【YOLOv3】用自己的标注数据Kmeans聚类计算anchor

最新推荐文章于 2022-01-19 14:44:59 发布
原创 最新推荐文章于 2022-01-19 14:44:59 发布 · 4.9k 阅读 · 22 ·
CC 4.0 BY-SA版权
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。
文章标签：

#聚类 #kmeans #opencv

部署运行你感兴趣的模型镜像
代码地址：https://github.com/lars76/kmeans-anchor-boxes
一、计算出归一化的anchor
1.修改上述代码中的example.py
ANNOTATIONS_PATH = '……'  # 存放xml标注文件的路径
CLUSTERS = 9 			 # YOLOv3对应9个anchor
2.运行example.py即可得到归一化的anchor

输出如下的结果：

Accuracy: xx%
Boxes:
[[0.24117647 0.55191257]  # 每一个 anchor的宽/图像的宽 ，高/图像的高
 [0.43026205 0.36341757]
 [……]
 [……]
 [……]
 [……]
 [……]
 [……]
 [0.12742382 0.37146371]]
 Ratios:
 [0.15, 0.34, 0.43, 0.44 …… ]
二、进一步调整
1.根据YOLOv3所使用的图片大小得到实际的anchor大小

比如cfg文件的参数如下所示：
在这里插入图片描述
则anchor在上文的基础上×416即可

2.排序并取整

YOLOv3中默认使用的anchors都是整数，我们也可调整为相同的形式
在这里插入图片描述

参考：
https://blog.youkuaiyun.com/weixin_42419002/article/details/100566926

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

13-kmeans聚类
zqb_123的博客
02-27 67
对于大部分图片而言，由于其尺寸与我们预设的输入尺寸不符，所以在输入阶段就做了resize，导致预先标注的bounding box大小也发生变化。而anchor是根据我们输入网络中的bounding box大小计算得到的，所以在这个resize过程中就存在anchor重新聚类的过程。在yolov5/utils/autoanchor.py文件下，有一个函数kmeans_anchor，通过kmeans的方法计算得到anchor。
YoloV3使用k-means聚类产生矛框大小（以VOC数据集为例）
豆沙包子的博客
07-12 3255
import matplotlib.pyplot as plt import numpy as np import os, cv2 %matplotlib inline LABELS = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningtable','dog', 'ho.
k-means聚类出anchors【YOLOv3、先验框】
火星辉
05-25 1万+
k-means聚类出anchors YOLOv3使用笔记——Kmeans聚类计算anchor boxes - Gotta-C的博客 - 优快云博客 https://blog.youkuaiyun.com/cgt19910923/article/details/82154401 原工程：https://github.com/lars76/kmeans-anchor-boxes 文章目录k-means聚类出...
YOLOv3使用kmeans获得自己数据集的anchors
JameLi95的博客
01-06 1249
问题描述： YOLOv3源代码中使用的anchors是基于COCO数据集的，而对于自己标注的数据集我们可以采用Kmeans算法得到自己的anchors，但是有时候由于自己数据集中真实框的大小大多差别不大，这就与YOLOv3多尺度训练相违背，所以还请谨慎修改原anchors。 废话不多说，上代码，源代码地址： https://github.com/dleam/YOLO-v3-kmeans COCO数据集.json转txt import json from collections import defaul
anchors如何获得_Yolov3通过k-means聚类得到自己数据的anchors
weixin_42351363的博客
01-26 1119
本文代码参考:https://github.com/lars76/kmeans-anchor-boxesYolov3中默认的9个anchors是作者通过对voc数据聚类得到的。anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319不过，当我们训练自己的数据时，如果也采用默认的anchors，可能就不太适合了，这里我们需要对自己的数据重...
YOLOv3使用笔记——Kmeans聚类计算anchor boxes
热门推荐
Gotta-C的博客
08-29 4万+
        anchor boxes用来预测bounding box，faster rcnn中用128*128,256*256,512*512,分三个尺度变换1：1,1：2,2：1,共计9个anchor来预测框，每个anchor预测2000个框左右，使得检出率提高很多。YOLOv2开始增加了anchor机制，在v3中增加到9个anchor。例如yolov3-voc.cfg中这组anchor，a...
Yolov3通过k-means聚类得到自己数据的anchors
梦坠凡尘
03-20 6737
本文代码参考: https://github.com/lars76/kmeans-anchor-boxes Yolov3中默认的9个anchors是作者通过对coco，voc数据聚类得到的。 anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319 不过，当我们训练自己的数据时，如果也采用默认的anchors，可能就不太适合了， 这里...
YOLOv2、v3使用K-means聚类计算anchor boxes的具体方法
邹九的个人博客
11-19 1975
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。
YOLOv3：K-means聚类和K-means++聚类anchor box理论以及源代码
qq_36551226的博客
08-30 1万+
文章目录引言K-meansK-means++ 引言 最近在做YOLOv3的项目，想了想有哪些方面可以优化的，其中一个想法就是聚类算法了。 YOLOv3本身是用K-means聚类出锚框的，但K-means算法本身具有一定的局限性，聚类结果容易受初始值选取影响。K-means算法具体步骤可以参考我这篇博客：看得懂的K-means K-means K-means源码来源：YOLOv3_TensorFlow 首先我们来看一眼YOLOv3训练集的数据格式 第一部分：图片索引 第二部分：图片路径 第三部分：图片宽和高
YOLOv3中使用kmeans算法生成anchors
weixin_43869605的博客
08-18 1179
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，生成自己数据的anchors
03-17
yolov3算法，能生成自己数据的anchors的python脚本
yolov3-k-means darknet53 自动计算四舍五入
03-18
yolov3-k-means darknet53 自动计算四舍五入 可直接拷贝anchors使用 单个文件，修改Annoations即可使用
YOLOv3使用自己数据集——Kmeans聚类计算anchor boxes
calabash_man的博客
09-23 1322
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/
yolov3 anchors用kmeans聚类出先验框+anchor宽高比分析
智障变智能
10-09 6497
# -*- coding: utf-8 -*- import numpy as np import random import argparse import os # # 参数名称 # parser = argparse.ArgumentParser(description='使用该脚本生成YOLO-V3的anchor boxes\n') # parser.add_argument('--i...
yolov2 /yolov3计算anchor
juluwangriyue的博客
09-24 2025
在windows下打开powershell，执行命令： python .\gen_anchors.py -filelist E:/tmp/detect/train.txt -num_clusters 5 其中gen_anchors.py内容如下，train.txt是训练样本的图片路径，同名的txt标注文件与图片同文件夹。 因为标注的格式是：类别、中心x、中心y、宽、高 所以下方代码读取的是后两个数据，即宽和高。 ''' Created on Feb 20, 2017 @author: ju
YOLO的Anchor聚类代码
越努力，越幸运
12-08 1172
代码来源于GiantPandaCV，作者BBuf #coding=utf-8 import xml.etree.ElementTree as ET import numpy as np def iou(box, clusters): """ 计算一个ground truth边界盒和k个先验框(Anchor)的交并比(IOU)值。 参数box: 元组或者...
Yolov2、Yolov3、Gaussian_Yolov3使用K-means聚类计算anchor boxes方法
happyday_d的博客
11-12 1974
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...
kmeans算法实现及获取anchors
dddeee的专栏
01-19 1450
kmeans算法实现及使用产生yolov3和yolov4的anchors
【笔记】K-means 计算 anchor boxes
nyist_yangguang的博客
10-16 837
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。 问题 K-Means算法主要解决的问题如下图所示。我们可以看到，在图的左边有一些点，我们用肉眼可以看出来有四个点群，K-Means算法被用来找出这几个点群。 从上图中，我们可以看到，A, B, C, D, E 是五个在图中点。而灰色的点是我们的...
kmeans聚类算法计算autoanchor
最新发布
03-27
YOLOv5 使用 k-means 聚类算法来优化 Anchor Box 的尺寸，从而提高模型的目标检测性能。以下是关于如何利用 k-means 聚类算法计算 YOLOv5 中 AutoAnchor 的具体说明。 #### 1. 数据准备 为了执行 k-means 聚类，...
评论
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