YOLOv2 相比 YOLOv1 的核心改动（精简版）

目标一句话：YOLOv2 通过引入 anchor、改进坐标参数化与训练策略，显著提升了定位稳定性与召回率，同时保持实时性。

I. 从“直接回归框”到“Anchor-based 预测”（最核心变化）¶

YOLOv1¶

• 每个 grid cell 直接回归 bounding box：
  \((x, y, w, h)\)
• 回归空间大，
• 大物体：单 cell 压力过大
• 小物体：易冲突

YOLOv2¶

• 引入 Anchor Boxes（先验框）
• 网络不再预测 box 本身，而是预测 相对于 anchor 的偏移量：\((t_x, t_y, t_w, t_h)\)

最终 box 由：

• \((p_w, p_h)\)：anchor 宽高
• \((c_x, c_y)\)：grid cell 左上角

📌 效果：

• 回归难度显著降低
• Recall 明显提升（v2 论文明确指出）

II. Anchor 的来源：K-means 聚类（数据驱动）¶

• 对训练集 GT box 的 \((w, h)\) 做 K-means
• 距离度量：\(d(box, centroid) = 1 - IOU\)

📌 Anchor ≈ 数据集中最常见的物体形状（先验）

III. “责任分配”机制的变化¶

YOLOv1¶

• 一个 cell 的 B 个 predictor 动态竞争
• IOU 最大者负责 GT

YOLOv2¶

• 每个 predictor 绑定一个 anchor

• 一个 GT box 分配给：

• 中心点所在 cell

• IOU 最大的 anchor

📌 predictor 具有了“形状语义”

IV. Bounding box 参数化改进（稳定训练）¶

• 使用 \(\sigma(t_x), \sigma(t_y)\)：
• 限制中心点在 cell 内（0,1）

• 使用 \(e^{t_w}, e^{t_h}\)：

• 保证宽高为正

• 相对缩放更稳定

📌 减少数值发散，训练更稳

V. 从 FC 到 Fully Convolutional¶

• 移除 YOLOv1 中的全连接层
• 网络变为 全卷积结构（FCN）

📌 带来的好处：

• 可变输入尺寸（multi-scale training）
• 更好的泛化能力