---
title: YOLOv2网络模型prototxt修改
description: "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。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/atctool/atlasatc_16_0049.html
sourcePath: /source/zh/canncommercial/900/devaids/atctool/atlasatc_16_0049.html
indexId: 20d0338658a227a17ca1dacbf4048bd303db4320f20bd16f3869ed9fa0c361af67
---
# 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(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/aolapi/operatorlist_00099.html)，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(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/aolapi/operatorlist_00099.html)。

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(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/aolapi/operatorlist_00099.html)，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(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/aolapi/operatorlist_00099.html)。

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
}
```