为什么Yolo_9000只使用本地图像信息？

Question

当我阅读Yolo_9000报纸时，有一件事让我很困惑 在Yolov2结构中，最终的图层大小为13x13，似乎每个单元格包含来自原始图像的大约32x32图像信息。对我来说，它似乎只使用本地信息来适应对象检测，我不确定它是否足够或强大。

在v1版本中，有一个完整的连接层可以将本地信息与全局信息结合起来，我觉得更合理。

或者我理解错了，这个问题确实困扰我。 感谢..

Answer 1

但这些信息已被卷入使用。每个3x3滤波器使用每个像素处的最后一个滤波器的周围信息。这些像素又已经卷积并使用其像素的周围信息，依此类推。结合最大池化缩小图像大小，整个图像就像这样。