YOLO(2) —— 门外汉瞄一瞄

        pjreddie.com/darknet/yolov1

        pjreddie.com/darknet/yolov2

        pjreddie.com/darknet/yolo   【yolov3】

从V1到V4,让你读懂YOLO原理 | 航行学园 (voycn.com)http://www.voycn.com/article/congv1daov4rangnidudongyoloyuanli

--------------------------------------------------------------------------------------------------------

视频 卷积的认识--》 卷积的计算 --》 多维卷积 --》 卷积层

边缘检测的卷积 （视频截取）

RGB三通道卷积（视频截取）

单个卷积层（视频截取）

 一个简单的CNN网络（视频截取）

        那么问题来了，每一层卷积层都要有卷积核来卷积操作，这些卷积核具体数值是多少？

        在视频中有提到，3x3滤波器（卷积核），人工设计的检测边缘类型少，

（网络资源）

         需要检测复杂图像时，相应的滤波器也会比较复杂，这时想着把这9个值当参数，让算法去学习记录，最后的学习结果作为滤波器去检测。

--------------------------------------------------------------------------------------------------------

经过前面折腾，可以看出，主要分为两部分

一部分是骨骼，network网络结构，darknet定义在xxx.cfg中

一部分是灵魂，weights权重数据，xxx.weights文件

        而darknet是具体肉身，将这两部分整合进来，完整运行起网络。

.cfg是文本文件，比较直观，而.weights就是一堆数据了，需要数据格式来进行解析。

yolov1（v3 ?）

        看代码，load_network() ==> load_weights() ==> load_weights_upto()

   int major;
    int minor;
    int revision;
    fread(&major, sizeof(int), 1, fp);
    fread(&minor, sizeof(int), 1, fp);
    fread(&revision, sizeof(int), 1, fp);
    if ((major*10 + minor) >= 2 && major < 1000 && minor < 1000){