（1）Dropout与Batch Normalization
在V1版本中使用Dropout，在前向传播时，停止一部分神经元，使模型泛化性更强，防止过拟合
在V2版本中改进为BN（批量标准化），对数据进行归一化（统一格式、均衡化、去噪等），提高训练速度，提升训练效果
BN在目前已经成为网络必备模块
（2）更大的分辨率
V1版本中训练使用224*224的分辨率，而测试使用448*448
V2版本中额外加上10个epoch的448*448训练对模型进行微调
（3）网络结构（Darknet-19）
删掉了V1中的FC层（全连接层），改为用卷积层和池化层来提取特征，共进行了五次降采样，将特征大小压缩为原始图像的1/32倍
对于Darknet的不同版本，进行的卷积层数不同，其效率、精度不同，例如Darknet-74比Darknet-19卷积更深，得到的结果就更精确，但效率更低
（4）K-means聚类提取候选框（Anchors box机制）
V1中候选框是预先给出2个，V2中通过将比较常规的候选框与真实框进行聚类，选出5个最具有代表的候选框Anchors
（5）候选框与预测框的坐标偏移计算（Directed Location Prediction）
（图中黑色为anchor先验框，蓝色为预测框）
区别于V1中直接使用绝对偏移量，V2中使用相对于grid cell的偏移量进行预测 ，其中σ为sigmoid函数，将偏移量限制在[0,1]之间
（6）感受野的作用
感受野就是通过卷积池化等操作后，在特征图中的一块对应原图的一部分，相当于代表了这部分的特征，越大的感受野越能代表全局的特征
需要注意的是，对应得到相同的感受野，堆叠小的卷积核所需的参数更少一些，并且卷积过程越多，特征提取也会越细致，加入的非线性变换也随着增多，还不会增大权重参数个数，这也是VGG网络的基本出发点，用小的卷积核来完成体特征提取操作
（7）特征融合改进
得到最后一层特征图时，其对应的感受野很大，容易丢失小目标，所以需要与之前的特征进行融合
版权声明：本文为CSDN博主「林十六要努力」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_50533561/article/details/122838717
暂无评论