我有一个用python和Tensorflow开发的受YOLOv3启发的网络，该网络使用9个锚定框（每个标度3个锚定框，即3个用于大型输出，3个用于中间输出，3个用于小型输出）。
我已经使用在COCO训练数据上通过k均值聚类生成的锚，对所有COCO数据集模型进行了预训练。
问题： ：如果我想在我的自定义数据集上仅对1个类进行微调，则应该使用与pre时使用的相同的COCO锚点-training，还是应该在我自己的数据集上使用K-means聚类再次生成新的锚点？
我还可以在微调的同时更改锚点的数量，即可以将锚点的数量从9个增加到12个（每刻度4个锚点）吗？ 自从最初在3个锚点上对其进行了预训练之后，它会影响我的模型性能，并且是否会在特定的微调阶段增加锚点的数量是正确的选择？
P.S。： 。如果有人可以解释锚点盒在检测中所起的作用，那就太好了。除了K-means聚类以外，还有没有其他选择锚框的通用方法？