（自用）目标检测的一些方法

一、Numpy模块

import numpy as np

np.arange()

生成一维数据

numpy.arange(start, stop, step, dtype=None)

          start：开始数字，默认为0

          stop：停止数字（不输出该值），必填

          step：步长，默认为1

np.reshape()

改变数组或矩阵的形状

numpy.reshape(array,(m,n),order)

          array：要改变形状的数组或矩阵

          (m,n)：修改为m×n形状

          order：设置为行优先还是列优先，order=‘c’为行优先，order=‘f’为列优先，默认为前者

np.transpose()

对输入的张量序列进行维度交换（对于numpy可以多个维度）

output=torch.transpose(input, dim0, dim1) 

output=input.transpose(dim0, dim1) 

np.expand_dims()

在某一数组的某一维度增加1维

import numpy as np

b=np.expand_dims(a, axis=0)

#在数组a的第0个位置增加一个维度
#eg：a形状为（2，2） 则b的形状为（1，2，2）

二、PIL模块

1.Image部分

from PIL import Image

Image.fromarray()

将数组转换为图像

Image.fromarray(array,mode='L')

          array：二维numpy数组

          mode：表示输出图像的模式，常用的模式有 “L” (灰度图), “RGB” (彩色图), “CMYK”

三、Pytorch模块

import torch

torch.arange()

torch.reshape()

torch.max()

获取最大值

torch.max(input, dim, max=None, max_indices=None，keepdim=False)

          input：进行max操作的Tensor变量

          dim：需要查找最大值的维度

          max：结果张量，用于存储查找到的最大值

          max_indices：结果张量，用于存储查找到最大值所处的索引

          keepdim=False：返回值与原Tensor的size是否保持一致

torch.cat()

在指定维度上对输入的张量序列进行拼接

outputs = torch.cat(inputs, dim)  

          input：待连接的张量序列，可以是任意相同Tensor类型的序列

          dim：沿此维度连接张量序列，必须在0到 len(inputs[0]) 之间

torch.transpose()

对输入的张量序列进行维度交换（对于torch只能两个维度）

output=torch.transpose(input, dim0, dim1) 

output=input.transpose(dim0, dim1) 

torch.permute()

对输入的张量序列进行任意维度交换

output=input.transpose(dims) 

.contiguous().view()

对进行转置后的张量先进行存储连续，再重新定义其形状

output=input.contiguous().view()

四、String模块

.replace() 

可以替换字符串中的内容，不改变原字符串，返回一个新的字符串

字符串名称.replace( old, new, count )

          old：需要被替换的字符串内容

          new：替换后的字符串内容

          count：替换次数，默认全部替换，为负数时全部替换

.lower()

全显示为小写字母

.endswith()

用于判断文件名后缀

五、osgeo.gdal模块

from osgeo import gdal

from osgeo import gdal

dataset = gdal.Open(img)

# 获取影像的宽度、高度和波段数
width = dataset.RasterXSize
height = dataset.RasterYSize
bands = dataset.RasterCount

# 返回第一波段的数据对象
band = dataset.GetRasterBand(1)

# 以band上坐标为(100,100)的点为原点
# 读取5×5大小的数组数据 并放缩至10×10的大小
print(band.ReadAsArray(100,100,5,5,10,10))

六、别的一些方法

preprocess_input()

将像素值调整到（0，1）之间，即 像素值 / 255