深度学习【59】物体检测：yoloV2笔记之预测

yoloV2的预测代码在examples/detector.c中的test_detector函数中。具体步骤为：

1、模型、参数、待检测图片等信息的加载
2、图片resize，这里使用的是letterbox_image函数。与opencv的resize函数不同的是letterbox不会使物体变形。这边是移植到手机端的一个坑。
3、前向传播，获取网络输出，大小为13*13*425（假设，输入为416*416，80类，5个候选框）
4、根据网络预测的候选框与anchor的x，y偏移量和w，h比值，求出候选框的bbox。get_region_boxes函数。
5、利用非极大值抑制去除重叠的候选框

letterbox_image

image letterbox_image(image im, int w, int h)//w，h：要resize的大小
{
    int new_w = im.w;
    int new_h = im.h;
    //计算保持宽高比的新宽高
    if (((float)w/im.w) < ((float)h/im.h)) {
        new_w = w;
        new_h = (im.h * w)/im.w;
    } else {
        new_h = h;
        new_w = (im.w * h)/im.h;
    }
    //直接resize
    image resized = resize_image(im, new_w, new_h);
    //创建一个大小为w*h的空图片
    image boxed = make_image(w, h, im.c);
    //将空图片用【0.5,0.5,0.5】填充
    fill_image(boxed, .5);
    //int i;
    //for(i = 0; i < boxed.w*boxed.h*boxed.c; ++i) boxed.data[i] = 0;