YOLOv2相较于YOLOv1

相较于YOLOv1，YOLOv2在以下几个方面有改进：

1.网络结构：YOLOv2引入了全新的DarkNet-19网络结构，包含19个卷积层和5个池化层，比YOLOv1的网络结构更深，能够提取更多的特征信息。

2.多尺度特征融合：为了解决YOLOv1中物体尺度不稳定的问题，YOLOv2采用了多尺度特征融合的方法，对不同尺度的特征图进行融合。

3.更细的网格划分：YOLOv2将图像划分的网格数增加到了19x19，比YOLOv1的7x7更细，可以更精确地定位物体。

4.Batch Normalization：YOLOv2引入了Batch Normalization，使网络收敛更快，提高了模型的精度。

5.使用Anchor Box：YOLOv2使用Anchor Box代替YOLOv1中的固定尺度的先验框，可以更好地适应物体的不同尺度和长宽比。

6.预训练技术：YOLOv2使用了大规模的ImageNet预训练模型，可以更好地提取特征。