YoloV2DetectionOutput

coord_data:
- 是否必填: 必填
- 数据类型: float16,float32
- 参数解释: [batch,coords *boxes,height,width]，表示预测的coords
- 规格限制: float16，height*width*Dtype_Size>=32 Byte
obj_prob:
- 是否必填: 必填
- 数据类型: float16,float32
- 参数解释: [batch,boxes,height,width]，此处每个anchor的obj的数值只有1个
- 规格限制: float16
classes_prob:
- 是否必填: 必填
- 数据类型: float16,float32
- 参数解释: [batch,boxes*classes,height,width] , 为了方便AICORE计算已将每个anchor的score向16取整
- 规格限制: float16，height*width*Dtype_Size>=32 Byte
img_info:
- 是否必填: 必填
- 数据类型: float16,float32
- 参数解释: 原图信息，[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
- 规格限制: float16

biases:
- 是否必填: 必填
- 数据类型: ListFloat
- 参数解释: [boxes,2]，其中2分别表示x(w)和y(h)方向
- 规格限制: 无

relative:
- 是否必填: 非必填
- 数据类型: bool
- 参数解释: 在correct_region_boxes中表示是否为相对值，True
- 规格限制: True或者False

obj_threshold:
- 是否必填: 非必填
- 数据类型: float
- 参数解释: 有物体概率的阈值，对应于clsProb中的阈值，默认值为0.5
- 规格限制: [0,1]

pre_nms_topn:
- 是否必填: 非必填
- 数据类型: int
- 参数解释: pre_nms_topn对应于multiClassNMS（对于每个类别，取前pre_nms_topn个数量进行处理，SoC最大支持512；Mini/Cloud最大支持1024，默认值512）
- 规格限制: 最大1024

post_nms_topn:
- 是否必填: 非必填
- 数据类型: int
- 参数解释: 经过nms之后返回全部还是postTopK个框，最大为1024；默认值512
- 规格限制: 最大1024

score_threshold:
- 是否必填: 非必填
- 数据类型: float
- 参数解释: 每个类别的阈值，默认值为0.5
- 规格限制: [0,1]

iou_threshold:
- 是否必填: 非必填
- 数据类型: float
- 参数解释: 交并比（Intersection over Union）阈值,默认值是0.45
- 规格限制: [0,1]

box_out:
- 是否必填: 必填
- 数据类型: float16,float32
- 参数解释: [batch,6*post_nms_topn]，在其中的6表示x1, y1, x2, y2, score, label（类别），实际按box_out_num的数量输出
- 规格限制: float16
box_out_num:
- 是否必填: 必填
- 数据类型: int32
- 参数解释: [batch,8,1,1]，8表示8列数中只有第一列有效（为满足性能加速，进行数据对齐，后面7列数字是补齐的无效数据），表示每个batch中有效框的数量，每个batch中有效框的数量最大为1024
  例如，Shape为[4,8]，其中只有首列表示有效数据，存放每个batch的有效框数量
  
  [0,0]...[0,7]
  
  [1,0]...[1,7]
  
  [2,0]...[2,7]
  
  [3,0]...[3,7]
- 规格限制: 无

父主题： 支持Caffe算子清单