Python 约罗锚箱

当我读到YOLO的报纸时，它说它用K-means制作锚盒。 然而，当我看到实现此功能的代码时，它似乎修复了锚定大小，如下所示。 我希望你描述一下它的确切含义，或者指出我对此的误解

谢谢，还有你的问候

[yolo] 
mask = 6,7,8
***anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326***

---

“定位”类似于单元格的默认边界框。它由每个锚的宽度和高度组成

anchors=anchor1_宽度、anchor1_高度、anchor2_宽度、anchor2_高度、…、anchor_宽度、anchor_高度

如果您正在培训yolov3，您可以使用此代码生成自己的锚

约洛夫2号

---

生成自己的定位点后，在.cfg文件中将默认定位点替换为您的定位点。

定位点类似于单元格的默认边界框。它由每个锚的宽度和高度组成

anchors=anchor1_宽度、anchor1_高度、anchor2_宽度、anchor2_高度、…、anchor_宽度、anchor_高度

如果您正在培训yolov3，您可以使用此代码生成自己的锚

约洛夫2号

---

生成自己的锚点后，将.cfg文件中的默认锚点替换为您的锚点。如其他答案所述，cfg文件中的锚点框值仅为初始值，稍后它将调整为最接近的预测对象。你们可以用K-均值生成你们自己的锚箱，如其他答案中所述

重要的是，初始值将被调整大小。请参阅AlexeyAB的解释

锚是初始尺寸（宽度、高度），其中一些（最接近 将大小调整为对象大小-使用一些 神经网络输出（最终特征图）：

x[…]

-神经网络的输出

偏差[…]

-锚定

b、 w和b.h结果将显示的有界框的宽度和高度 关于结果图像

因此，网络不应预测对象的最终大小，而应 应仅将最近锚的尺寸调整为锚的尺寸 反对

在Yolo v3中，锚定（宽度、高度）-是图像上对象的大小 已调整为网络大小（cfg文件中的宽度=和高度=的大小）

在Yolo v2中，锚定（宽度、高度）-是相对于对象的大小 最终的特征映射（默认情况下比Yolo v3小32倍） cfg文件）

---

如其他答案所述，cfg文件中的锚定框值仅为初始值，稍后将调整为最接近的预测对象。你们可以用K-均值生成你们自己的锚箱，如其他答案中所述

重要的是，初始值将被调整大小。请参阅AlexeyAB的解释

锚是初始尺寸（宽度、高度），其中一些（最接近 将大小调整为对象大小-使用一些 神经网络输出（最终特征图）：

x[…]

-神经网络的输出

偏差[…]

-锚定

b、 w和b.h结果将显示的有界框的宽度和高度 关于结果图像

因此，网络不应预测对象的最终大小，而应 应仅将最近锚的尺寸调整为锚的尺寸 反对

在Yolo v3中，锚定（宽度、高度）-是图像上对象的大小 已调整为网络大小（cfg文件中的宽度=和高度=的大小）

在Yolo v2中，锚定（宽度、高度）-是相对于对象的大小 最终的特征映射（默认情况下比Yolo v3小32倍） cfg文件）

---

我们需要更多的上下文。在我的文章中，Ctrl-F-ing表示“means”，因为你所说的文章没有提到K-means。此外，这不是Python。很抱歉，我提出了一个没有上下文的不礼貌问题。我引用的论文是YOLO9000：更好，更快，更强，从下面的链接。arxiv.org/pdf/1612.08242.pdf从第2页开始，有一个“维度集群”的部分，上面说YOLO 9000使用K方式制作锚盒（不是手工挑选的）。但从实现此功能的源代码来看，它使锚定框从下面的配置文件中具有预先固定的编号。请参阅下文。（）所以，我好奇的是：为什么它应该遵循锚定框信息而不使用K-means。再次感谢：）YOLO9000配置文件看起来与您在帖子中引用的完全不同。YOLO9000和旧配置文件之间的差异看起来与切换到已学习的锚定优先级一致。也许你期望模型在运行时实际执行K-means？我们需要更多的上下文。在我的论文中，你所说的“means”的Ctrl-F-ing没有提到K-means。此外，这不是Python。很抱歉我没有上下文的不礼貌问题。我引用的论文是YOLO9000：更好，更快，更强，从下面的链接。arxiv.org/pdf/1612.08242.pdf从第2页开始，有一个“维度集群”的部分，上面说YOLO 9000使用K方式制作锚盒（不是手工挑选的）。但从实现此功能的源代码来看，它使锚定框从下面的配置文件中具有预先固定的编号。请参阅下文。（）所以，我好奇的是：为什么它应该遵循锚定框信息而不使用K-means。再次感谢：）YOLO9000配置文件看起来与您在帖子中引用的完全不同。YOLO9000和旧配置文件之间的差异看起来与切换到已学习的锚定优先级一致。也许您希望模型在运行时实际执行K-means？

darknet/src/yolo_layer.c

Lines 88 to 89 in 6f6e475

 b.w = exp(x[index + 2*stride]) * biases[2*n]   / w;   
 b.h = exp(x[index + 3*stride]) * biases[2*n+1] / h;