目标检测踩坑指南

目标检测踩坑指南

事情是这样的。。。最近摸鱼时，，咳咳，， 干活时踩了一点点坑。直入主题，在anchor_based的目标检测中，正确使用合适的anchor会给网络性能带来很大程度的提升。

读取到gt_boxes是否要经过变换？怎么变换？

一般在目标检测中，假设原始图像为(1280, 720)， 而网络的输入为(640,640)， 那么需要将图像resize。

• 当通过读取json文件，读取到图像的真实box时，boxes可能有两种存在方式，一种是(x1, y1, x2, y2)，其中（x1，y1）是box左上角的点在图像中的坐标， （x2, y2）是box右下角的点在图像中的坐标。另一种存在方式是：(cx, cy, w, h)，其中(cx, cy)是box的中心点在图像中的坐标，（w,h）是box的宽度和高度。
• 如果直接resize，长宽压缩比例有可能不同，例如：原始图像大小为(1280, 720)， 而网络的输入/输出大小为(640, 640), 那么在width这一维度上，压缩比例为：640 / 1280 = 0.5， 在height上这一维度上，压缩比例为：0.888。 那么图像的gt_boxes的width维度上要按照0.5的比例压缩，height维度上以0.888的比例压缩。

如果获取anchor？

yolov3的anchor获取

注意anchor只是作为objects的宽高值的先验。所以在聚类的时候只需要这些objects的[width, height]就可以。

• 利用上述的方式获得所有的boxes的[width,height]之后，利用聚类算法获取9个anchor。有了这9个anchor，我们就可以认为：大部分的objects，其宽度和高度就在这个范围内。
• 一般的聚类算法，两个点的距离为欧氏距离。两个点的距离越近，两个点就有更大的可能为一个类。聚类算法的核心为：类间间距越大越好，类内间距越小越好。
• 在目标检测中，距离函数从欧式距离换成了1-iou(box1, box2). iou(box1, box2)代表两个box的交并比。
• 因为聚类元素为[width, height]. 并没有box。所以默认box的左上角值为(0,0)， 宽高值即为box右下角的xy值，这样一个[width，height]也就对应一个box。
• 给定聚类数目，当聚类中心不再变化/达到一定聚类次数时，聚类结束。

yolov5的anchor获取

在yolov5中获取anchor的方式更加成熟，是利用k_means + 遗传变异的方法获取anchor。

anchor到底怎么用的啊？ 好烦哦。。

假如网络的输入为(640, 640)，网络输出层的三个featue map的大小分别为(20，20)，（40，40），（80，80）。假设我们的anchor为[[(w1, h1), (w2, h2), (w3, h3)], [(w4, h4), (w5, h5), (w6, h6)], [(w7,h7),(w8,h8),(w9,h9)]].

• 最小的网格需要使用最大的感受野，对应地，要使用最大的三个anchor，这三个anchor在应用时也要除以相同的尺度32。
• 最大的网格(80,80)需要使用较小的三个anchor，对应地，这三个anchor在应用时要处理相同的尺度8.