Makefile安装环境Ubuntu18cuda11.1cudnn8.0opencv3anaconda python3.6以下过程可能需要访问国外网站的能力，或配置镜像源安装Caffe-ssd创建虚拟环境conda create -n cafee python=3.6conda activate caffepip install numpy安装各项依赖sudo apt-get install li

微调(Fine-Tuning)迁移学习策略取决于多种因素，但最重要的两个是新数据集的大小以及新数据集与原数据集的相似度。以下是4个主要情景新数据集量小，内容上相似这种情况下，通常情况我们只需要训练最后的输出层，即最后一层,因为可能分类的数量不同，最后一层需要做修改。(平时最常见)新数据集量大，内容上相似这是最理想的情况，我们可以微调整个网络，因为数据量足够大不用担心过拟合。新数据集量小，内容不相同

labelme可执行程序和json_to_datasets可执行程序可自己编译或下载发邮件到aqwy1996822@163.com索取制作全景分割数据集利用图层上覆盖下的特性，画出全景分割数据集先画天空，覆盖整个画面，再画自然风光，覆盖天空外的所有区域，以此类推批量Json转pngjson_to_dataset.exe放到json所在的上一级目录下，与json所在文件夹同级运行json_to_da