神力女郎v2 內容大綱
在2005到2006年的《無限危機》恢復她作為失去氪星的設定。
她有着一头金色妹妹头，穿着白色、蓝色的衣服并披着红色披风，没有“S”标志，拥有与超人相当的能力，是美国正义社会的首位女成员。 前面详细解读了YOLO v1算法，这里我将继续解读YOLO V2的算法原理。 YOLO V2对比前一代的V1在速度，检测精度和识别种类数目都有较大的改进。 算法将识别的类扩展到9000类，又称为YOLO9000。 1 改进措施YOLO V2这篇论文更准确的是将别的论文中比较好的方法融合到了一起，每个方法都对整个网络带来明显的mAP的提升。 带标注的检测数据集量比较少，而带标注的分类数据集量比较大，因此YOLO9000主要通过结合分类和检测数据集使得训练得到的检测模型可以检测约9000类物体，那么这是怎么做到的呢？ 一方面要构造数据集，另一方面要解决模型训练问题，前者采用WordTree解决，后者采用Joint classification and detection。
神力女郎v2: 神力女郎
很明显，本篇论文是YOLO作者为了改进原有的YOLO算法所写的。 YOLO有两个缺点：一个缺点在于定位不准确，另一个缺点在于和基于region proposal的方法相比召回率较低。 另外YOLOv2并不是通过加深或加宽网络达到效果提升，反而是简化了网络。 大概看一下YOLOv2的表现：YOLOv2算法在VOC 2007数据集上的表现为67 FPS时，MAP为76.8，在40FPS时，MAP为78.6. Table6是最后的网络结构：Darknet-19只需要5.58 billion operation。
而提出YOLO9000的原因主要是目前检测的数据集数据量较小，因此利用数量较大的分类数据集来帮助训练检测模型。 V2在v1的基础上增加了10次的448×448的训练，让整个模型的鲁棒性更好。 BN（Batch Normalization）层简单讲就是对网络的每一层的输入都做了归一化，这样网络就不需要每层都去学数据的分布，收敛会快点。 原来的YOLO算法（采用的是GoogleNet网络提取特征）是没有BN层的，因此在YOLOv2中作者为每个卷积层都添加了BN层。 另外由于BN可以规范模型，所以本文加入BN后就把dropout去掉了。 神力女郎，美国DC漫画里的角色，初次登场于《All Star Comics》，她是第二地球超人的堂妹，也是第一地球女超人Kara Zor-El的异界同位体。
神力女郎v2: 分类专栏
她早期出現在《全明星漫畫》，發現Wildcat經常幫她說話，如同對一位普通女性而不是氪星人，使她覺得有點煩。 敬告：《神力女郎v2》漫画仅供试看，若喜欢，请支持购买正版。 如果对上面的公式不理解，可以看Figure3，首先是cx和cy，表示grid 神力女郎v2 cell与图像左上角的横纵坐标距离，黑色虚线框是bounding 神力女郎v2 box，蓝色矩形框就是预测的结果。
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。 最后用average pooling层代替全连接层进行预测。 这个网络在ImageNet上取得了top-5的91.2%的准确率。 神力女郎v2 这种网络训练方式使得相同网络可以对不同分辨率的图像做detection。 虽然在输入size较大时，训练速度较慢，但同时在输入size较小时，训练速度较快，而multi-scale training又可以提高准确率，因此算是准确率和速度都取得一个不错的平衡。 神力女郎（Power Girl），美国DC漫画里的角色，初次登场于《All Star Comics》，她是第二地球超人的堂妹，也是第一地球女超人Kara Zor-El的异界同位体。
接下来基本上按照文章的顺序来解读一下算法，这样读起来也比较清晰。 主要包括三个部分：Better，Faster，Stronger，其中前面两部分基本上讲的是YOLO v2，最后一部分讲的是YOLO9000。 在游戏中，玩家可以通过扔出爱心来“招募”到三个敌人，使他们变成卡比的盟友，帮助卡比来进行战斗。 玩家可以单人游玩，也可以和最多三位朋友一起游玩，混合不同的能力，从而创造出强大的力量。 神力女郎v2 在氪星毀滅時父母將她送至太空免於波及，雖然她離開了這個星球時和超人是一樣在同一時間，但她的船花了更長的時間才能到達第二地球。 是美國正義社會的首位女成員，超能女孩有著一頭金色妹妹頭，穿著白色、藍色的衣服並披著紅色披風，沒有「S」標誌。
作者的实验证明：虽然加入anchor使得MAP值下降了一点（69.5降到69.2），但是提高了recall（81%提高到88%）。 搜狗百科词条内容由用户共同创建和维护，不代表搜狗百科立场。 神力女郎v2 如果您需要医学、法律、投资理财等专业领域的建议，我们强烈建议您独自对内容的可信性进行评估，并咨询相关专业人士。 1985年的有限系列《無限地球危機》因第二地球被消滅，使得超能女孩的出生地改變，她成為了亞特蘭提斯、Magician、Arion的孫女。
按照这种方式，就可以得到Figure5，也就是在Imagenet1k数据集上采用WordTree方式得到的类别（主要是增加了369个中间节点，比如dog等）。 在WordTree1k数据集上的准确率要稍低一点，主要是因为那些新的类别的影响。 YOLO9000是CVPR2017的最佳论文提名。 首先讲一下这篇文章一共介绍了YOLO v2和YOLO9000两个模型，二者略有不同。 前者主要是YOLO的升级版（关于YOLO v1的介绍可以参考：YOLO v1算法详解），后者的主要检测网络也是YOLO v2，同时对数据集做了融合，使得模型可以检测9000多类物体。
超能女孩與超人相當的能力，包括「超級力量」、「超級眼力」、「超級耐力」、「超級敏捷性」、「治療因子」、「超級聽力」、「凍結呼吸」、「伸縮視覺」、「顯微視覺」、「X射線眼」、「刀槍不入」、「飛行」等。 多年來各作家都給予超能女孩這個氪星人不同的力量水準，反映了第二地球的超人的低效能，如超能女孩在穿越空間飛行時必須先深呼吸，所以在她離開前一個星球時也必須如此，並保持幾個小時，直到她需要一個新的氧氣源。 此外超能女孩還能「隔空取物」，其速度和耐久度能承受一定的傷害攻擊。 神力女郎v2 YOLO 神力女郎v2 v1虽然检测速度快，但在定位方面不够准确，并且召回率较低。
神力女郎v2: 能力
为了提升定位准确度，改善召回率，YOLO v2在YOLO v1的基础上提出了几种改进策略，一些改进方法能有效提高模型的mAP。 我们知道在Faster R-CNN中anchor box的大小和比例是按经验设定的，然后网络会在训练过程中调整anchor box的尺寸。 但是如果一开始就能选择到合适尺寸的anchor box，那肯定可以帮助网络越好地预测detection。 所以作者采用k-means的方式对训练集的bounding boxes做聚类，试图找到合适的anchor box。 Table3就是在检测时，不同输入size情况下的YOLOv2和其他object detection算法的对比。 可以看出通过multi-scale training的检测模型，在测试的时候，输入图像在尺寸变化范围较大的情况下也能取得mAP和FPS的平衡。 在这里作者并没有采用直接预测offset的方法，还是沿用了YOLO算法中直接预测相对于grid cell的坐标位置的方式。
SEO服務由 Featured 提供