YoloV2DetectionOutput

输入

• coord_data:
  • 是否必填: 必填
  • 数据类型: float16,float32
  • 参数解释: [batch,coords *boxes,height,width]，表示预测的coords
  • 规格限制: float16，height*width*Dtype_Size>=32 Byte
• obj_prob:
  • 是否必填: 必填
  • 数据类型: float16,float32
  • 参数解释: [batch,boxes,height,width]，此处每个anchor的obj的数值只有1个
  • 规格限制: float16
• classes_prob:
  • 是否必填: 必填
  • 数据类型: float16,float32
  • 参数解释: [batch,boxes*classes,height,width] , 为了方便AICORE计算已将每个anchor的score向16取整
  • 规格限制: float16，height*width*Dtype_Size>=32 Byte
• img_info:
  • 是否必填: 必填
  • 数据类型: float16,float32
  • 参数解释: 原图信息，[batch,4]，4表示netH、netW、scaleH、scaleW四个维度；其中netH，netW为网络模型输入的HW，scaleH，scaleW为原始图片的HW
  • 规格限制: float16

属性

• biases:
  • 是否必填: 必填
  • 数据类型: ListFloat
  • 参数解释: [boxes,2]，其中2分别表示x（w)和y(h)方向
  • 规格限制: 无

• boxes:
  • 是否必填: 非必填
  • 数据类型: int
  • 参数解释: 每个grid的anbox的数量，默认值5
  • 规格限制: 无

输出

• box_out:
  • 是否必填: 必填
  • 数据类型: float16,float32
  • 参数解释: [batch,6*post_nms_topn]，在其中的6表示x1, y1, x2, y2, score, label（类别），实际按box_out_num的数量输出
  • 规格限制: float16
• box_out_num:
  • 是否必填: 必填
  • 数据类型: int32
  • 参数解释: [batch,8,1,1]，8表示8列数中只有第一列有效（为满足性能加速，进行数据对齐，后面7列数字是补齐的无效数据），表示每个batch中有效框的数量，每个batch中有效框的数量最大为1024

    例如，Shape为[4,8]，其中只有首列表示有效数据，存放每个batch的有效框数量

    [0,0]...[0,7]

    [1,0]...[1,7]

    [2,0]...[2,7]

    [3,0]...[3,7]

  • 规格限制: 无