【目标检测】|yolov5候选框计算

定义候选框评价指标
计算所有真实框长宽与9组候选框长宽的比值(比值应小于1),在9组长宽比值中选择长宽中的最小值x(表示找到9个候选框长或宽哪一个与真实框最不贴合)。而后在9组最小值中选择最大值best(在9组不够贴合的候选框中选择最贴合的那个)。共得到真实框数量个最大值best。 计算最优候选框best阈值大于25%所占比例作为bpr,计算9组候选框阈值大于25%所占比例作为aat

定义适应度函数,

自适应计算候选框流程如下:

  1. 初始化候选框
  2. 获取数据集中所有图像的尺寸,将图像长宽等比例转换为模型输入图像尺寸(640,640)
  3. 获取数据集标签中图像中目标的相对长宽,转换为绝对长宽(乘以0.9-1.1缩放后的图像长宽)
  4. 剔除长宽像素数小于3的目标,使用标准差对长宽数据进行白化处理,消除数据间的相关性。
  5. 计算评价指标,当评价指标小于98%时
  6. 使用k-means聚类得到anchors。
  7. 使用遗传算法对候选框变异,如果变异后效果变得更好(使用anchor_fitness方法计算得到的fitness(适应度)进行评估)就将变异后的结果赋值给anchors,如果变异后效果变差就跳过,默认变异1000次;

你可能感兴趣的:(目标检测,目标检测,计算机视觉,人工智能)