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：

bash 复制代码

输出：

bash 复制代码

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：

读取数据
确定聚类中心
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
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
判断是否达到聚类完成条件，否则重复3到5
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

python 复制代码

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