神经网络构造方法解析

板上Python库中的class nn.load（path）是构造函数，用来构造一个神经网络Net类。它将神经网络从.network二进制模型文件加载到内存中，包括神经网络的层、权值、偏置等。返回一个可以在图像上进行操作的Net对象。

net.forward（image[，roi[，softmax=False[，dry_run=False]]]）方法用于在图像roi上运行神经网络，必要时会自动缩放，并返回神经网络分类结果的浮点值列表。

其中，roi是待处理区域的矩形元组（x，y，w，h），仅运算roi中的像素。如果未指定，则它等于图像矩形。如果softmax为True，则列表中所有的输出总和为1。否则，列表中的任何输出都可以在0和1之间。将dry_run设置为True以打印出正在执行的网络层而不是实际执行它们。(www.xing528.com)

net.search（image[，roi[，threshold=0.6[，min_scale=1.0[，scale_mul=0.5[，x_overlap=0[，y_overlap=0[，contrast_threshold=1[，softmax=False]]]]]]]]）方法用来以滑动窗口方式在图像roi上运行神经网络。网络检测器窗口以多种比例滑过图像。返回神经网络检测结果的nn_class对象列表。

其中，roi是待处理区域的矩形元组（x，y，w，h），仅运算roi中的像素。如果未指定，则它等于图像矩形。在图像中的区域上运行之后，将最大检测值超过threshold的对象添加到输出列表中。min_scale控制网络模型的缩放比例。在默认值下，网络不会缩放。但是，值为0.5将允许用于检测图像大小为50%的对象。scale_mul控制测试多少个不同的比例。滑动窗口方法的工作原理是将默认比例1乘以scale_mul，并且结果需要大于min_scale。scale_mul的默认值0.5，测试每个比例变化减少50%。但是，0.95的值仅为5%的缩小量。x_overlap控制与滑动窗口的下一个检测区域重叠的百分比。值为零表示没有重叠。值为0.95意味着95%重叠。y_overlap控制与滑动窗口的下一个检测区域重叠的百分比。值为零表示没有重叠。值为0.95意味着95%重叠。contrast_threshold控制跳过图像低对比度区域的阈值。在图像中的某个区域上运行nn之前，将在该区域上计算标准偏差，如果标准偏差低于contrast_threshold，则跳过该区域。如果softmax为True，则列表中所有的输出总和为1。否则，列表中的任何输出都可以在0和1之间。