k-means聚类出anchors

参考： YOLOv3使用笔记——Kmeans聚类计算anchor boxes - Gotta-C的博客 - 博客 https://blog.csdn.net/cgt19910923/article/details/82154401

原工程：https://github.com/lars76/kmeans-anchor-boxes

文章目录

k-means聚类出anchors程序`example.py`中`load_dataset`后的数据长这样子：`kmeans.py` 我的实验数据集为`VOC 2007`数据为自己的测试原论文的聚类结果的表现 YOLOv3中的9个anchor（在yolov3-voc.cfg中，anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326）是由作者通过聚类COCO数据集得到的。而VOC数据集包含20类目标，其中大到bicycle、bus，小到bird、cat，目标大小差距很大，而如果将其用在自己的数据集上检测目标，其中部分anchor并不合理。因此在自己的数据集上聚类计算anchor，提高bounding box的检出率。

Joseph Redmon论文数据avg iou在67.2，该作者验证在k=9时，多次迭代在VOC 2007数据集上得到avg iou在67.13，相差无几。

---

程序

example.py中load_dataset后的数据长这样子：

data = load_dataset(ANNOTATIONS_PATH)

data: [[0.41643059 0.262 ] [0.97450425 0.972 ] [0.20298507 0.202 ] ... [0.498 0.992 ] [0.284 0.424 ] [0.99465241 0.994 ]]

解析：（举例：[0.41643059 0.262 ]的由来） [0.41643059 0.262 ]对应000001.jpg的第一个目标。 原始标注数据情况： 000001.jpg图片的尺寸为353*500； 该图中第一个目标的位置信息为：

<bndbox> <xmin>48</xmin> <ymin>240</ymin> <xmax>195</xmax> <ymax>371</ymax> </bndbox>

所以(195-48) / 353 = 0.4164305949008499，(371-240) / 500 = 0.262

kmeans.py

import numpy as np def iou(box, clusters): """ Calculates the Intersection over Union (IoU) between a box and k clusters. :param box: tuple or array, shifted to the origin (i. e. width and height)# zul: 把box移到原点，也就是width和height是相对于原点的值。详情可以见下文的解析。 :param clusters: numpy array of shape (k, 2) where k is the number of clusters :return: numpy array of shape (k, 0) where k is the number of clusters """ x = np.minimum(clusters[:, 0], box[0]) y = np.minimum(clusters[:, 1], box[1]) if np.count_nonzero(x == 0) > 0 or np.count_nonzero(y == 0) > 0: raise ValueError("Box has no area") intersection = x * y # 计算交集。详情可以见下文的解析。 box_area = box[0] * box[1] # box的面积 cluster_area = clusters[:, 0] * clusters[:, 1] iou_ = intersection / (box_area + cluster_area - intersection) return iou_ def avg_iou(boxes, clusters): """ Calculates the average Intersection over Union (IoU) between a numpy array of boxes and k clusters. :param boxes: numpy array of shape (r, 2), where r is the number of rows :param clusters: numpy array of shape (k, 2) where k is the number of clusters :return: average IoU as a single float """ return np.mean([np.max(iou(boxes[i], clusters)) for i in range(boxes.shape[0])]) # zul：这里boxes.shape[0]也就是box的数量。这句代码就是遍历所有box，求每个box与每个聚类中心的IOU的值，然后选出这些IOU值中最大的那个；最后求所有box的均值。 def translate_boxes(boxes): """ Translates all the boxes to the origin. :param boxes: numpy array of shape (r, 4) :return: numpy array of shape (r, 2) """ new_boxes = boxes.copy() for row in range(new_boxes.shape[0]): new_boxes[row][2] = np.abs(new_boxes[row][2] - new_boxes[row][0]) new_boxes[row][3] = np.abs(new_boxes[row][3] - new_boxes[row][1]) return np.delete(new_boxes, [0, 1], axis=1) def kmeans(boxes, k, dist=np.median): """ Calculates k-means clustering with the Intersection over Union (IoU) metric.（~~？未解，使用IOU度量标准去计算k-means聚类~~） :param boxes: numpy array of shape (r, 2), where r is the number of rows :param k: number of clusters :param dist: distance function（~~？距离函数是代表什么~~） :return: numpy array of shape (k, 2) """ rows = boxes.shape[0]#有多少个BBox，BBox的数量 distances = np.empty((rows, k)) last_clusters = np.zeros((rows,)) np.random.seed() # the Forgy method will fail if the whole array contains the same rows（？Forgy方法是什么） clusters = boxes[np.random.choice(rows, k, replace=False)]# zul：初始化k个聚类中心（方法是从原始数据集中随机选k个） # np.random.choice(a=5, size=3, replace=False, p=None) 参数意思分别 是从a中以概率p，随机选择3个,p没有指定的时候相当于是一致的分布。replace代表的意思是抽样之后还放不放回去，如果是False的话，那么出来的三个数都不一样，如果是True的话， 有可能会出现重复的，因为前面的抽的放回去了。 while True: for row in range(rows): distances[row] = 1 - iou(boxes[row], clusters) # 定义的距离度量公式：d(box,centroid)=1-IOU(box,centroid)。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。 nearest_clusters = np.argmin(distances, axis=1)# 将标注框分配给“距离”最近的聚类中心（也就是这里代码就是选出（对于每一个box）距离最小的那个聚类中心）。 # 直到聚类中心改变量为0（也就是聚类中心不变了）。 if (last_clusters == nearest_clusters).all(): break # 更新聚类中心（这里把每一个类的中位数作为新的聚类中心） for cluster in range(k): clusters[cluster] = dist(boxes[nearest_clusters == cluster], axis=0) # numpy模块下的median作用为：计算沿指定轴的中位数，返回数组元素的中位数。 # 更详细使用方法见https://blog.csdn.net/chaipp0607/article/details/74347025 last_clusters = nearest_clusters return clusters

其中的计算交集解析

x = np.minimum(clusters[:, 0], box[0]) y = np.minimum(clusters[:, 1], box[1]) intersection = x * y # 计算交集

我的实验

数据集为VOC 2007

运行zul_example.py

Accuracy: 67.32% Boxes: [[0.06 0.184 ] [0.038 0.068 ] [0.564 0.424 ] [0.81333333 0.81791045] [0.184 0.17866667] [0.114 0.32 ] [0.344 0.706 ] [0.098 0.09866667] [0.24 0.38666667]] Ratios: [0.33, 0.36, 0.49, 0.56, 0.62, 0.99, 0.99, 1.03, 1.33]

解析：输出结果中的Ratios为box的长宽比。

例如：0.06 / 0.184 = 0.32608695652173914

数据为自己的

修改标签文件夹Annotations路径。

结果是：

【敏感部分打马

测试原论文的聚类结果的表现

clusters = [[10,13],[16,30],[33,23],[30,61],[62,45],[59,119],[116,90],[156,198],[373,326]] out= np.array(clusters)/416.0

结果是：

【敏感部分打马】