YOLOv2网络模型prototxt修改

本章节所有的代码样例都不能直接复制到网络模型中使用，需要用户根据使用的网络模型，自行调整相应参数，比如bottom、top中的参数要和具体网络模型中的bottom、top一一对应，并且bottom和top对应的参数顺序不能更改。

修改Region算子。
由于Yolo算子+DetectionOutput算子才是特征检测网络完整的后处理逻辑，在增加YoloV2DetectionOutput算子之前需要将Region过程算子，替换为Yolo算子。

参见支持Caffe算子清单，Yolo算子有一个输入，三个输出；基于该原则，修改后的Yolo算子如下，对比情况如图1所示，其中左边为原始算子prototxt，右边是适配昇腾AI处理器的prototxt。

图1 原始算子与修改后的算子比对2

构造的代码样例如下：
```
layer {
	bottom: "layer31-conv"
	top: "yolo_coords"
	top: "yolo_obj"
	top: "yolo_classes"
	name: "yolo"
	type: "Yolo"
	yolo_param {
		boxes: 5
		coords: 4
		classes: 80  
		yolo_version: "V2"
		softmax: true
		background: false
    }
}
```
参数解释请参见支持Caffe算子清单。

最后一层增加YoloV2DetectionOutput算子。

对于YoloV2网络，参考扩展算子列表在原始prototxt文件的最后增加后处理算子层YoloV2DetectionOutput ，参见支持Caffe算子清单，YoloV2DetectionOutput算子有四个输入，两个输出；根据上述原则，构造的后处理算子代码样例如下：

layer {
name: "detection_out2"
type: "YoloV2DetectionOutput"
bottom: "yolo_coords"
bottom: "yolo_obj"
bottom: "yolo_classes"
bottom: "img_info"
top: "box_out"
top: "box_out_num"
yolov2_detection_output_param {
  boxes: 5
  classes: 80
  relative: true
  obj_threshold: 0.5
  score_threshold: 0.5
  iou_threshold: 0.45
  pre_nms_topn: 512
  post_nms_topn: 1024
  biases: 0.572730
  biases: 0.677385
  biases: 1.874460
  biases: 2.062530
  biases: 3.338430
  biases: 5.474340
  biases: 7.882820
  biases: 3.527780
  biases: 9.770520
  biases: 9.168280
  }
}

参数解释请参见支持Caffe算子清单。

新增输入：
由于YoloV2DetectionOutput算子有img_info输入，故模型输入时增加该输入。对比情况如图2所示，其中左边为原始算子prototxt，右边是适配昇腾AI处理器的prototxt。

图2 原始算子与修改后的算子比对1

代码样例如下，参数为[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。
```
input: "img_info"
input_shape {
  dim: 1
  dim: 4
}
```

父主题： 样例参考