运行环境：python3.5+需要安装一下opencv，如果有anaconda，执行conda install opencv-python这个脚本适用于原来都是同一尺寸的图片，如果不一致，请参考本人另一篇博客。# *_* coding : UTF-8 *_*# 开发人员： csu·pan-_-||# 开发时间： 2020/11/24 19:42# 文件名称： resize_img_xml.py#

分享一个比较实用的功能，改一下文件路径和缩放尺寸即可适配成自己的。运行环境：python3.5+需要安装一下opencv，如果有anaconda，执行conda install opencv-python# *_* coding : UTF-8 *_*# 开发人员：csu·pan-_-||# 开发时间：2020/11/09 16:40# 文件名称：renameFile.py# 开发工具：PyCha

需要用到shapely这个库，我的环境是 Win10 x64，python3.7，该库可在以下网址下载：https://www.lfd.uci.edu/~gohlke/pythonlibs/前面的博客里写了利用DOTA_Devkit计算AP。有时候我们还需要知道特定置信度下的检出率recall和准确率precision，DOTA_Devkit就不大好用了，想来不如自己写个脚本计算。得到的结果文件还

最近做了个旋转框的任务，leader说要计算mAP和每个类的AP，任务比较急，自己写脚本的话，恐怕一下子搞不定。后面得到遥感界大佬杨学小哥的帮助，找到并运行成功DOTA_devkit这个工具，发现很强大。先贴出github地址：https://github.com/978326187/DOTA_devkit照例贴出百度网盘地址，你懂的：链接：https://pan.baidu.com/s/12zn

出于工作需要，学习了GAN，原理这块就不多讲了，主要讲怎么训练自己的数据生成新的图片，因为博客上大多是生成MNIST数据集,生成自己的图片时，有些小坑。下面记录一下本人基于参考链接，将MNIST数据集的代码改成生成自己数据时遇到的坑。一、读取数据问题# MNIST datasetmnist = datasets.MNIST(root='./data/', train=True, transform

实验环境:Pytorch 1.7.0torchvision 0.8.2Python 3.8CUDA10.2 + cuDNN v7.6.5Win10 + PycharmGTX1660, 6G网络结构采用最简单的类VGG结构，即全部由3*3卷积和最大池化组成，后面接一个全连接层用于分类，网络大小仅18M左右。神经网络结构图：Pytorch上搭建网络：class Block(nn.Module):def