大海

YOLOv2在YOLO的基础上进行了很多的调整，其中一个就是设置锚点框。相对于Faster R-CNN/SSD通过人工方式设置锚点的尺度和长宽比，YOLOv2提出了通过k-means聚类的方式自动计算出锚点的大小

分类 vs. 聚类

分类：类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类别的特征，再对未分类的数据进行分类。属于有监督学习（有标签） 聚类：事先不知道数据会分为几类，通过聚类分析将数据聚合成几个群体。聚类不需要对数据进行训练和学习。属于无监督学习（无标签）

原文地址：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

Image Localization Dataset是一个目标检测数据集，其标注文件使用了PASCAL VOC定义的格式，将其转换成COCO格式

COCO提供了一个完备的工具包 - cocoapi，能够满足实际开发过程中对于图像、类别、标注信息的提取

以下操作中仅涉及python使用

介绍COCO目标检测任务以及评价标准

目标检测任务

COCO将目标检测任务分为两个部分：

1. 边界框检测
2. 目标分割检测，也称为实例分割

用于目标检测任务的训练/测试/验证数据集拥有超过20万张图像，共80个类别。其中，在训练和验证数据集上的标注超过了50万个

介绍COCO数据集以及标注文件格式。官网地址：COCO

简介

COCO是一个大规模的目标检测、分割和字幕数据集。包含了以下特征：

1. 目标分割（Object segmentation）
2. 场景分析（Recognition in context）
3. 超像素分割（Superpixel stuff segmentation）
4. 33万张图像，其中超过20万张已标注（330K images (>200K labeled)）
5. 150万个目标实例（1.5 million object instances）
6. 80个目标类别（80 object categories）
7. 91 stuff categories
8. 每张图片5个字幕（5 captions per image）
9. 25万个行人关键点（250,000 people with keypoints）

研究lufficc/SSD源码时，发现其实现了一个目标检测训练框架，进行深入研究后整理成一个新的训练框架

原文地址：SSD: Single Shot MultiBox Detector

阅读源码时发现torchvision提供了许多边界框操作，包括

1. NMS
2. 移除小边界框
3. 修剪边界框坐标，保证边界框坐标位于图像内
4. 计算边界框面积
5. IoU计算

在线文档：torchvision.ops

源码地址：torchvision/ops/boxes.py

当前torchvision版本：0.6.0a0+82fd1c8