anchors如何获得_YOLOv3 K-means获取anchors大小

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_dataset(path):

dataset = []

for xml_file in glob.glob("{}/*xml".format(path)):

tree = ET.parse(xml_file)

height = int(tree.findtext("./size/height"))

width = int(tree.findtext("./size/width"))

for obj in tree.iter("object"):

xmin = int(obj.findtext("bndbox/xmin")) / width

ymin = int(obj.findtext("bndbox/ymin")) / height

xmax = int(obj.findtext("bndbox/xmax")) / width

ymax = int(obj.findtext("bndbox/ymax")) / height

dataset.append([xmax - xmin, ymax - ymin])

return np.array(dataset)

(2)具体怎么分的呢？就是用K-means对所有标注的bbox数据根据宽高进行分堆，voc数据被分为9个堆，距离是用的distance = 1-iou

import numpy as np

'''

(1)k-means拿到数据里所有的目标框N个，得到所有的宽和高，在这里面随机取得9个作为随机中心

(2)然后其他所有的bbox根据这9个宽高依据iou(作为距离)进行计算，计算出N行9列个distance吧

(3)找到每一行中最小的那个即所有的bbox都被分到了9个当中的一个,然后计算9个族中所有bbox的中位数更新中心点。</