一，IOU置信度与非极大值抑制NMS

在第一篇文章中我们讲到，对于一张图片，在前向传播的过程后（也就是卷积，池化，全连接等等），会生成许许多多个预测框，那么怎么从这么多预测框筛选出最好的几个框来达到预测功能呢？这里就需要用到IOU和非极大值抑制。

---

（1）IOU：

什么是IOU？

（1.1）训练阶段：

在模型训练阶段IOU会首先筛选置信度小于阈值的检测框，接着将剩下的预测框与人工标注的真实框做IOU匹配，用来判断是否正确检测到了目标，为后面的反向传播做准备

（1.2）推理预测阶段：

用于非极大值抑制，

推理阶段计算IoU的主要目的是筛选重叠的预测框，避免重复检测同一个目标。具体步骤如下：

1. 按置信度排序：将所有预测框按置信度从高到低排序。
2. 选择最高置信度的框：保留置信度最高的框作为有效检测。
3. 计算IoU：计算该框与其他所有未处理的框的IoU。
4. 抑制重叠框：
   • 如果某个框与当前最高置信度框的IoU超过阈值（如0.5），则认为它们检测的是同一个目标，因此丢弃置信度较低的框。
     （这里是什么意思呢？就是说因为一个物体必然会占据7*7个小方格中的许多个，都是有效检测的，如果采取只保留置信度最高的，那么如果图片里面有多个同类物体，那么只能检测一个类别物体中的一个，所以我们采用IoU超过阈值（如0.5）舍弃的方法，因为如果两个同类物体虽然置信度都很高，但是彼此不重叠，所以iou值很低，不会被删除，这样既能获取最高的置信度框，又能避免删去同类的其他物体，而这就是非极大值抑制）
   • 重复上述过程，直到处理完所有框。

     

ps:类别置信度=（确实有目标物体的前提下）置信度×类别概率

后处理阶段=IOU+NMS 

二，关于YOLOV2的改进点 

在yolov1的基础上，yolov2进行了许多改进，让我们来看看吧~

改进点有：

2.1 引入批归一化（Batch Normalization, BN）层

问题来源：如下图左边：

当我们在进行数据输入时，我们知道，很多数据的量纲是不统一的。如果此时大小较小的数据 

更为重要，那很明显w1的值就要很大，但是由于梯度下降时渐进的，这时参数更新可能需要很多步才能到达最优点。而如果我们进行归一化操作（如右图），那么梯度更新将变得不那么复杂。也就是说，归一化后的数据分布更稳定，网络在训练时更容易找到最优解，从而加快收敛速度。

当然，加入BN层还有其他好处。

---

2.1.1 BN层计算步骤

---

2.2 采用高分辨率网络训练 

相较于yolov1，yolov2先用低分辨率进行训练，之后再用实际检测需要的高分辨率数据进行再训练，有效提高了准确率。

 2.3 删去全连接层 -->convolutional

 

（1）最后的几个全连接层以及前面的最后一个pool层被删去，这有利于获得更高分辨率的图片。

（2）采用416*416进行输入的原因是最后的输出是13*13是奇数矩阵，原来是偶数矩阵的弊端是，按照统计规律，图片目标物体位于中心的可能性较大，这时物体中心点很可能位于映射边框上，使得模型难以区分该点是属于哪一格子里的。

（3）采用解耦合的好处，原来的格子是2个检测框，每个格子的类别概率同属2个检测框，这样会使得两个检测框只能检测同一种物体。而解耦合能使得每个检测框都有自己独立的类别检测概率，从而实现一个格子里面可以检测出多种物体。

---

2.3.1 采用anchor锚框

 怎么理解这个锚框呢？就是我们考虑到yolo模型通过主干网络提取的信息来确定框框的大小还是有点难的，所以我们给他点“提示”，我们先设定了大小，长宽比不同的box（共9个，后面会通过聚类算法减成5个），之后模型基于此anchor等比例缩放（而不是从0开始画），就能比较好的结合获取到的全局特征，检测出物体并正确画框。

---

因此，基于convolutional+anchor,我们最后的输出将变成13×13×125.其中125=（5（5个框）*25(每个框都有独立的x,y,w,h,c+20个类别，且每个框都有anchor辅助）

 

同时，作者还采用聚类分析来自动设定anchor锚框，极大提高了准确性。

 2.3.2 引入了新的网络架构Darknet-19

 2.4 采用了passthrough

这里就是说为了能够保留细节信息，我们将某一阶段卷积之后图像先通过passthrough(也就是说如果最后输出是13*13*m，那么我们就要将该图像变换成13*13*4*n(n代表通道数，可以和m不一样），然后将该图像与最后输出的特征图进行contact操作，这样最后输出的图像既有特征提取的，也保留了细节信息。

 

2.5 多尺度训练 

 ok，that's all。知识疯狂涌进脑子，消化不过来了