【目标检测】K-means++计算anchors

昨天运行yolo系列模型时，先用kmeans聚类得到了anchor，然后训练模型。训练结束后想用kmeans++或者其他改进版，重新聚类后得到anchor再训练模型，做一个结果对比。

于是在网上各种找资料、找源码。。。此处想啰嗦几句，我知道kmeans++的算法思想，手中也有kmeas算法聚类得到anchor的源码，见我上次写的这篇博客，但是，总有一种依赖的思想，看看网上能不能找到源码，实在是不想写（其实是自己太菜。。。留下无情的泪水）。

结果总是残酷的，找了一下午，都没有找到合乎我心意的源码（那种copy-paste过来直接能用的代码）。将网上寻觅来的代码经过一番debug，终于实现了kmeans++聚类数据得到anchor，哈哈，由于代码风格的不同，yolo数据集也不相同（殊途同归）因此在kmeans++实现上也不相同（此处指的是代码风格，输入接口，对于功能和思想是相同的）。

总共调试运行了针对3种不同数据集的kmeans++算法（做个记录，希望以后少走弯路，提高自身的coding能力）

源码：

在此留个悬念，粉丝量突破500，贴出代码

参考：

https://blog.csdn.net/qq_35239859/article/details/85144451

https://blog.csdn.net/qq_36551226/article/details/106047463

https://blog.csdn.net/hrsstudy/article/details/71173305

https://blog.csdn.net/cgt19910923/article/details/82154401

https://github.com/PaulChongPeng/darknet/blob/master/tools/k_means_yolo.py

版权声明：本文为CSDN博主「机器不学习我学习」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/AugustMe/article/details/115350669