computer-vision - 使用 K 均值聚类生成 anchor 框，YOLO

Question

我试图了解 YOLO 的工作原理以及它如何检测图像中的对象。我的问题是，k 均值聚类在检测对象周围的边界框方面​​发挥什么作用？谢谢。

Answer 1

K-means聚类算法是数据科学中非常著名的算法。该算法的目的是将n个观察结果划分为k个集群。主要包括:

1. 初始化:K 表示(即质心)随机生成。

2. 作业:通过将每个观测值与最近的质心相关联来形成聚类。

3. 更新集群:新创建的集群的质心变得平均。

赋值和更新会重复发生，直到收敛。最终结果是点与其各自质心之间的误差平方和最小。

编辑:

Why use K means

1. 与其他无监督学习算法相比，K-means 的计算速度更快、效率更高。不要忘记时间复杂度是线性的。
2. 它产生比层次聚类更高的聚类。更多的簇数量有助于获得更准确的最终结果。
3. 当重新计算质心时，实例可以更改集群(移动到另一个集群)。
4. 即使您的某些假设被打破，效果也很好。

what it really does in determining anchor box

1. 它将为每个表示形状、位置、大小等的预测变量创建数千个 anchor 框(即 k 均值中的聚类)。
2. 对于每个 anchor 框，计算哪个对象的边界框具有最高重叠度除​​以非重叠度。这称为并集交集或 IOU。
3. 如果最高 IOU 大于 50%(可以自定义)，则告诉 anchor 框应该检测具有最高 IOU 的对象。
4. 否则，如果 IOU 大于 40%，则告诉神经网络真实的检测是不明确的，并且不要从该示例中学习。
5. 如果最高 IOU 低于 40%，则应该预测不存在对象。

谢谢!