yolov3中如何进行聚类得到anchor box的

最新推荐文章于 2024-06-23 17:04:45 发布
最新推荐文章于 2024-06-23 17:04:45 发布
阅读量7k 收藏 10
点赞数 1
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_29462849/article/details/88377116
版权
YoloV3通过使用与尺寸无关的IOU距离函数进行聚类，自定义anchor box以提升定位准确性。这种方法确保大、小定位框的误差计算相对均衡，有利于优化聚类效果。
摘要由CSDN通过智能技术生成

前言

yolov3通过聚类的方式自定义anchor box的大小，在一定程度上，这可以提高定位的准确率。

如何聚类？

作者发现如果采用标准的k-means（即用欧式距离来衡量差异），在box的尺寸比较大的时候其误差也更大，而我们希望的是误差和box的尺寸没有太大关系。这里的意思是不能直接使用 x , y , w , h x,y,w,h x,y,

最低0.47元/天 解锁文章
Tom Hardy
关注
专栏目录
YOLOV3中k-means聚类获得anchor boxes过程详解
qq_33287871的博客
10-07 1531
我们都知道yolov3对训练数据使用了k-means聚类的算法来获得anchor boxes大小，但是具体其计算过程是怎样的呢？下面我们来详细的分析其具体计算过程： 第一步：首先我们要知道我们需要聚类的是bounding box，所以我们无需考虑其所属类别，第一步我们需要将所有的bounding box坐标提取出来，也许一张图有一个矩形框，也许有多个，但是我们需要无区别的将所有图片的所有矩形框提取出来，放在一起。 第二步：数据处理获得所有训练数据bounding boxes的宽高数据。给的训练数据往往是其b
anchor设置 yolo_YOLOv3原理讲解之Anchor Box
weixin_39517400的博客
12-19 818
Anchor Box在讲解YOLO之前，有必要先解释什么是Anchor box。在做目标检测任务时，我们首先需要将数据标注并得到训练集、验证集、测试集。已标注的数据label，其实就是在原始图片中用矩形框框出目标，得到的矩形框参数(中心点坐标、长、宽)就是label。Anchor box其实就是从训练集中将所有的矩形框的大小尺寸统计处最常出现的某几个矩形框，这里我们可以采用K-Means来得到。这...
yolov3获取自己数据集的anchors
佛系随心记
12-25 772
import numpy as np import random import argparse import os parser = argparse.ArgumentParser(description='YOLO-V3 anchor boxes') parser.add_argument('--input_annotation_txt_dir',default='/home/ouc-29/JN/datasets/yolov3/train/label/',type=str,help='') parse
yolov3 调试(3)： k-means 聚类算法生成对应自己样本的 anchor box 尺寸的代码
热门推荐
逐水草而居的造轮人的博客
08-22 2万+
yolov3 k-means anchor box size 封装好的脚本 # coding=utf-8 # k-means ++ for YOLOv3 anchors # 通过k-means ++ 算法获取YOLOv3需要的anchors的尺寸 import numpy as np # 定义Box类，描述bounding box的坐标 class Box(): def __init_...
YOLO系列--Anchor Based & Anchor Free
最新发布
luralying的博客
06-23 1272
Anchor也被称为锚框，预先设置目标的大概位置，然后再在这些预设框的基础上进行精细化的调整。调整过程被包括分类判断预设框是属于正样本+ or 负样本-和回归调整预测框的位置。
YOLOv3使用自己数据集——Kmeans聚类计算anchor boxes
calabash_man的博客
09-23 1239
YOLOv3使用笔记——Kmeans聚类计算anchor boxes 使用自己数据集聚类得到anchors。 相比于作者使用VOC数据集的精度更高。 # kmeans 聚类计算anchor boxes import glob import xml.etree.ElementTree as ET import numpy as np from kmeans import kmeans, avg_iou # 标签文件地址 ANNOTATIONS_PATH = "/home/peter/桌面/项目文档/
anchors如何获得_YOLOv3 K-means获取anchors大小
weixin_33073525的博客
01-26 273
YOLOv1和YOLOv2简单看了一下，详细看了看YOLOv3,刚看的时候是蒙圈的，经过一番研究，分步记录一下几个关键的点：v2和v3中加入了anchors和Faster rcnn有一定区别，这个anchors如何理解呢？个人理解白话篇：(1)就是有一批标注数据，里面有中心坐标和宽高，对应格式就是voc数据集标xml注格式即可。代码提取标注数据里的宽高并用图像的宽高进行归一化：def load_d...
yolov3中kmeans算法生成Anchor Box脚本
12-15
但是如果直接使用k-Mean的欧氏距离来度量进行聚类的话，结果会导致大的box比小的box产生更大的误差。而在YOLO V2中使用聚类的目的是为了使得anchor boxes和Ground Truth有更大的IOU，因此这就和anchor boxes的尺寸...
YOLO v3 中关于 anchor 的 k-means 聚类代码
轮子去哪儿了
09-06 5422
1. k-means 聚类代码 我使用的代码是：https://github.com/lars76/kmeans-anchor-boxes 另一个代码是：https://github.com/qqwweee/keras-yolo3/blob/master/kmeans.py 输入是存放 xml标签文件的文件夹： 只需要更改 example.py 中的一行代码： ANNOTATIONS_PATH =...
YOLOv3聚类分析之kmeans
06-17
YOLOv3聚类分析之kmeans，yolov3多目标检测，生成自己的锚框，并显示准确性分布图，亲测有效
Yolov2、Yolov3、Gaussian_Yolov3使用K-means聚类计算anchor boxes方法
happyday_d的博客
11-12 1899
Yolov2、Yolov3、Gaussian_Yolov3使用K-means聚类计算anchor boxes方法 ​ Yolo系列模型的默认anchor 是基于COCO训练集，使用K-means聚类算法获得的，在实际应用中，可以根据自己的任务数据集通过聚类得到anchor box的默认尺寸。 代码参考如下： from os import listdir from os.path import is...
yolov3实现anchor聚类
evil_xue的博客
12-22 6371
yolov3 cfg/yolov3-voc.data 的默认 anchor box 尺寸是基于 ImageNet（具体是ImageNet or coco or voc懒得查了） 训练集，使用 k-means 聚类算法获得的。在实际应用中，我们可能会检测一些形状特殊的物体，比如长尺，这时候，通用的anchor box尺寸会对最终训练模型的准确度产生影响，这时我们需要根据自己的样本生成对应的 anch...
YOLOv3中使用kmeans算法生成anchors
weixin_43869605的博客
08-18 1056
我们直接看代码逻辑： # coding: utf-8 # This script is modified from https://github.com/lars76/kmeans-anchor-boxes from __future__ import division, print_function import numpy as np def iou(box, clusters): """ Calculates the Intersection over Union (IoU)
yolov3聚类自己数据的anchor box
qq_29462849的博客
03-05 6614
前言 yolov3是一个很优秀的object-detection模型，其中的anchor box机制在多尺度检测上取得了不错的效果。然而，作者提供的anchor box值是基于voc和coco数据集上的，如果应用到自己数据集可能不完全适用，那么如何基于自己的训练数据聚类anchor box呢？好吧，源代码如下所示。 kemans.py import numpy as np def iou(bo...
anchor设置 yolo_[DL]YOLO中anchor box是如何通过聚类确定的
weixin_39953100的博客
12-19 175
from os import listdirfrom os.path import isfile, joinimport argparse#import cv2import numpy as npimport sysimport osimport shutilimport randomimport mathdef IOU(x,centroids):''':param x: 某一个ground tr...
YOLOv2、v3使用K-means聚类计算anchor boxes的具体方法
Bruce_0712的博客
09-23 897
k-means需要有数据，中心点个数是需要人为指定的，位置可以随机初始化，但是还需要度量到聚类中心的距离。这里怎么度量这个距离是很关键的。 距离度量如果使用标准的欧氏距离，大盒子会比小盒子产生更多的错误。例。因此这里使用其他的距离度量公式。聚类的目的是anchor boxes和临近的ground truth有更大的IOU值，这和anchor box的尺寸没有直接关系。自定义的距离度量公式： 到聚类中心的距离越小越好，但IOU值是越大越好，所以使用 1 - IOU，这样就保证距离越小，IOU值越大。 使.
在YOLOv7中，筛选anchor box的长宽比条件
05-29
在YOLOv7中，筛选anchor box的长宽比条件是通过K-means聚类算法得到的。具体来说，算法将训练集中的所有ground truth框按照宽高比进行排序，然后从中随机选择一定数量的框作为聚类中心（通常选择3-9个）。接着，算法迭代计算每个ground truth框与聚类中心的距离，并将其分配给最接近的聚类中心。最终，每个聚类中心对应一组长宽比，这些长宽比被用来生成anchor box。 需要注意的是，聚类算法得到的长宽比并不是一成不变的，它们会随着训练数据的变化而发生改变。因此，在使用YOLOv7进行目标检测时，建议采用与训练数据相似的数据集进行训练，以获得更好的检测效果。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值