海思hi3516dv300芯片AI图像模块学习（十三） YOLOV3 的不支持层处理
7.不支持层计算
7.1 输入：
硬件参数（网络层、结果内存地址）
s_stYolov3NnieParam
软件参数（检测种类、roi配置等）
s_stYolov3SoftwareParam
7.2 函数本体
读出每层的Stride和BlobAddr-VirAddr
SVP_NNIE_Yolov3_GetResult函数
输入：
au64InputBlobAddr 、Stride，硬件系统储存地址和字节数
YOLOv3软件参数结构体
输入图分辨率
HI_U32 u32OriImHeight;
HI_U32 u32OriImWidth;
每个格子框数量 HI_U32 u32BboxNumEachGrid;
检测种类数量 HI_U32 u32ClassNum;
网格大小
HI_U32 au32GridNumHeight[3];
HI_U32 au32GridNumWidth[3];
非极大值抑制阈值 值越小预测框与标注框重叠度越高
HI_U32 u32NmsThresh;
conf_thresh 网格包含物体的概率或分数阈值，值越高滤除的不含物体的网格越多
HI_U32 u32ConfThresh;
每张图中框的最大数量
HI_U32 u32MaxRoiNum;
聚类先验anchor框的数值
HI_FLOAT af32Bias[3][6];
结果等信息存储位置
SVP_MEM_INFO_S stGetResultTmpBuf;
SVP_DST_BLOB_S stClassRoiNum;
SVP_DST_BLOB_S stDstRoi;
SVP_DST_BLOB_S stDstScore;
SAMPLE_SVP_NNIE_YOLOV3_REPORT_BLOB_NUM=3
1.输出结果的最大维度大小统计
//输出结果中有用3种大小的grid分别检测的结果
//au32GridNumWidth：每个grid的大小，三种:[1]图片大小/32 [2]图片大小/16 [3]图片大小/8 ,不同大小的grid适应不同大小的物体检测
//Bounding Box=BBOX，每个bbox里有的向量维度。这个数值为 num_classes(王工的检测网里就一个类别所以这里是1)+5（x、y、w、h、c）。
//u32EachGridBbox每个grid里bbox数量
最后结果：
u32MaxBlobSize = u32BlobSize，获得最大的结果向量维度（应该8*8grid那组数据）
2.bbox总数——有多少个u32MaxBlobSize维度的向量的内存空间应该划出
3.硬件输出InputBlob重新排列，放到permute里面
//逐个grid，逐个bbox，逐个bbox中元素，把输出数据InputBlob全部放到Permute向量里了，Permute向量的长度=k*k(grid数目)*EachGridBbox*EACH_BBOX_RESULT_NUM
4.解码bbox结果和计算分数
计算当前bbox在Permute向量的位置
起始点 Offset = j * u32EachGridBbox*BBOX_INFER_RESULT_NUM之前的grid+k*BBOX_INFER_RESULT_NUM当前grid第k个之前的向量长度
2. 计算bbox——中心点x、y的相对坐标、w、h的相对长宽
3.求bbox最可能的类别以及相应的概率，简化bbox内部元素，置信度大于阈值的bbox放到新的结构体pstBbox里面收集起来
4.bbox集合pstBbox中数据按置信度快速排序
1.ps32Array=pstBbox，2.范围low=0，3.high=BboxNum（pstBbox中bbox数量）
4.size =SAMPLE_SVP_NNIE_YOLOV3_BBOX_S（内部结构与pstBbox相同）/u32
5.需要排序的对象pstBbox的第4项ClassScore, 6.内存位置
搞不懂这种结构体一会是层叠式一层层的，一会又是一整条向量。。
和之前一样找到每个bbox概率的位置
u32ArraySize * s32Low + u32ScoreIdx
双指针快速排序算法，将首段i位置的置信度与尾端j位置的置信度对比，如果首端i位置的较小，则把j位置的数据交换到j位置出，如此循环置信度小的bbox数据不断后移，大的不断前移，最终实现pstBbox中数据按置信度从大到小排序。
交换i位置bbox和j位置bbox的数据
5.计算IOU，进行非极大值抑制
输入：排好序的bbox集合、bbox数量、iou阈值、bbox的总数
计算第i个与之后所有bbox的iou，大于iou阈值的bbox的mask赋值1
从头逐个往后遍历，重复的bbox跳过（mask=1）
由于pstbbox概率从大到排列，跳过重复的bbox，只需要计算需要显示的bbox，后面的不用算NMS了
最后获得做好mark标记的pstbbox
6.获得最终输出的bbox结果
//遍历物体类别，分物体类别取值u32ClassNum
//遍历bbox
//该类别且无重复mark=0
//地址和置信度存到硬件输出roi信息的内存地址里ps32DstRoi和ps32DstScore
//类别存到软件配置的内存地址里stClassRoiNum
//存左上右下坐标和置信度
8.输出yolo检测结果
输入：NMS后BBOX的置信度、坐标、类别，结果阈值
字符打印
9.VO画面输出ROI结果,这部分需要参考rfcn修改，前面需要初始化vio等操作。
未完待续
