大彤小忆的博客

  当数据集中的样本量较少时，直接将其输入网络进行训练可能会导致过拟合，所以需要对已有样本通过使用数据增强技术进行扩充。扩充时主要有翻转和旋转两种操作，其中翻转包含水平翻转、上下翻转两种，旋转包含逆时针旋转90∘90^{\circ}90∘、180∘180^{\circ}180∘、270∘270^{\circ}270∘三种。  具体代码如下所示。# -*- coding: utf-8 -*-from PIL import Imageimport osfile_dir = 'E:/Remote S

在使用NWPU VHR-10数据集训练Faster R-CNN模型之后，可以通过对保存的模型实现特征图可视化来进一步分析模型。

  使用VGG16作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。  如果使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master，在之前使用VGG16作为预训练模型的训练步骤基础上需要修改几个地方。第一个，在之前的第6步时，改为下载预训练模型ResNet101，在./da

一、所需文件下载链接二、基础环境配置三、训练及测试过程  使用Faster R-CNN算法在DOTA数据集上实现目标检测。  使用Faster R-CNN算法在VOC2007数据集上实现目标检测的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。一、所需文件下载链接Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。Faster-RCNN-Tensor.

这里写目录标题一、VOC2007数据集二、DOTA数据集一、VOC2007数据集  VOC2007数据集的文件结构如下图所示。  其中，文件夹Annotations中存放的是图像的标注信息的xml文件，命名从000001.xml开始；文件夹ImageSets中存放的是图像划分的集合的txt文件，目标检测任务对应的train、val、trainval、test数据集的txt文件存放在Main文件夹中；文件夹JPEGImages中存放的是所有图片的jpg文件，命名从000001.jpg开始；文件夹Seg

一、所需文件下载链接  使用Faster R-CNN算法在NWPU VHR-10数据集上实现目标检测。  使用Faster R-CNN算法在VOC2007数据集上实现目标检测的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。一、所需文件下载链接Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。Faster-RCNN-TensorFlow-Pytho.

  遇到的问题： 当使用电脑中安装的Python 3.7的IDLE去运行某一个python文件时，会出现ModuleNotFoundError: No module named 'numpy'的报错，需要安装numpy库。         而当使用win+R快捷键打开cmd，输入pip install numpy命令时，却得到Requirement already satisfied: numpy in d:\programming\anaconda3\lib\site-packages (1.16.5

一、VOC2007数据集二、NWPU VHR-10数据集三、将NWPU VHR-10数据集的格式转换成VOC2007数据集的的格式一、VOC2007数据集  VOC2007数据集的文件结构如下图所示。  其中，文件夹Annotations中存放的是图像的标注信息的xml文件，命名从000001.xml开始；文件夹ImageSets中存放的是图像划分的集合的txt文件，目标检测任务对应的train、val、trainval、test数据集的txt文件存放在Main文件夹中；文件夹JPEGImage.

一、所需文件下载链接二、基础环境配置三、训练过程  使用Faster R-CNN算法在VOC2007数据集上实现目标检测。一、所需文件下载链接Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。Faster-RCNN-TensorFlow-Python3-master压缩包百度云盘链接→提取码：76wq。VOC2007数据集百度云盘链接→提取码：z8sd。VOC2007数据集的解析→VOC2007数据集详细分析。二、基础环.

  VOC数据集官网链接→http://host.robots.ox.ac.uk/pascal/VOC/。  VOC2007数据集官网链接→http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html。  VOC2007数据集百度云盘链接→提取码：z8sd。VOC2007数据集分析：  VOC2007数据集有20个类：aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow

  要计算mAP必须先绘出各类别PR曲线，计算出AP。而如何采样PR曲线，VOC采用过两种不同方法。  在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, …, 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。  在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。AP&mAPmAP：mean Av

  R-CNN、Fast R-CNN、Faster R-CNN算法都是基于Region Proposal(候选区域)的深度学习目标检测算法，是2-stage两阶段检测模型。  Region Proposal就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口(几千个甚至几百个)的情况下保持较高的召回率(IoU)。  边框回归(Bouding Box Regression)：对RegionProposal进行纠正的线性回归算法，目的是为了让Region Propo

  遥感卫星上搭载了遥感传感器，它会接收并分析来自地面的电磁波信号，在遥远的距离下感知地面物体，所以得名遥感。这些卫星一般位于距地400~700千米的高空轨道上。根据接收的电磁波波长不同，遥感可以分为多种不同类型。  可见光遥感接收的电磁波就是可见光，波长一般在0.38~0.76微米之间，只要采用其中三个波段就能合成出一张彩色的图像。  通过观察可以发现，下面这两张照片的清晰度有所区别。  原因之一是它们拍摄时的镜头孔径不一样。  根据以下公式R空间分辨率=a探测器像元间距h轨道高度f焦距R

1. 全色图像2. 多光谱图像3. 高光谱图像4. RGB图像  遥感成像原理： 光进入相机镜头，光电感应装置将光信号转换为电信号，量化电脉冲信号，记录为一个像素值。传感器响应函数设计为，要使光电感应装置产生这个电脉冲信号，光子强度必须达到一个阈值。进入镜头的光子数量取决于相机的感受野大小，镜头能通过的光子。多光谱图像要分出多个波段，镜头会分光，红滤镜只过红光，蓝滤镜只通过蓝光，假设相同的光打到全色与多光谱镜头上，显然因为滤光的缘故，多光谱感光器接收到的光子要少于全色感光器。而这些光子已经足够全色产生电.

  微软基础类库（英语：Microsoft Foundation Classes，简称MFC）是一个微软公司提供的类库（class libraries），以C++类的形式封装了Windows API，并且包含一个（也是微软产品的唯一一个）应用程序框架，以减少应用程序开发人员的工作量。其中包含的类包含大量Windows句柄封装类和很多Windows的内建控件和组件的封装类。  MFC是微软公司实现的一个C++类库，主要封装了大部分的windows API函数，所以在MFC中我们可以直接调用 Windows

操作系统一、概论二、进程管理三、内存管理一、概论操作系统（一）—— 概论（1）：导论操作系统（一）—— 概论（2）：操作系统结构二、进程管理操作系统（二）—— 进程管理（1）：进程操作系统（二）—— 进程管理（2）：多线程编程操作系统（二）—— 进程管理（3）：进程调度操作系统（二）—— 进程管理（4）：同步操作系统（二）—— 进程管理（5）：死锁三、内存管理操作系统（三）—— 内存管理（1）：内存管理策略操作系统（三）—— 内存管理（2）：虚拟内存管理...

MySQL（一）—— 数据库概述MySQL（二）—— 简单的查询MySQL（三）—— 条件查询MySQL（四）—— 排序MySQL（五）—— 数据处理函数（单行处理函数）MySQL（六）—— 分组函数（多行处理函数）MySQL（七）—— 分组查询MySQL（八）—— 连接查询MySQL（九）—— 子查询MySQL（十）—— unionMySQL（十一、十二）—— limit、关于DQL语句的总结MySQL（十三）—— 表MySQL（十四）—— 表的一些操作MySQL（十五）—— .

2. 虚拟内存管理2.1 背景2.2 请求调页2.3 页面置换2.3.1 基本页面置换2.3.2 FIFO页面置换2.3.3 最优页面置换2.3.4 LRU页面置换2.3.5 基于计数的页面置换2.4 帧分配2.4.1 帧的最小数2.4.2 分配算法2.4.3 全局分配与局部分配2.5 系统抖动2.5.1 系统抖动的原因2.5.2 内存映射文件2. 虚拟内存管理  虚拟内存技术允许执行进程不必完全处于内存。这种方案的一个主要优点就是，程序可以大于物理内存。此外，虚拟内存将内存抽象成一个巨大的、统一的存.

1. 内存管理策略1.1 背景1.1.1 基本硬件1.1.2 地址绑定1.1.3 逻辑地址空间与物理地址空间1.1.4 动态加载1.2 交换1.3 连续内存分配1.3.1内存保护1.3.2 内存分配1.3.3 内存碎片1.4 分段1.5 分页1.6 页表结构1.6.1 分层分页1.6.2 哈希页表1.6.3 倒置页表  计算机系统的主要目的是执行程序。在执行程序及其访问数据应该至少有部分在内存里。  为了提高CPU的利用率和响应用户的速度，通用计算机在内存里必须保留多个进程。1. 内存管理策略  .

5. 死锁5.1 系统模型5.2 死锁特征5.2.1 死锁的必要条件5.3 死锁预防5.3.1 互斥5.3.2 持有且等待5.3.3 无抢占5.3.4 循环等待5.4 死锁恢复5. 死锁  在多道程序环境中，多个进程可以竞争有限数量的资源。当一个进程申请资源时，如果这时没有可用资源，那么这个进程进入等待状态。有时，如果所申请的资源被其他等待进程占有， 那么该等待进程有可能再也无法改变状态。这种情况称为死锁(deadlock) 。5.1 系统模型  系统拥有有限数量的资源，需要分配到多个竞争进程。即.