一、yolov5中的初始Anchor设定

在YOLOV5算法之中，针对不同的数据集，一般会预先设置固定的Anchor；

首先，在网络训练中，网络在初始锚框的基础上输出预测框，进而和Ground Truth进行比对，计算两者差距，再反向更新，迭代网络参数；

可以看出Anchor也是比较重要的一部分，比如Yolov5在Coco数据集上初始设定的锚框：

其中：

第1行是在最小的特征图上的锚框;

第2行是在中间的特征图上的锚框;

第3行是在最大的特征图上的锚框;

注：阅读其它人的博客发现，原来yolov5也可以不预设anchor，也可以直接写个3，此时yolov5就会自动按照训练集聚类anchor，如下：

# Parameters
nc: 80  # number of classes
depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # layer channel multiple
anchors: 3  # AutoAnchor evolves 3 anchors per P output layer

二、自适应计算Anchor的流程

1. 载入数据集，得到数据集中所有数据的wh;
2. 将每张图片中wh的最大值等比例缩放到指定大小img_size，较小边也相应缩放;
3. 将bboxes从相对坐标改成绝对坐标（乘以缩放后的wh）;
4. 筛选bboxes，保留wh都大于等于两个像素的bboxes;
5. 使用k-means聚类得到n个anchors（掉k-means包 涉及一个白化操作）;
6. 使用遗传算法随机对anchors的wh进行变异，如果变异后效果变得更好（使用anchor_fitness方法计算得到的fitness（适应度）进行评估）就将变异后的结果赋值给anchors，如果变异后效果变差就跳过，默认变异1000次;

三、本文章来源

1. 知乎集智书童：YOLOv5-Lite 详解教程 | 嚼碎所有原理和思想、训练自己数据集、TensorRT部署落地应有尽有
2. 知乎赵金健
   ：Yolov5-模型配置文件(yolov5l.yaml)讲解