背景
YOLO v1检测效果不好，且无法应用于检测密集物体。
方法
YOLO v2是在YOLO v1的基础上，做出如下改进。
(1)引入很火的Batch Normalization，提高mAP和训练速度；
(2)加入了Anchor Box机制，每个grid cell5个Anchor Box；
(3)自动选择Anchor Box，这是作者所作出的创新，之前Anchor Box都是人为直接规定的，显然不是很合理。作者通过K-means聚类算法，用IoU作为距离度量，生成了Anchor Box的尺度。
(4)引入Multi-Scale的思想，YOLO v2去掉了全连接层，所以网络可以接受不同size的图片，训练过程中网络每隔10 batch随机选择不同的size的图片作为输入数据。
总结
YOLO v2在YOLO v1基础上，加入各种流行的技术，达到了非常好的效果。