Yolo系列(2)--Yolov2

1.背景 由于Yolov1网络效率低，对于小物体和密集群体检测效果差，也得益于Faster RCNN先验框的启发，Yolov2基于Yolov1的基础上产生了。 2.基本概念 1.Multi-Scale Training(多尺度训练) Yolov2整个网络采用卷积层和池化层，并无全输出层，因此并没有图片尺度大小的限制。 由于输入图片一般为416416，五次池化后，变为1313。因此，输入图像基本为3

>>阅读原文<<