今天的主題是Yolo v2，不過所找到的資料圖片可能比較不好理解，有更好的再更新，Yolo v2就是v1的升級版，v2的改變如下:

1. Batch Normalization(BN) : 在卷積層中添加了Batch Normalization，BN已經成為一些模型中的標準配備，由於BN可以控制輸入的平均值以及方差在一定範圍內，並提高了模型的訓練速度。

2. Convolutional With Anchor Boxes : 首先原本v1的輸入圖像是448x448，v2則改成416x416，因為v2希望卷積特徵圖輸出是奇數乘以奇數，這樣才會產生一個center cell，由於大的物體通常是在圖片中央，便可以只用這一個center cell預測，而416x416的圖像會輸出成13x13的特徵圖。
   
   v2引用了Faster R-CNN中的Anchor Box，並將v1中的全連接層移除(如上圖所示)，由於是卷積的型態，使特徵圖保留了位置訊息，在v1中，將圖像分成7x7的區域，並且每個格子中預測2個物件框，而v2每格預測5個物件框。

3. Dimension Clusters : 在Faster R-CNN中，Anchor Box的大小和比例是事先設定的，並在訓練過程中調整，在Yolo v2中，則利用了k-means演算法得到Anchor Box的大小比例。

4. Direct Location Prediction : 而在v2中所預測的物件框也和v1不太相同，如下圖所示:
   
   v2預測出t~x~，t~y~，t~w~，t~h~，還有一個不在圖中的t~o~，並利用預測出的結果，經過計算，再生成物件框，t~x~、t~y~為相對該格左上角的x，y，另外b~x~、b~y~為預測之物件框的中心座標，b~w~、b~h~為預測之物件框的長寬(藍色部分皆為計算出的物件框)，並且透過$\sigma$來限制t~x~和t~y~，使得模型較為穩定，t~o~則可以想成是v1中的置信度。