本系列分为三篇，此文为本系列第二篇，其他文章：
YOLO系列（一）—— You Only Look Once:Unified, Real-Time Object Detection
YOLO系列（三）—— YOLOv3: An Incremental Improvement
project: https://pjreddie.com/darknet/yolo/
paper: YOLO9000:Better, Faster, Stronger
yolo v2在yolo的基础上做了一些改进，对yolo不熟悉的可以参考：YOLO系列（一）
在paper中，并没有给出网络结构的完整示意图，下图是在网上找的，原网址查看更加清晰：https://ethereon.github.io/netscope/#/gist/d08a41711e48cf111e330827b1279c31
相对yolo做出的修改：
1）去掉全连接层，采用全卷积结构，可以输入不同的尺寸结构（32的倍数即可，下采样率为32）
2）在每个卷积层中加入Batch Normalization，去掉dropout
3）开始训练时就采用448×448的高分辨率进行训练
4）使用了Anchor Boxes，每个grid预测5个boxes，一共可以预测13×13×5=845个boxes，且每个box都有对应的class，远多于yolo的98个boxes,以及每个grid一个class
5）Anchor Boxes由聚类生成，评价标准为IOU
6）使用多尺度特征，将两层前的feature reorganization后和当前层进行concate
7) box的预测在之前的基于Anchor的方式上做了一定修改，如下图所示
版权声明：本文为castle_cc原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。