在目标检测任务中，常需为候选框选择一组代表性的 Anchor 尺寸。现给定 N 个矩形框的宽和高，使用基于 IOU 距离的 k-means 聚类得到 K 个 Anchor。初始化时直接取前 K 个框作为初始中心；每轮迭代将每个样本分配给距离最近的中心；随后将每个簇内样本的宽、高分别取均值并向下取整作为新中心。若达到最大迭代次数 T，或新旧中心之间的总“位移”小于 1e-4（用 d=1−IOU 作为中心间距离，并对 K 个中心求和），则停止。最终按 Anchor 面积（宽×高）从大到小输出 K 个中心。 说明与约束 1.距离度量：d = 1 − IOU，其中 IOU = 交集面积 并集面积，交集面积 = min(w1,w2) × min(h1,h2)，并集面积 = w1×h1 + w2×h2 − 交集面积。 2.所有距离与 IOU 的计算均用浮点；每轮更新后的中心宽、高先取均值再向下取整为整数。 3.若某簇在某轮为空，则该簇中心保持不变。 4.输出前按面积从大到小排序；若面积相同，可按宽、再按高降序作为次序规则。
输入描述:
第一行：N K T（以空格分隔） 接下来 N 行：每行两个整数 w h，表示一个检测框的宽与高。
输出描述:
输出 K 行：每行两个整数，依次为一个 Anchor 的宽与高，按面积从大到小排序。
示例1
输入
9 3 10
100 50
30 20
10 10
102 49
98 52
29 21
31 19
11 9
9 11
说明
初始中心为 (100,50)、(30,20)、(10,10)。
分配后每个簇的均值向下取整仍为 (100,50)、(30,20)、(10,10)，迭代收敛。
按面积排序的结果如上。
备注:
本题由牛友@Charles 整理上传
加载中...