ncnn之yolov2

    ncnn框架是一个非常好的深度学习部署框架，基于ncnn，我们可以很方便的对训练好的深度学习模型部署到手机（Android或Ios）、linux和PC端上，而且ncnn还提供了各个框架模型转换成ncnn可读形式模型的工具，如图1所示。

                                                                                     图1 ncnn提供的模型转换工具

    分别对应caffe、mxnet、pytorch、tensorflow，以及onnx转换，将这些框架训练好的深度学习模型，转换成ncnn框架可读的模型形式（.param和.bin文件），然后，基于ncnn框架，将模型进行部署。

    在examples文件夹中，也提供了一些实例，像squeezenet、mobilenet-v1、mobilenet-v2、mobilefacenet，github上已经有资源了，这里，我做一个yolov2的笔记。

    代码如下：

// Tencent is pleased to support the open source community by making ncnn available.
//
// Copyright (C) 2018 THL A29 Limited, a Tencent company. All rights reserved.
//
// Licensed under the BSD 3-Clause License (the "License"); you may not use this file except
// in compliance with the License. You may obtain a copy of the License at
//
// https://opensource.org/licenses/BSD-3-Clause
//
// Unless required by applicable law or agreed to in writing, software distributed
// under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR
// CONDITIONS OF ANY KIND, either express or implied. See the License for the
// specific language governing permissions and limitations under the License.

#include 
#include 
#include 
#include 
#include 

#include "ncnn/net.h"

struct Object
{
    cv::Rect_ rect;
    int label;
    float prob;
};

static int detect_yolov2(const cv::Mat& bgr, std::vector