YOLOv2 YOLOv3 如何选择先验框（priors anchor）（自用）

在YOLOv2论文中，作者有对Dimension Cluster做一个介绍，这个cluster的目的就是寻找出anchor的先验（简称为先验框）。

什么是先验框呢，简单来说，在YOLOv1中，作者遇到了一个问题，虽然我们通过实验知道要选两个boxes是最优的，但是如何这两个boxes的尺寸如何决定呢？网络自身可以学着不断调节box的大小，但是我们能够提前给定一个/多个尺寸作为备选不是更好吗？所以作者就决定利用 k-means 聚类方法在 training set bounding boxes上来寻找先验框（框的尺寸）。

标准的k-means方法用的是欧氏距离，但是这样会导致 larger boxes generate more error than smaller boxes. 我们想要得到的先验框，是能够带领我们得到更高的IOU的，如果用欧氏距离来衡量，可能会导致“大框优势”。所以作者使用了

来作为k-means中“距离”的判定。

我们期待距离越小越好（IOU越大越好），所以距离判定时候用 1 - IOU

讨论内容见（需要翻墙）：https://grou