修正anchor数值

 

 

以下内容为转载 作者：Gotta-C 
来源：CSDN   转载地址 ：https://blog.csdn.net/cgt19910923/article/details/82154401 

 

 anchor boxes用来预测bounding box，faster rcnn中用128*128,256*256,512*512,分三个尺度变换1：1,1：2,2：1,共计9个anchor来预测框，每个anchor预测2000个框左右，使得检出率提高很多。YOLOv2开始增加了anchor机制，在v3中增加到9个anchor。例如yolov3-voc.cfg中这组anchor，anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326，由作者通过聚类VOC数据集得到的，20类目标中大到bicycle、bus，小到bird、cat，目标大小差距很大，如果用自己的数据集训练检测目标，其中部分anchor并不合理，本文记录下在自己的数据集上聚类计算anchor，提高bounding box的检出率。

Kmeans因为初始点敏感，所以每次运行得到的anchor值不一样，但是对应的avg iou稳定。用于训练的话就需要统计多组anchor，针对固定的测试集比较了。

可以计算下VOC的这组anchor在自己数据集上的avg iou，对比直接在数据集上聚类得到的anchor以及avg iou。

 
--------------------- 
原链接内容包含相应的代码，可以尝试下，感谢那位博主。