一、V2版本细节升级
1、YOLO-V2：
- 更快！更强
1.1 做的改进内容
1. YOLO-V2-Batch Normalization
- V2版本舍弃Dropout，卷积后每一层全部加入Batch Normalization
- 网络的每一层的输入都做了归一化，收敛相对更容易
- 经过Batch Normalization处理后的网络会提升2%的mAP
- 从现在的角度来看，Batch Normalization已经成网络必备处理
2. YOLO-V2-更大的分辨率
- V1训练时用的是224224，测试时使用448448
- 可能导致模型水土不服，V2训练时额外又进行了10次448*448 的微调
- 使用高分辨率分类器后，YOLOv2的mAP提升了约4%
二、网络结构特点
- 没有全连接层
- DarkNet，实际输入为416*416
- 没有FC层，5次降采样，（13*13） 这里416* 416/5就得到13*13
- 1*1卷积节省了很多参数
经过5次降采样，原始比如有h,w。经过了5次，那么就是2**5=32，所以最终的h就是原始输入(h)/32;w也是原始输入(w)/32
