聚類kmeans算法在yolov3中的應用

yolov3 kmeans

yolov3在作boundingbox預測的時候,用到了anchor boxes.這個anchors的含義即最有可能的object的width,height.事先經過聚類獲得.好比某一個像素單元,我想對這個像素單元預測出一個object,圍繞這個像素單元,能夠預測出無數種object的形狀,並非隨便預測的,要參考anchor box的大小,即從已標註的數據中經過聚類統計到的最有可能的object的形狀.

.cfg文件內的配置以下:

[yolo]
mask = 3,4,5
anchors = 10,14,  23,27,  37,58,  81,82,  135,169,  344,319

在用咱們本身的數據作訓練的時候,要先修改anchors,匹配咱們本身的數據.anchors大小經過聚類獲得.

通俗地說,聚類就是把捱得近的數據點劃分到一塊兒.
kmeans算法的思想很簡單

• 隨便指定k個cluster
• 把點劃分到與之最近的一個cluster
• 上面獲得的cluster確定是很差的,由於一開始的cluster是亂選的嘛
• 更新每一個cluster爲當前cluster的點的均值.
  這時候cluster確定變準了,爲何呢?好比當前這個cluster裏有3個點,2個點靠的很近,還有1個點離得稍微遠點,那取均值的話,那至關於靠的很近的2個點有更多投票權,新算出來的cluster的中心會更加靠近這兩個點.你要是非要擡槓:那萬一一開始我隨機指定的cluster中心點就特別準呢,從新取均值反而把中心點弄的不許了?事實上這是kmeans的一個缺陷:比較依賴初始的k個cluster的位置.選擇不恰當的k值可能會致使糟糕的聚類結果。這也是爲何要進行特徵檢查來決定數據集的聚類數目了。
• 從新執行上述過程
  • 把點劃分到與之最近的一個cluster
  • 更新每一個cluster爲當前cluster的點的均值
• 不斷重複上述過程,直至cluster中心變化很小

yolov3要求的label文件格式

<object-class> <x_center> <y_center> <width> <height>
Where:
<object-class> - integer object number from 0 to (classes-1)
<x_center> <y_center> <width> <height> - float values relative to width and height of image, it can be equal from (0.0 to 1.0]
> for example: <x> = <absolute_x> / <image_width> or <height> = <absolute_height> / <image_height>
atention: <x_center> <y_center> - are center of rectangle (are not top-left corner)

舉例:
1 0.716797 0.395833 0.216406 0.147222
全部的值都是比例.(中心點x,中心點y,目標寬,目標高)

kmeans實現

通常來講,計算樣本點到質心的距離的時候直接算的是兩點之間的距離,而後將樣本點劃歸爲與之距離最近的一個質心.
在yolov3中樣本點的數據是有具體的業務上的含義的,咱們其實最終目的是想知道最有可能的object對應的bounding box的形狀是什麼樣子的. 因此這個距離的計算咱們並非直接算兩點之間的距離,咱們計算兩個box的iou,即2個box的類似程度.d=1-iou(box1,box_cluster). 這樣d越小,說明box1與box_cluster越相似.將box劃歸爲box_cluster.

數據加載

f = open(args.filelist)
  
    lines = [line.rstrip('\n') for line in f.readlines()]
    
    annotation_dims = []

    size = np.zeros((1,1,3))
    for line in lines:
                    
        #line = line.replace('images','labels')
        #line = line.replace('img1','labels')
        line = line.replace('JPEGImages','labels')        
        

        line = line.replace('.jpg','.txt')
        line = line.replace('.png','.txt')
        print(line)
        f2 = open(line)
        for line in f2.readlines():
            line = line.rstrip('\n')
            w,h = line.split(' ')[3:]            
            #print(w,h)
            annotation_dims.append(tuple(map(float,(w,h))))
    annotation_dims = np.array(annotation_dims)

看着一大段,其實重點就一句

w,h = line.split(' ')[3:]            
annotation_dims.append(tuple(map(float,(w,h))))

這裏涉及到了python的語法,map用法https://www.runoob.com/python/python-func-map.html
這樣就生成了一個N*2矩陣. N表明你的樣本個數.

• 定義樣本點到質心點的距離
  計算樣本x表明的box和k個質心box的IOU.(即比較box之間的形狀類似程度).
  這裏涉及到一個IOU的概念:即交併集比例.交叉面積/總面積.

def IOU(x,centroids):
    similarities = []
    k = len(centroids)
    for centroid in centroids:
        c_w,c_h = centroid
        w,h = x
        if c_w>=w and c_h>=h:     #box(c_w,c_h)徹底包含box(w,h)
            similarity = w*h/(c_w*c_h)
        elif c_w>=w and c_h<=h:   #box(c_w,c_h)寬而扁平
            similarity = w*c_h/(w*h + (c_w-w)*c_h)
        elif c_w<=w and c_h>=h:
            similarity = c_w*h/(w*h + c_w*(c_h-h))
        else: #means both w,h are bigger than c_w and c_h respectively
            similarity = (c_w*c_h)/(w*h)
        similarities.append(similarity) # will become (k,) shape
    return np.array(similarities)

kmeans實現

def kmeans(X,centroids,eps,anchor_file):
    
    N = X.shape[0]
    iterations = 0
    k,dim = centroids.shape
    prev_assignments = np.ones(N)*(-1)    
    iter = 0
    old_D = np.zeros((N,k)) #距離矩陣  N個點,每一個點到k個質心 共計N*K個距離

    while True:
        D = [] 
        iter+=1           
        for i in range(N):
            d = 1 - IOU(X[i],centroids)  #d是一個k維的   
            D.append(d)   
        D = np.array(D) # D.shape = (N,k)
        
        print("iter {}: dists = {}".format(iter,np.sum(np.abs(old_D-D))))
            
        #assign samples to centroids 
        assignments = np.argmin(D,axis=1) #返回每一行的最小值的下標.即當前樣本應該歸爲k個質心中的哪個質心.
        
        if (assignments == prev_assignments).all() :  #質心已經再也不變化
            print("Centroids = ",centroids)
            write_anchors_to_file(centroids,X,anchor_file)
            return

        #calculate new centroids   
        centroid_sums=np.zeros((k,dim),np.float)  #(k,2)
        for i in range(N):
            centroid_sums[assignments[i]]+=X[i]        #將每個樣本劃分到對應質心
        for j in range(k):            
            centroids[j] = centroid_sums[j]/(np.sum(assignments==j)) #更新質心
        
        prev_assignments = assignments.copy()     
        old_D = D.copy()

• 計算每一個樣本點到每個cluster質心的距離 d = 1- IOU(X[i],centroids)表示樣本點到每一個cluster質心的距離.
• np.argmin(D,axis=1)獲得每個樣本點離哪一個cluster質心最近
  argmin函數用法參考https://docs.scipy.org/doc/numpy/reference/generated/numpy.argmin.html
• 計算每個cluster中的樣本點總和,取平均,更新cluster質心.

for i in range(N):
    centroid_sums[assignments[i]]+=X[i]        #將每個樣本劃分到對應質心
for j in range(k):            
    centroids[j] = centroid_sums[j]/(np.sum(assignments==j)) #更新質心

• 不斷重複上述過程,直到質心再也不變化 聚類完成.

保存聚類獲得的anchor box大小

def write_anchors_to_file(centroids,X,anchor_file):
    f = open(anchor_file,'w')
    
    anchors = centroids.copy()
    print(anchors.shape)

    for i in range(anchors.shape[0]):
        anchors[i][0]*=width_in_cfg_file/32.
        anchors[i][1]*=height_in_cfg_file/32.
         

    widths = anchors[:,0]
    sorted_indices = np.argsort(widths)

    print('Anchors = ', anchors[sorted_indices])
        
    for i in sorted_indices[:-1]:
        f.write('%0.2f,%0.2f, '%(anchors[i,0],anchors[i,1]))

    #there should not be comma after last anchor, that's why
    f.write('%0.2f,%0.2f\n'%(anchors[sorted_indices[-1:],0],anchors[sorted_indices[-1:],1]))
    
    f.write('%f\n'%(avg_IOU(X,centroids)))
    print()

因爲yolo要求的label文件中,填寫的是相對於width,height的比例.因此獲得的anchor box的大小要乘以模型輸入圖片的尺寸.
上述代碼裏

anchors[i][0]*=width_in_cfg_file/32.
        anchors[i][1]*=height_in_cfg_file/32.

這裏除以32是yolov2的算法要求. yolov3實際上不須要.參見如下連接https://github.com/pjreddie/darknet/issues/911

for Yolo v2: width=704 height=576 in cfg-file
./darknet detector calc_anchors data/hand.data -num_of_clusters 5 -width 22 -height 18 -show
for Yolo v3: width=704 height=576 in cfg-file
./darknet detector calc_anchors data/hand.data -num_of_clusters 9 -width 704 -height 576 -show
And you can use any images with any sizes.

完整代碼見https://github.com/AlexeyAB/darknet/tree/master/scripts 用法:python3 gen_anchors.py -filelist ../build/darknet/x64/data/park_train.txt