《表1 聚类后候选框尺寸大小》

  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

《改进YOLOV3算法的视频目标检测》

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

首先，针对行人检测数据集利用K-means算法进行聚类分析，得到适应于行人检测数据集的候选框尺寸。在聚类过程中，将K-means算法的K值设置为12，依据不同标注框值决定的距离度量方法进行分簇，经过迭代后，得到数据集的候选框聚类结果。在这里选择K=12，一是因为网络结构具有4个尺度检测层，而每个检测层具有3类候选框，从而在聚类分析时选择划分为12类候选框。二是通过设定不同的K值进行聚类分析，发现相比于YOLOV3检测算法的原数据集设定K=9，在MOT16数据集上设定K=12时经过迭代后其损失值较小，说明进行检测算法前针对不同的数据集进行K-means聚类分析的效果是有优势的，具有客观性。之后，按照特征图越大，感受野越小，对小目标相对敏感和特征图越小，感受野越大，对大目标相对敏感的原则，将得到的候选框尺寸分别应用到网络不同尺度检测层中，其结果如表1所示。