YOLOV2算法详解博客
https://blog.csdn.net/u014380165/article/details/77961414
一 Better
1.对每一层都做了归一化
2.先利用分类数据对网络进行训练，然后迁移学习。
3.不再和YOLOV1那样直接预测bounding box，YOLOV2中开始利用ancher box,
4.Dimension Clusters，利用k-means聚类的方式，发现只需要5个预选框就能得到比较不错的结果。
5.Direct Location prediction，不是预测偏移量，还是直接预测最终位置。
6.Fine-Grained Features，将前面26*26的feature map层与最终的13*13相连接。
二Faster
1.基础网络使用Darknet-19,这个网络包含19个卷积层和5个max pooling层，而在YOLO v1中采用的GooleNet，包含24个卷积层和2个全连接层，因此Darknet-19整体上卷积卷积操作比YOLO v1中用的GoogleNet要少，这是计算量减少的关键。