西安seo网站建设,单页,软件外包公司怎么赚钱,seo是搜索引擎吗一、V2版本细节升级 1、YOLO-V2#xff1a; 更快#xff01;更强 1.1 做的改进内容 1. YOLO-V2-Batch Normalization V2版本舍弃Dropout#xff0c;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#xff0c;收敛相对更容易经过Batch Norma…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*131*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**532所以最终的h就是原始输入(h)/32;w也是原始输入(w)/32 三、基于聚类来选择先验框尺寸