yolo系列_r-cnn通常检测速度高于yolo,但检测精度稍低

YOLO系列对比

yolov2：better，faster，stronger
虽然检测速度很快，但是在检测精度上却不如R-CNN系列的检测方法。yolov1在物体定位方面不够准确，并且召回率（recall）很低。
1.batch normalization
yolov2 网路在每个卷积层后面添加了bn层，改善收敛速度，减少了对其他正则化方法的依赖（舍弃了dropout优化后依然没有过拟合）
2.高分辨率分类器
v1先以224224预训练分类网路，然后分辨率调整到448448进行检测网络
3.anchor box
v1使用全连接层数据进行boundingbox预测，这会丢失较多的空间定位信息，v2借鉴了anchor思想，在特征图上每个特征点取一定数量的不同大小和比例的anchor，由于特征图上的每个特征点对应于原图像的某个固定区域，故很好保留了空间定位信息。此外，用预测相对偏移，取代直接预测坐标简化了问题，便于网路学习。
v1-v2
将网路输入图片分辨率由448448改为416416，目的是使特征图的宽高都为奇数，即可产生一个center cell。使用卷积层降采样总步长为32，使得输入416416图片最终得到1313的特征图。v2抛弃每个cell预测一个类别，而是全部放到anchor box中（anchor box同时预测类别和坐标），可以实现对于anchor类别的预测而非每个特征点仅能有一个类别。
4.维度聚类（保持快的速度）（如何确定尺寸）
k-meas 聚类，对数据集的gtbox做聚类，
faster：
特征提取网路：Googlenet->darknet19
5.（如何确定位置）
引入Sigmoid函数预测offset，解决了anchor boxes的预测位置问题，采用了新的损失函数，二元采用预测相对于grid cell的坐标位置，同时把gt限制在0到1之间（利用logistic激活函数约束网路的预测值来达到此限制）
沿用了YOLO算法中直接预测相对于grid cell的坐标位置的方式。
前面提到网络在最后一个卷积层输出13*13大小的feature map，然后每个cell预测5个bounding box，然后每个bounding box预测5个值：tx，ty，tw，th和to（这里的to类似YOLOv1中的confidence）