指定用于训练网络的输入图像的大小。

imageSize = [224 224 3];

指定网络必须检测到的对象类的数量。

numClasses = 1;

定义锚盒。

[1 1;4 6;5 3;9 6];

将普雷雷维特·-50网络指定为YOLO V2的基础网络。要使用此预制网络，您需要安装“深度学习工具箱模型，用于Reset-50网络”支持包。金宝app

Network = Resnet50（）;

分析网络架构以查看所有网络层。

analyzeNetwork(网络)

指定要用于特征提取的网络层。您可以选择除完全连接图层的任何图层作为要素图层。

featureLayer =“activation_49_relu”;

创建YOLO V2对象检测网络。网络返回为a分层图对象。

lgraph = yolov2Layers(图象尺寸、numClasses anchorBoxes,网络,featureLayer);

分析YOLO v2网络架构。特征层之后的层被删除。基础网络的特征层增加了一系列卷积层、ReLU层、批处理归一化层以及YOLO v2转换层和YOLO v2输出层。

分析（LGROPH）

指定用于训练网络的输入图像的大小。

imageSize = [224 224 3];

指定网络必须检测到的对象类的数量。

numClasses = 1;

定义锚盒。

[1 1;4 6;5 3;9 6];

指定预训练的ResNet -50作为YOLO v2的基础网络。要使用此预制网络，您需要安装“深度学习工具箱模型，用于Reset-50网络”支持包。金宝app

Network = Resnet50（）;

分析网络架构以查看所有网络层。

analyzeNetwork(网络)

指定要用于特征提取的网络层。您可以选择除完全连接图层的任何图层作为要素图层。

featureLayer =“activation_49_relu”;

指定网络层作为重组层的源。

reorgLayer =“activation_47_relu”;

创建YOLO V2对象检测网络。网络返回为a分层图对象。

lgraph = yolov2Layers (featureLayer图象尺寸,numClasses, anchorBoxes,网络,'ReorGlayerSource', reorgLayer);

分析YOLO v2网络架构。特征层之后的层被删除。检测子网以及YOLO V2变换和YOLO V2输出层被添加到基础网络的特征层。还将重组层和深度级联层添加到网络中。YOLO V2 REOG层重新组织了输出功能的尺寸activation_47_relu层。深度级联层将重组层的输出与较高层的输出连接起来。

分析（LGROPH）