一、yolov5中的初始Anchor设定
在YOLOV5算法之中，针对不同的数据集，都会预先设置固定的Anchor；
首先，在网络训练中，网络在初始锚框的基础上输出预测框，进而和Ground Truth进行比对，计算两者差距，再反向更新，迭代网络参数；
可以看出Anchor也是比较重要的一部分，比如Yolov5在Coco数据集上初始设定的锚框：
在：
第1行是在最小的特征图上的锚框;
第2行是在中间的特征图上的锚框;
第3行是在最大的特征图上的锚框;
二、自适应计算Anchor的流程：
- 载入数据集，得到数据集中所有数据的wh;
- 将每张图片中wh的最大值等比例缩放到指定大小img_size，较小边也相应缩放;
- 将bboxes从相对坐标改成绝对坐标（乘以缩放后的wh）;
- 筛选bboxes，保留wh都大于等于两个像素的bboxes;
- 使用k-means聚类得到n个anchors（掉k-means包 涉及一个白化操作）;
- 使用遗传算法随机对anchors的wh进行变异，如果变异后效果变得更好（使用anchor_fitness方法计算得到的fitness（适应度）进行评估）就将变异后的结果赋值给anchors，如果变异后效果变差就跳过，默认变异1000次 ;
参考
- https://zhuanlan.zhihu.com/p/478630138
文章出处登录后可见！
已经登录？立即刷新
