YOLOv2

1.差别概述

1.v2舍去了Droput，卷积后全部加入Batch Normalization
Batch Normalization，每一层卷积做完后都做归一化，使得做完之后按照所想的目标进行发展，卷积神经网络的标配。
2.网络的每一层的输入都做了归一化，收敛相对更容易
3.经过Batch Normalization处理后的网络会提升2%的map
4.从现在角度来讲，Batch Normalization已经成网络必备处理
5.V2有更大的分配率，使得map提升了大约4%

2.网络结构

所有层都是卷积，没有全连接层，避免了过拟合，比较快
1*1卷积节省了很多参数
有5次降采样（h/32，w/32）
网格大小（13*13）

3.YOLOv2聚类提取先验框

利用K-means进行聚类，k=5，
K-means聚类中的距离：d(box, centroid) = 1 − IOU(box, centroid)
recall（查全率）升高了