《表1 不同k值下的聚类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于优化YOLOv3算法的交通灯检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

然后对数据集中的交通灯标签进行聚类分析，从1开始不断增加聚类中心的个数，得到聚类中心数量k与IAvg之间的关系，如图3所示。当k大于3时，曲线逐渐变得平缓，聚类出现相似的结果，为了避免冗余，取聚类中心的数量为3时对应的anchor作为检测交通灯的预测框，分别为（5，13)，（8，23），（14，44）。使用K-means算法得到的聚类结果尺寸都较小，如表1所示。考虑到尺寸大于50pixel×50pixel的标签在数据集中占有一定比例，在聚类分析得到的3个anchor的基础上添加一组尺寸较大的anchor以匹配数据集中像素大于50pixel×50pixel的标签，最终选取的anchor参数为（8，23），（14，44），（5，13），（30，61），（62，45），(59，119）。