《表1 默认候选框尺度与宽高比聚类结果》
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。
图表编号 | XD00184564500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.20 |
作者 | 宋世奇、李旭、祝雪芬、杨峰、武文翀、吴琳琦 |
绘制单位 | 东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、交通运输部路网监测与应急处置中心、浙江大华技术股份有限公司、浙江大华技术股份有限公司 |
更多格式 | 高清、无水印(增值服务) |