《表1 默认候选框尺度与宽高比聚类结果》

  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

《基于改进SSD的航拍城市道路车辆检测方法》

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

K-means++聚类算法摒弃随机选择K个初始聚类中心的方式，而是先随机获取一个样本集中的数据作为第一个聚类中心，然后通过式（1）运算得出计算每个样本到最近聚类中心的距离，由此，每一个样本都有一个长度，长度越大的样本，被选为下一个聚类中心的概率越高。然后不断重复至得到K个初始聚类中心，之后运行基准K-means聚类算法，该方法选择的初始聚类中心较基准方法更加准确。默认候选框尺度聚类K值设为5，对应改进SSD网络中5个用于检测回归的特征图，宽高比聚类则根据基准SSD网络经验设为6，则迭代收敛后，得到聚类结果如表1所示。与基准SSD网络相同，5个用于分类回归的特征图层依据其尺寸选择相应默认候选框尺度，每个尺度对应聚类得到的6个宽高比，共得到11 634个候选框。