【代码阅读】【算法】K-means聚类算法及利用K-means聚类生成anchor boxes

在yolov2及之后的版本中作者都用anchor boxes 取代了中心点的方法，那么如何用K-means聚类算法得到anchor boxes呢？这边给出方法及代码：

传统kmeans聚类算法

kmeans算法算是一个比较经典的算法，主要是通过选取k个聚类中心，利用求各点距离的方法来进行聚类，迭代更新聚类中心。

算法步骤：
1.初始化K个簇中心;
2.使用相似性度量（一般是欧氏距离），将每个样本分配给与其距离最近的簇中心；
3.计算每个簇中所有样本的均值，更新簇中心；
4.重复2、3步，直到均簇中心不再变化，或者达到了最大迭代次数。

K-means聚类算法生成anchor boxes

先给出IOU的公式，聚类anchor boxes的欧式距离改为iou。

步骤
对box进行K-means的步骤为：
1.随机选取K个box作为初始anchor；
2.使用IOU度量，将每个box分配给与其iou最大的anchor；
3.计算每个簇中所有box宽和高的均值，更新anchor；
4.重复2、3步，直到anchor不再变化，或者达到了最大迭代次数。

代码还是很值得看一下的：

def iou(boxes, anchors):
    """
    Calculate the IOU between