指定输入图像的大小以培训网络。

图像= [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。

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。万博1manbetx

Network = Resnet50（）;

分析网络架构以查看所有网络层。

分析工作（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分层图目的。

Lgraph = yolov2layers（图像，numcrasses，锚箱，网络，特色）;

分析YOLO V2网络架构。移除了成功层的图层被删除。一系列卷积，Relu和批量归一化层以及YOLO V2变换和YOLO V2输出层被添加到基础网络的特征层。

分析（LGROPH）

指定输入图像的大小以培训网络。

图像= [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。

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。万博1manbetx

Network = Resnet50（）;

分析网络架构以查看所有网络层。

分析工作（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';

指定要用作重组层的源的网络层。

reorgLayer ='activation_47_relu';

创建YOLO V2对象检测网络。网络返回为a分层图目的。

Lgraph = yolov2layers（图像化，numcrasses，anchorboxes，网络，featurelayer，'Reorglayersource'，重新创造者）;

分析YOLO V2网络架构。移除了成功层的图层被删除。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。深度级联层与更高层的输出连接重组层的输出。

分析（LGROPH）