anchor意味着先验思想，是为了给神经网络拟合box减轻负担。下面就来讲解一下anchor的计算。

公式

首先我们得先理解yolo输出boundary box的计算过程： \[ \begin{aligned} b_x&=\sigma(t_x)+c_x \\ b_y&=\sigma(t_y)+c_y \\ b_w&=p_w e^{t_w} \\ b_h&=p_h e^{t_h} \end{aligned} \] 解释： \(t_x,t_y,t_w,t_h\)为yolo预测输出结果。

\(c_x,c_y\)为当前cell右上角的坐标。

\(p_w,p_h\)是当前anchor的宽高。

\(b_x,b_y,b_w,b_h\)则是最终yolo预测出的boundary box。

分析

通过上图我们知道,实际上anchor存在的意义就在于调节网络输出与真实box的比例关系.

制作label的过程: \[ \begin{aligned} Label_w&= \frac{True_w}{p_w} \\ Label_h&= \frac{True_h}{p_h} \\ \end{aligned} \]

然后我们训练的时候就是拟合\(e^{t_w}\)到\(Label_w\) \[\begin{aligned} \because b_w&=p_w e^{t_w} \\ b_h&=p_h e^{t_h} \\ \therefore e^{t_w} &\rightarrow Label_w \\ e^{t_h} &\rightarrow Label_h \\ \end{aligned} \]

所以通过设置合适的\(p_w,p_h\)值,我们可以把\(Label_w,Label_h\)控制在\(1\)左右.这样使得神经网络只需要在预测\(w,h\)时只需要接近\(1\)就可以取得较好的效果.

制作anchor

知道了原理,我们就可以来选取合适的anchor,我这里是自己写了个kmeans,然后将其中的距离计算改成了iou的函数:

现在我们加载了自己的anchor list,然后测试一下:

def test_label_wh():
    gl = helper.generator(is_make_lable=True, is_training=False)
    for i in range(20):
        imgl, label = next(gl)
        print("w_max: {:.3f} ,w_min: {:.3f} ,h_max: {:.3f} ,h_min: {:.3f}".format(
            np.max(label[np.where(label[..., 4] > .7)][:, 2]),
            np.min(label[np.where(label[..., 4] > .7)][:, 2]),
            np.max(label[np.where(label[..., 4] > .7)][:, 3]),
            np.min(label[np.where(label[..., 4] > .7)][:, 3])))

输出:

w_max: 1.159 ,w_min: 1.159 ,h_max: 0.906 ,h_min: 0.906
w_max: 0.944 ,w_min: 0.944 ,h_max: 1.223 ,h_min: 1.223
w_max: 1.299 ,w_min: 1.055 ,h_max: 0.864 ,h_min: 0.751
w_max: 0.939 ,w_min: 0.939 ,h_max: 1.294 ,h_min: 1.294
w_max: 0.992 ,w_min: 0.918 ,h_max: 1.289 ,h_min: 1.257
w_max: 1.346 ,w_min: 1.346 ,h_max: 0.965 ,h_min: 0.965
w_max: 1.225 ,w_min: 0.986 ,h_max: 0.905 ,h_min: 0.780
w_max: 1.139 ,w_min: 0.851 ,h_max: 0.961 ,h_min: 0.939
w_max: 0.979 ,w_min: 0.979 ,h_max: 0.941 ,h_min: 0.941
w_max: 1.062 ,w_min: 1.062 ,h_max: 0.957 ,h_min: 0.957
w_max: 1.399 ,w_min: 1.399 ,h_max: 0.831 ,h_min: 0.831
w_max: 0.945 ,w_min: 0.729 ,h_max: 1.102 ,h_min: 0.744
w_max: 0.921 ,w_min: 0.921 ,h_max: 0.867 ,h_min: 0.867
w_max: 0.854 ,w_min: 0.668 ,h_max: 1.298 ,h_min: 1.039
w_max: 1.060 ,w_min: 1.060 ,h_max: 0.648 ,h_min: 0.648
w_max: 0.972 ,w_min: 0.972 ,h_max: 0.925 ,h_min: 0.925
w_max: 0.805 ,w_min: 0.805 ,h_max: 1.126 ,h_min: 1.126
w_max: 0.809 ,w_min: 0.809 ,h_max: 0.958 ,h_min: 0.958
w_max: 1.134 ,w_min: 1.027 ,h_max: 1.502 ,h_min: 1.429
w_max: 1.629 ,w_min: 0.915 ,h_max: 1.208 ,h_min: 0.690

我们的label中\(w,h\)值都在\(1\)左右了,说明这个anchor list是合适的~