我想知道YOLOv2中的多规模培训是如何运作的。
在论文中，声明：
原版YOLO使用448×448的输入分辨率。添加了锚盒，我们将分辨率更改为416×416。但是，因为我们的模型只使用卷积和池化层，所以可以动态调整大小。我们希望YOLOv2能够在不同尺寸的图像上运行，因此我们将其训练到模型中。我们不是修复输入图像大小，而是每隔几次迭代就改变网络。每10批次我们的网络随机选择一个新的图像尺寸大小。 “由于我们的模型缩减了32倍，我们从32的倍数中拉出：{320,352，...，608}。因此最小的选项是320×320，最大的是608×608。我们调整大小网络到那个方面并继续培训。“
我不明白网络只有卷积和合并图层允许输入不同的分辨率。根据我构建神经网络的经验，如果将输入的分辨率更改为不同的比例，则此网络的参数数量将发生变化，即此网络的结构将发生变化。
那么，YOLOv2如何动态更改 ？
我读了yolov2的配置文件，但我得到的只是random=1声明......
答案 0 :(得分：0)
如果只有卷积层，则权重的数量不会随层的2D部分的大小而改变（但是如果您调整通道数的大小，权重也会改变）。
例如（想象中的网络），如果您具有224x224x3的输入图像和3x3x64的卷积层，则将具有64个不同的3 * 3 * 3卷积滤波器内核= 1728权重。此值完全不依赖于图像的大小，因为内核是独立应用于图像的每个位置，所以这是卷积和卷积层最重要的事情，也是CNN可以深入的原因，以及为什么在更快的R-CNN中，您可以仅将区域裁剪出特征图。
如果存在任何完全连接的图层或某物，则无法通过这种方式工作，因为在那里，较大的2D图层尺寸将导致更多的连接和更多的权重。
在yolo v2中，有一件事看起来仍然不合适。例如，如果将每个尺寸的图像尺寸加倍，最终将得到每个尺寸的特征数量的2倍，就在最终1x1xN滤镜之前，例如，如果网格的原始网络尺寸为7x7，则调整尺寸后的网络可能有14x14。但随后您将获得14x14 * B *（5 + C）回归结果，就好了。
答案 1 :(得分：0)
在YoLo中，如果仅使用卷积层，则输出网格的大小会更改。
例如，如果您的尺寸为：
320x320，输出尺寸为10x10
608x608，输出尺寸为19x19
然后，您在这些w.r.t上计算经过同样调整的地面真相网格的损失。
因此，您无需增加任何参数就可以反向传播损耗。
有关损失函数，请参见yolov1纸：
因此，从理论上讲，您只能根据网格的大小来调整此功能，而无需任何模型参数，因此您应该一切顺利。
论文链接：https://arxiv.org/pdf/1506.02640.pdf
在作者的视频解释中提到了相同的内容。
时间：14：53
