在YOLOv2論文中，作者有對Dimension Cluster做一個介紹，這個cluster的目的就是尋找出anchor的先驗（簡稱為先驗框）。

什麼是先驗框呢，簡單來說，在YOLOv1中，作者遇到了一個問題，雖然我們通過實驗知道要選兩個boxes是最優的，但是如何這兩個boxes的尺寸如何決定呢？網路自身可以學著不斷調節box的大小，但是我們能夠提前給定一個/多個尺寸作為備選不是更好嗎？所以作者就決定利用 k-means 聚類方法在 training set bounding boxes上來尋找先驗框（框的尺寸）。

標準的k-means方法用的是歐氏距離，但是這樣會導致 larger boxes generate more error than smaller boxes. 我們想要得到的先驗框，是能夠帶領我們得到更高的IOU的，如果用歐氏距離來衡量，可能會導致“大框優勢”。所以作者使用了

來作為k-means中“距離”的判定。

我們期待距離越小越好（IOU越大越好），所以距離判定時候用 1 - IOU

討論內容見（需要翻牆）：https://groups.google.com/forum/#!topic/darknet/qrcGefJ6d5g

其中，兩個po主放出了他們k-means演算法的程式碼：

PaulChongPeng的我用VOC2007+2012的training set測試了一下(4/46/2018)，結果如下：

自己加了一個測avg_IOU，最後IOU還可以，但是anchor還是和作者的資料有些差距（據說作者是用VOC+COCO一起做的聚類）

還有一個po主放出了standard k-means的方法（實際是不對的），用的是歐氏距離而非“IOU距離”:

# I wrote up a couple quick scripts to help with this: gen_boxes.sh and cluster_boxes.py.
# They operate within your directory of some_image_name.txt label files.
# Usage example is shown below:

[email protected]:~/data/labels$ ls *.txt | head -5
00RaKqC3eqjWCHQMIPKaeNMsdivO83GL.txt
016rMzBciA5V4SjFsCAQ1do8klvl4CWt.txt
01dfRsndtBz67TK80LCH0NAseYwh7md6.txt
03hptnlIR8YB0dNUqZ4AC9gVkwtDb5DZ.txt
04HPP8cRl0wFL0tPEpNCmwrDW74kByKB.txt

 
[email protected]:~/data/labels$ head 00RaKqC3eqjWCHQMIPKaeNMsdivO83GL.txt
0 0.502333 0.549333 0.144667 0.137333

[email protected]:~/data/labels$ cat gen_boxes.sh
cat *.txt | cut -d' ' -f 4,5 | sed 's/\([^ ]*\) \(.*\)/\1,\2/g' > boxes.csv

[email protected]:~/data/labels$ bash gen_boxes.sh

[email protected]:~/data/labels$ cat cluster_boxes.py
from sklearn.cluster import KMeans
import numpy as np
data = np.genfromtxt('boxes.csv', delimiter=',')
print("Example of data:")
print(data[0:10])
print("")

kmeans = KMeans(n_clusters=5, random_state=0).fit(data)
print("Cluster centers:")
print(kmeans.cluster_centers_)
print("")
print("Scaled to [0, 13]:")
print(kmeans.cluster_centers_ * 13)
print("")
print("In Darknet config format:")
def coords(x):
  return "%f,%f" % (x[0], x[1])
print("anchors= %s" % " ".join([coords(center) for center in kmeans.cluster_centers_ * 13]))

[email protected]:~/data/labels$ python cluster_boxes.py
Example of data:
[[ 0.144667  0.137333]
 [ 0.135333  0.240667]
 [ 0.145     0.146667]
 [ 0.547     0.306667]
 [ 0.4       0.241667]
 [ 0.137     0.145   ]
 [ 0.643     0.356667]
 [ 0.147     0.086667]
 [ 0.123     0.112   ]
 [ 0.202     0.265   ]]

Cluster centers:
[[ 0.1377161   0.13268718]
 [ 0.28492789  0.18958423]
 [ 0.0663724   0.05359964]
 [ 0.48530697  0.496173  ]
 [ 0.18765588  0.27052479]]

Scaled to [0, 13]:
[[ 1.79030931  1.72493339]
 [ 3.70406262  2.46459499]
 [ 0.86284123  0.6967953 ]
 [ 6.30899063  6.450249  ]
 [ 2.43952643  3.51682231]]

# In Darknet config format:
# anchors= 1.790309,1.724933 3.704063,2.464595 0.862841,0.696795 6.308991,6.450249 2.439526,3.516822

# You can then copy that "anchors= ..." line in place of the existing one in your yolo-whatever.cfg file.

YOLOv3也沿用了YOLOv2中的先驗框（anchor），求法相同。

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，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