今天接著DAY 27下去講，

1. Darknet-19 : 在Day 27的模型圖是Yolo v1的模型圖，並非v2的，v2採用了叫Darknet-19的模型，模型架構如下:
   
   模型中包含19個卷積層，和5個Max Pooling層，卷積多為3x3，而Max Pooling為2x2，而原本v1中有24個卷積層，2個全連接層，因此計算量減少，使用了GAP(Global Average Pooling)來代替全連接層，並且也用到了Batch Normalization(BN)來穩定、加速模型。

2. Fine-Grained Features : 假如v2的輸入圖片大小為416x416，最後會輸出13x13的特徵圖，在檢測大物件的時候沒有甚麼問題，但是對一些小物件的特徵會淡化(不明顯)，所以使用先前較為詳細的特徵圖來預測小物件，在v2中稱為passthrough，利用了26x26的特徵圖(最後一層Max Pooling的輸入)，和後面13x13x1024的特徵圖連接，可是原本是26x26沒法直接連接到13x13，所以會先經過以下處理，
   每次提取2x2並分別分配到4個區塊，當輸入是26x26x512時，輸出則為13x13x2048，這樣便可做連接，變成13x13x3072，並且用此特徵圖做預測。

3. Multi-Scale Training : Yolo在v2時將全連接層移除，所以輸入的圖像不會受其限制，但由於模型步長為32，所以輸入圖像的長寬為32的倍數(320、352、...、608)，最小輸入為320x320，輸出是10x10，最大為608x608，輸出是19x19，並且在前一天有提到，v2希望輸出是奇數，所以輸入會再做限制。
   不過以上這些不是Multi-Scale Training :D，Multi-Scale Training是指v2在每10個epoch會隨機選擇一種輸入的圖片大小，所以v2儘管對不同大小的圖片，都會有不錯的預測結果。

   以上這些便是Yolo v2相對於v1主要改變的地方，這些技巧或是方法很多都是從其他的CNN模型中拿來做使用，最後讓v2不僅計算量比v1少，也提升了模型的準確率。

資料來源:https://blog.csdn.net/l7H9JA4/article/details/79955903