介绍
YOLOv2 采用了一个新的网络模型作为 特征提取器，称为Darknet-19。
官网：https://pjreddie.com/darknet/imagenet/#pretrained
包括19个卷积层和5个maxpooling层，如下图：
注意：一般输入形状是 416x416
Darknet-19与VGG16模型设计原则是一致的，主要采用 3x3 卷积，采用 2x2 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 3x3 卷积之间使用 1x1 卷积来压缩特征图channles以降低模型计算量和参数。
输出
当输入是224时：倒数第二层输出 7x7的特征图
当输入是416时：倒数第二层输出 13x13的特征图
Batch Normalization
使用Batch Normalization，可以提升模型收敛速度，而且可以起到一定正则化效果，降低模型的过拟合。在YOLOv2中，每个卷积层后面都添加了Batch Normalization层，并且不再使用droput。使用Batch Normalization后，加快收敛速度，降低模型过拟合。YOLOv2的mAP提升了2.4%。
优点
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，速度更快。
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%。
训练
YOLOv2，作者首先对分类网络（darknet19）进行了fine tune，分辨率改成448 * 448，在ImageNet数据集上训练10轮（10 epochs），训练后的网络就可以适应高分辨率的输入了。
然后，作者对检测网络部分（也就是后半部分）也进行fine tune。这样通过提升输入的分辨率，mAP获得了4%的提升。
High Resolution Classifier
目前的目标检测方法中，基本上都会使用ImageNet预训练过的模型（classifier）来提取特征，如果用的是 AlexNet 网络，那么输入图片会被resize到不足 256 * 256，导致分辨率不够高，给检测带来困难。
YOLOv1在采用 224x224 分类模型预训练后，将分辨率增加至 448x448 ，并使用这个高分辨率在检测数据集上finetune。但是 直接切换分辨率，检测模型 可能难以快速适应高分辨率。
YOLOv2，作者首先对分类网络（darknet19）进行了fine tune，分辨率改成448 * 448，在ImageNet数据集上训练10轮（10 epochs），训练后的网络就可以适应高分辨率的输入了。
然后，作者对检测网络部分（也就是后半部分）也进行fine tune。这样通过提升输入的分辨率，mAP获得了4%的提升。