YOLOV1_0">1、YOLOV1

• 优点：快速，简单！
• 问题1：每个Cell只预测一个类别，如果重叠无法解决
• 问题2：小物体检测效果一般，长宽比可选的但单一

YOLOV2更快！更强！

2、Batch Normalization

• V2版本舍弃Dropout，卷积后全部加入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

3、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%

4、网络结构

• DarkNet，实际输入为416*416
• 没有FC层，5次降采样，（13*13）
• 1*1卷积节省了很多参数