要点
Batch Normalization
- 训练
若
batchsize=64,某一层的某一个神经元会输出64个响应值，对这64个响应值求均值，标准差，然后标准化，对标准化的结果乘 λ + β \lambda + \beta λ+β,其中 λ \lambda λ和 β \beta β是需要训练的参数，并且每一个神经元都有一组 λ \lambda λ和 β \beta β。
如此操作，即可把神经元的输出限制在 N ( 0 , 1 ) N(0,1) N(0,1)标准高斯分布之中。
- 测试
与训练进行相同处理，只不过不再需要训练均值 u u u、方差 σ \sigma σ、 λ \lambda λ和 β \beta β参数，这两个参数的值由训练期间的全部 λ \lambda λ和 β \beta β求出，如 u t e s t = E ( u b a t c h ) u_{test}=E(u_{batch}) utest=E(ubatch), σ = n n − 1 E ( σ b a t c h 2 ) \sigma=\frac{n}{n-1}E(\sigma_{batch}^2) σ=n−1nE(σbatch2).
使用batch normalization可以加快训练收敛，改善梯度，尽可能不处于饱和区，如使用sigmoid激活函数，在（0,+1）(-1,0)之间处于不饱和。
Anchor
- 将一张图片划分为 13 ∗ 13 13*13 13∗13的网格，即
169个grid cell,每一个grid cell设置固定数量（n=5）与大小的anchor，每一个anchor的长宽等大小不同,并且与真实框IOU最大的anchor负责预测该grid cell负责的检测对象。anchor的原理类似于RCNN中存在的候选框，存在anchor，只需要每次训练预测框相对于anchor的偏移量即可。 - 在预测阶段，输出的向量对每一个anchor都有预测对象类别概率值，相对于yolov1只有每个grid cell才有类别概率。一个grid cell有5个anchor，每个anchor有 （ x , y , w , h , c o n f i d e n c e , 20 k i n d s o f c l a s s e s ） （x,y,w,h,confidence,20 \space kinds \space of \space classes） （x,y,w,h,confidence,20 kinds of classes）。
细粒度特征
passthrough 层，将高分辨率的特征图与低分辨率的特征图融合在一起，实现多尺度的检测效果，启发于SSD检测。
例如一张特征图矩阵，大小为4*4*3,按照下方方式进行重组
图中通道数变为4倍，大小为原来的1/4， 4 ∗ 4 ∗ 3 4*4*3 4∗4∗3 --> 2 ∗ 2 ∗ 12 2*2*12 2∗2∗12
将经过处理得到的特征图与原特征图经过卷积处理结果进行融合。
在实际的yolov2中，网络层中有一个 26 ∗ 26 ∗ 512 26*26*512 26∗26∗512的特征图，一方面进行使用64个 1 ∗ 1 1*1 1∗1卷积，得到 26 ∗ 26 ∗ 64 26*26*64 26∗26∗64的特征图，然后将该 26 ∗ 26 ∗ 64 26*26*64 26∗26∗64的特征图送入 passthrough 层，得到 13 ∗ 13 ∗ 256 13*13*256 13∗13∗256的特征图;另一方面继续进行卷积，最后得到 13 ∗ 13 ∗ 1024 13*13*1024 13∗13∗1024的特征图，将 13 ∗ 13 ∗ 1024 13*13*1024 13∗13∗1024特征图与 13 ∗ 13 ∗ 256 13*13*256 13∗13∗256特征图进行合并，得到 13 ∗ 13 ∗ 1280 13*13*1280 13∗13∗1280特征图，再输入到网络中即可。
损失函数
上式中求和的 i , j , k i,j,k i,j,k表示 13 ∗ 13 13*13 13∗13grid cell的每一个 a n c h o r k anchor_k anchork;
第一行为anchor与真实框的IOU交并比是否满足给定阈值，满足则计算，否则不计算该项。 − b i j k 0 -b_{ijk}^{0} −bijk0表示该预测框不负责预测物体的置信度，越小越好。
第二行为判断是否是前12800次迭代，是则优化anchor与预测框的位置信息，使每一个anchor确定不同的自身作用，模型稳定。
第三行为负责检测物体的anchor进行该计算：其中的三个表达式分别为真实框与预测框的定位误差，真实框与anchor的IOU值和预测框置信度的误差，真实框的类别与预测框的类别误差。