?
?得到生成框的過程：（anchor一步步回歸）
anchor理解：
?
?：預測框（由anchor回歸得到）
?：anchor
?：真實物體框
目標：
希望 anchor 趨于 truth，但由于anchor生成predict，所以希望predict趨于truth。所以我們希望(predict - anchor) 趨于 (truth - anchor)（補償），即。
關鍵理解：?
：分別為predict的x、y、w、h的補償。
：分別為truth的x、y、w、h的補償。
anchor的設置：
????????人為地定義一系列位置，在這些位置上生成不同形狀的anchor，在這些不同形狀的anchor中，找到最像物體的anchor去預測物體。?
為什么要設置anchor？
????????如果沒有anchor，回歸到一個特定的位置時需要從無窮處開始；而有了anchor之后，可以從有窮且像物體的地方進行回歸，可以提高算法精度。
?歸一化：
歸一化到0~13（特征圖大小）：?
獲取相對于單個cell的位置：
例如：9.6 - 9 = 0.6? ? ? ? （相對于第九個單元格，在0.6處位置）?
相對于單元格歸一化：
：sigmoid函數，把結果歸一化到0~1。
4、細粒度特征
大圖變小圖。
5、多尺度
?有了全連接層，網絡的大小會被定型，且全連接層數據量太大。
總結
以上是生活随笔為你收集整理的Yolo（2）Yolo v2的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Yolo（1）Yolo v1
- 下一篇： OpenCV 错误：无法打开摄像头（打开