某为25.9.28 Yolo检测器中的anchor聚类（python实现）

Yolo检测器中的anchor聚类（python实现）

为什么不使用cpp了？使用cpp手搓机器学习的效率还是太低了，还是得上python，有numpy库效率提高一大截

📝 题目描述

难度： 🟡 中等
标签： 机器学习 kmeans

照例先看输入输出，看不懂再看题面

输入描述：

输出描述：

样例：

输入：

12 4 20
12 23
34 21
43 23
199 23
34 23
108 12
200 107
12 78
123 110
34 23
56 48
78 66

输出：

133 94
121 27
36 22
12 50

说明：

从输入输出描述就可以看出来要干什么了，但是聚类中心、结束条件、距离公式还不知道，因此要从题面找一下：

以及最后的提示：

条件齐全，这下就可以开始做题了

---

� 解题思路

模拟即可。但是要注意每次迭代完成后，要求聚类中心向下取整。

步骤：

1. 读取数据
2. 确定聚类中心
3. 计算到每个聚类中心的dis（记得用1-iou计算），分配框到距离最近的中心
4. 分配完所有点，使用题目给的公式移动聚类中心（向下取整），并计算新旧聚类中心移动的总距离
5. 判断是否达到聚类完成条件，否则重复3到5
6. 按照聚类中心框的面积从大到小排序，输出排序后的框

---

� 代码实现

这里放的是原始实现，没用numpy，后面研究一下在补个numpy版本的

import sys
import math

def iou(l1:list,l2:list):
    w1,h1=l1
    w2,h2=l2
    res=0
    intersection=min(w1,w2)*min(h1,h2)
    union=w1*h1+w2*h2-intersection
    IOU=intersection/(union + 1e-16)
    dis=1-IOU
    return dis
def center_comp(lists):
    ave_w=ave_h=0
    if len(lists)==0:
        return -1,-1
    for items in lists:
        ave_w+=items[0]
        ave_h+=items[1]
    ave_w/=len(lists)
    ave_h/=len(lists)
    return ave_w,ave_h
def kmeans(N,K,T,check_list):
    center=[]
    for items in check_list[:K]:
    ## 注意这里需要用深拷贝，因为后面要修改center的值，这里浅拷贝会同时修改check_list 
        center.append(list(map(float,items.copy())))
    # 开始迭代
    for i in range(T):
        center_points=[[] for _ in range(K)]
        for items in check_list:
            min_index=[-1,1e9]
            # 逐个计算中心距离
            for _ in range(K):
                sq=iou(items,center[_])
                if min_index[0]==-1:
                    min_index[0]=_
                    min_index[1]=sq
                    continue
                if sq<min_index[1]:
                    min_index[0]=_
                    min_index[1]=sq
            center_points[min_index[0]].append(items)
        # 一次迭代完成，开始计算新中心和移动距离
        sum_move=0
        for _ in range(K):
            new_w,new_h=center_comp(center_points[_])
            # 如果返回的是-1,-1说明该类没有点，那么不动该点，继续检查下一个
            if new_w==-1 and new_h==-1:
                continue
            sum_move+=iou([new_w,new_h],center[_])
            ## 这里注意要向下取整
            center[_][0],center[_][1]=int(new_w),int(new_h)
        if sum_move<=1e-4:
            break
    center.sort(key=lambda x:x[0]*x[1],reverse=True)
    return center

# 读数
# 计算距离交并比，并划入对应的类
# 重新计算中心
# 迭代
def main():
    line=sys.stdin.readline()
    line=line.strip()
    N,K,T=map(int,line.split())
    check_list=[]
    for _ in range(N):
        check_w,check_h=map(int,sys.stdin.readline().split())
        check_list.append([check_w,check_h])
    res=kmeans(N,K,T,check_list)
    for _ in res:
        print('%d %d'%(_[0],_[1]))

if __name__=='__main__':
    main()

---

📊 复杂度分析

时空复杂度都比较高，这里不计算了

---

日期： 2026-4-11

1h写完但是无法运行，使用豆包查bug改了半小时，最终1.5h完成题目，下次尽量先自己对照检查一下问题，python改bug相对简单很多