写一个ncnn格式C++解析YOLOv5输出的函数decode_boxes，它接受ncnn::Mat输出和配置信息

在C++中，使用NCNN库解析YOLOv5输出需要对YOLOv5的设计有所了解。YOLOv5的输出是一个二维数组，每一行代表一个检测到的对象，包含了类别ID、预测概率和四个边界框坐标。以下是一个简单的`decode_boxes`函数示例，它假定输入已经按照Y轴进行了降维，且每个输出块对应于一组预先定义的类别及其对应的边界框信息：

#include "ncnn.hpp"
#include <vector>
#include <string>

// 定义YOLOv5的一些配置常量
constexpr int CLASS_ID_INDEX = 0;
constexpr int PROBABILITY_INDEX = 1;
constexpr int X_CENTER_INDEX = 2;
constexpr int Y_CENTER_INDEX = 3;
constexpr int WIDTH_INDEX = 4;
constexpr int HEIGHT_INDEX = 5;
constexpr float IOU_THRESHOLD = 0.5; // NMS IoU阈值

ncnn::Mat decode_boxes(ncnn::Mat raw_output, const ncnn::LayerConfig& yolov5_config) {
    // 检查输出大小是否合理
    if (raw_output.w != yolov5_config.output_w || raw_output.h != yolov5_config.output_h) {
        throw std::runtime_error("Invalid output size for YOLOv5 model");
    }

    // 解码函数，这里假设每行是一次预测
    std::vector<std::vector<float>> detections;
    for (int i = 0; i < raw_output.h; ++i) {
        std::vector<float> box_data;
        for (int j = 0; j < yolov5_config.num_classes; ++j) {
            float *data = raw_output.row(i).ptr<float>();
            box_data.push_back(data[CLASS_ID_INDEX + j]); // 类别ID
            box_data.push_back(data[PROBABILITY_INDEX + j]); // 预测概率
            box_data.push_back(data[X_CENTER_INDEX + j] * raw_output.w); // X中心
            box_data.push_back(data[Y_CENTER_INDEX + j] * raw_output.h); // Y中心
            box_data.push_back(exp(data[WIDTH_INDEX + j]) * yolov5_config.cell_size); // 宽度
            box_data.push_back(exp(data[HEIGHT_INDEX + j]) * yolov5_config.cell_size); // 高度
        }
        detections.push_back(box_data);
    }

    // 应用非极大抑制（NMS）
    std::vector<std::vector<std::tuple<int, float, float, float, float>>> final_detections;
    for (const auto& box_data : detections) {
        float score = box_data[1];
        if (score > yolov5_config.confidence_threshold) {
            float box[] = {box_data[3], box_data[4], box_data[6], box_data[7]};
            std::vector<std::tuple<int, float, float, float, float>> boxes = apply_nms(box, score, IOU_THRESHOLD);
            final_detections.push_back(boxes);
        }
    }

    // 返回最终的检测结果
    return ncnn::Mat(final_detections.size(), yolov5_config.num_classes * 5, ncnn::DataType::f32, final_detections.data());
}

// NMS实现略去，可以参考开源库或网络资源
std::vector<std::tuple<int, float, float, float, float>> apply_nms(float* box, float score, float iou_threshold) {
    // 实现细节省略...
}

这个函数假设了YOLOv5模型的输出结构和默认设置，实际项目中你需要根据具体的模型配置调整这些参数。