Это числа ширины и высоты.Если вы сгруппируете эти числа, они сформируют наборы ширины и высоты, например:
(0.57273, 0.677385), (1.87446, 2.06253), (3.33843, 5.47434), (7.88282, 3.52778), (9.77052, 9.16828)
. Как вы можете видеть, есть 5 круглых скобок, что означает, что 5 различных якорных блоков для каждогосетка.Например, Yolo делит входное изображение на сетку 13x13, поэтому каждая сетка будет иметь 5 соответствующих блоков привязки.Эти значения являются просто начальными значениями или значениями по умолчанию, которые были установлены автором, позже поле будет изменено до ближайшего прогнозируемого объекта.Таким образом, сеть будет корректировать размер ближайшего якорного ящика в соответствии с размером прогнозируемого объекта.
Почему 5?В случае Yolo V2 у него есть 5 якорных ящиков, в то время как у Yolo V3 есть 9 якорных ящиков для более высоких долговых расписок.
Как сгенерировать якорные блоки для вашего пользовательского набора данных?Вы должны использовать K-Means для создания якорей.Например, используйте репозиторий Алексея: https://github.com/AlexeyAB/darknet/blob/master/scripts/gen_anchors.py
Для более подробного обсуждения обратитесь к ссылке на github: https://github.com/pjreddie/darknet/issues/568
Для получения дополнительной информации о якорном ящике и кластеризации K-Means,перейти к разделу 3 https://medium.com/@vivek.yadav/part-1-generating-anchor-boxes-for-yolo-like-network-for-vehicle-detection-using-kitti-dataset-b2fe033e5807