lcxyplucky的博客

Faster RCNN随笔随笔参考链接 本文图片均参考该链接Faster Rcnn主要包括4部分内容特征提取层RPN(Region Proposal Networks):生成候选区域Roi Pooling，提取候选区域的特征图区域分类和回归框以获取区域的类别和更加精准的位置。对于任意大小的网络，首先缩放固定到M*N大小，再送进网络。特征提取层：提取图像特征以VGG16为例，Conv layers部分共有13个conv层，13个relu层，4个pooling层。所有的conv层都是

nvidia-smi -l 1一秒刷新一次

linux下进行搭建 pytorch1.1，python3.6下安装搭建Faster RCNN需要下载适合pytorch1.1 的Faster-Rcnn的代码https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0在faster-rcnn.pytorch-pytorch-1.0目录下创建data文件夹并下载VOC2007的数据，我是在这里下载的然后进行解压tar xvf VOCtrainval_06-Nov-200

下载gcc-5.5.0.tar.gz在国内源http://mirrors.nju.edu.cn/gnu/gcc/gcc-5.5.0/进行下载。进行解压缩tar zxvf gcc-5.5.0.tar.gz下载所需要的包mpfr-2.4.2、gmp-4.3.2、mpc-0.8.1。手动下载会比较好，下载地址是ftp://gcc.gnu.org/pub/gcc/infrastructure/解压缩并改名tar -jxvf mpfr-2.4.2.tar.bz2tar -jxvf gm..

查看pytorch版本的方法

直接上代码def save_img(path): #传入存储的list for file in os.listdir(path): file_path = os.path.join(path, file) new_filePath = "D:/DeskTop/PCBData/data/PCB_DATASET/PCB_DATASET/images"+"/"+ path.split("/")[-1]+"_color_augmentations" if

首先需要安装OpenCV库和matplotlib库如果没有安装需要在相应的python(3.6以上)环境下进行安装，安装命令如下pip install opencv-pythonpip install matplotlibimport cv2from matplotlib import pyplot as pltimage = cv2.imread('../01.jpg', 1) # OpenCV读取到的图像默认是BGR格式的image = cv2.cvtColor(image, cv2