YOLO-v3模型引數anchor設定
1. 背景知識
在YOLO-v2版本中就引入了anchor box的概念，極大增加了目標檢測的效能。但是在訓練自己資料的時候還是用模型中原有的anchor設定顯然是有點不合適的，那麼就涉及到根據自己的訓練資料來設定anchor。
那麼，首先我們需要知道anchor的本質是什麼，本質是SPP(spatial pyramid pooling)思想的逆向。而SPP本身是做什麼的呢，就是將不同尺寸的輸入resize成為相同尺寸的輸出。所以SPP的逆向就是，將相同尺寸的輸出，倒推得到不同尺寸的輸入。
接下來是anchor的視窗尺寸，這個不難理解，三個面積尺寸（），然後在每個面積尺寸下，取三種不同的長寬比例.這樣一來，我們得到了一共9種面積尺寸各異的anchor。示意圖如下：
2. Anchor先驗引數計算
這裡計算訓練資料的anchor先驗直接使用的是轉好的資料，即是已經轉好的可直接訓練的資料。這裡使用的程式碼參考的是這個倉庫kmeans-anchor-boxes。各位可以到倉庫裡面下載裡面的KMeans檔案就可以了，這裡給出我使用的部分程式碼：
# -*- coding=utf-8 -*- import glob import os import sys import xml.etree.ElementTree as ET import numpy as np from kmeans import kmeans, avg_iou # 根資料夾 ROOT_PATH = '/data/DataBase/YOLO_Data/V3_DATA/' # 聚類的數目 CLUSTERS = 6 # 模型中影象的輸入尺寸，預設是一樣的 SIZE = 640 # 載入YOLO格式的標註資料 def load_dataset(path): jpegimages = os.path.join(path, 'JPEGImages') if not os.path.exists(jpegimages): print('no JPEGImages folders, program abort') sys.exit(0) labels_txt = os.path.join(path, 'labels') if not os.path.exists(labels_txt): print('no labels folders, program abort') sys.exit(0) label_file = os.listdir(labels_txt) print('label count: {}'.format(len(label_file))) dataset = [] for label in label_file: with open(os.path.join(labels_txt, label), 'r') as f: txt_content = f.readlines() for line in txt_content: line_split = line.split(' ') roi_with = float(line_split[len(line_split)-2]) roi_height = float(line_split[len(line_split)-1]) if roi_with == 0 or roi_height == 0: continue dataset.append([roi_with, roi_height]) # print([roi_with, roi_height]) return np.array(dataset) data = load_dataset(ROOT_PATH) out = kmeans(data, k=CLUSTERS) print(out) print("Accuracy: {:.2f}%".format(avg_iou(data, out) * 100)) print("Boxes:\n {}-{}".format(out[:, 0] * SIZE, out[:, 1] * SIZE)) ratios = np.around(out[:, 0] / out[:, 1], decimals=2).tolist() print("Ratios:\n {}".format(sorted(ratios)))
經過執行之後得到一組如下資料：
[[0.21203704 0.02708333]
[0.34351852 0.09375 ]
[0.35185185 0.06388889]
[0.29513889 0.06597222]
[0.24652778 0.06597222]
[0.24861111 0.05347222]]
Accuracy: 89.58%
Boxes:
[135.7037037 219.85185185 225.18518519 188.88888889 157.77777778
159.11111111]-[17.33333333 60. 40.88888889 42.22222222 42.22222222 34.22222222]
其中的Boxes就是得到的anchor引數，以上面給出的計算結果為例，最後的anchor引數設定為
anchors = 135,17, 219,60, 225,40, 188,42, 157,42, 159,34
由於KMeans演算法的結果對於初始點的選取敏感，因而每次執行的結果並不相同，只有Accuracy結果比較穩定點。至於那個anchor引數好，只有自己去嘗試了。但是在使用的時候，沒改過anchor經過一段時間的訓練之後網路也能夠適應，至於會不會對檢測的精度有影響，暫時還沒驗證，-_-||。。。
為什麼YOLOv2和YOLOv3的anchor大小有明顯區別？ 在YOLOv2中，作者用最後一層feature map的相對大小來定義anchor大小。也就是說，在YOLOv2中，最後一層feature map大小為13X13（不同輸入尺寸的影象最後的feature map也不一樣的），相對的anchor大小範圍就在（0x0，13x13]，如果一個anchor大小是9x9，那麼其在原圖上的實際大小是288x288。
而在YOLOv3中，作者又改用相對於原圖的大小來定義anchor，anchor的大小為（0x0，input_w x input_h]。所以，在兩份cfg檔案中，anchor的大小有明顯的區別。如下是作者自己的解釋：
So YOLOv2 I made some design choice errors, I made the anchor box size be relative to the feature size in the last layer. Since the network was down-sampling by 32. This means it was relative to 32 pixels so an anchor of 9x9 was actually 288px x 288px.
In YOLOv3 anchor sizes are actual pixel values. this simplifies a lot of stuff and was only a little bit harder to implement
https://github.com/pjreddie/darknet/issues/555#issuecomment-376190325