进阶提升 · 1YOLOv2 改进
核心概念
- YOLOv2：YOLO 的第二代版本，重点提升检测精度，同时保持实时速度。
- Darknet-19：YOLOv2 使用的主干网络，由 19 层卷积层组成，借鉴 VGG 小卷积核设计。
- Anchor Boxes（先验框）：通过 K-Means 聚类从真实标注框中学习得到的更合理的候选框尺寸。
- 偏移量预测：采用相对网格坐标和 sigmoid 限制，使预测中心点稳定落在对应网格内。
提出问题
- YOLOv1 的 7×7 网格和 2 个候选框，导致检测能力不足，尤其是小目标。
- 固定手工设定的候选框比例（如 Faster R-CNN 的 9 种）不够灵活，无法适配不同数据集。
- 直接预测绝对偏移量时，训练不稳定，框容易漂移出对应网格。
论点与解决方案
- 更高分辨率特征图：
- YOLOv2 将输出网格从 7×7 提升到 13×13，可捕捉更多细粒度信息，提高小目标检测能力。
- 改进主干网络：
- Darknet-19 全卷积结构，使用 3×3 和 1×1 卷积，既扩大感受野又减少参数。
- 先验框生成：
- 使用 K-Means + IoU 距离度量，自动从数据集中学习合适的候选框尺寸。
- 选取 k=5 作为折中（提升 Recall 明显，mAP 基本不变）。
- 偏移量计算改进：
- 预测结果不再是绝对位置，而是 相对于当前网格左上角的偏移量，范围限制在 [0,1]。
- 通过 sigmoid 函数约束，避免训练初期预测点漂移出网格，提高收敛稳定性。
关键机制 / 细节
- 多次降采样：输入 416×416，经过 5 次下采样得到 13×13 特征图。
- 候选框改进：
- YOLOv1：每网格 2 个候选框（人工设定）。
- YOLOv2：每网格 5 个候选框（聚类得到）。
- 距离度量改进：
- Faster R-CNN 使用欧式距离聚类 → 受框大小影响。
- YOLOv2 使用 IoU 距离 (1 - IoU) → 与框大小无关，更合理。
- Recall 提升：
- 候选框数增加 → Recall 提升约 7%。
- mAP 基本持平（变化 <0.3）。
总结
- YOLOv2 的核心改进：
- 更高分辨率的特征图（7×7 → 13×13）。
- 新的主干网络 Darknet-19。
- 候选框通过 K-Means 自动学习。
- 偏移量预测更稳定，限制在网格内。
- 效果：Recall 提升显著，检测更加全面；速度依然保持实时。
- 意义：YOLOv2 成功解决了 v1 的候选框不足与训练不稳定问题，为 v3 的进一步改进打下基础。
