下载
EN
注册
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
在线提单
论坛求助
昇腾小AI

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。

  1. 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

  2. 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

  3. 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
    }
搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词