![](https://csdnimg.cn/release/download_crawler_static/86314404/bg4.jpg)
图 3:
数据集 VOC 和 COCO 上的边界框聚类分析结果
New Network: Darknet-19
YOLOv2 采用了一个新的基础模型(特征提取器),称为 Darknet-19,包括 19 个卷积层和 5
个 maxpooling 层,如图 4 所示。Darknet-19 与 VGG16 模型设计原则是一致的,主要采用 3 x3 卷
积,采用 2 x 2 的 maxpooling 层之后,特征图维度降低 2 倍,而同时将特征图的 channles 增
加两倍。与 NIN(Network in Network)类似,Darknet-19 最终采用 global avgpooling 做预测,并
且在 3 x 3 卷积之间使用 1 x 1 卷积来压缩特征图 channles 以降低模型计算量和参数。
Darknet-19 每个卷积层后面同样使用了 batch norm 层以加快收敛速度,降低模型过拟合。在
ImageNet 分类数据集上,Darknet-19 的 top-1 准确度为 72.9%,top-5 准确度为 91.2%,但是
模型参数相对小一些。使用 Darknet-19 之后,YOLOv2 的 mAP 值没有显著提升,但是计算量
却可以减少约 33%。