在目标检测过程中对高分辨率图像进行滑动窗口切图可以很好解决大分辨率小目标图像的识别问题，希望作者的程序可以帮你便捷地完成项目。

一、问题重述1.1问题的背景随着我国的机动车数量不断增长，人均保有量也随之增加，机动车以“二手车”形式在流通环节，包括二手车收车、二手车拍卖、二手车零售、二手车置换等环节的流通需求越来越大。二手车作为一种特殊的“电商商品”，因为其“一车一况”的特性比一般电商商品的交易要复杂得多，究其原因是二手车价格难于准确估计和设定，不但受到车本身基础配置，如品牌、车系、动力等的影响，还受到车况如行驶里程、车身受

使用opencv内设的kmeans函数：直接原图进行训练，然后获取每个像素点的类，速度慢。上述方法对图像进行一个缩放后，训练模型，然后用模型再预测原图的每个像素点，速度快。

目标检测、滑动窗口切图、随机中心切图

一、问题重述1.1问题的背景随着我国的机动车数量不断增长，人均保有量也随之增加，机动车以“二手车”形式在流通环节，包括二手车收车、二手车拍卖、二手车零售、二手车置换等环节的流通需求越来越大。二手车作为一种特殊的“电商商品”，因为其“一车一况”的特性比一般电商商品的交易要复杂得多，究其原因是二手车价格难于准确估计和设定，不但受到车本身基础配置，如品牌、车系、动力等的影响，还受到车况如行驶里程、车身受

函数功能：用来绘制等高线和决策边界调用方法：plt.contourf(X,Y,Z,cmap)参数说明：X：网格点的横坐标Y: 网格点的纵坐标Z：网格点的值（等高线图的高度值）cmap：颜色图，指定Z不同值（不同高度）所对应不同的填充色一、绘制等高线图：import matplotlib.pyplot as pltfig, (ax1, ax2) = plt.subplots(2)x = np.ara

目标检测、滑动窗口切图、随机中心切图

函数功能：散点图，寻找两个变量之间的关系调用方法：plt.scatter(x, y, s, c, marker, cmap, norm, alpha, linewidths, edgecolorsl)参数说明：x: x轴数据y: y轴数据s: 散点大小c: 散点颜色marker: 散点图形状cmap: 指定某个colormap值,该参数一般不用，用默认值alpha: 散点的透明度linewidth

目录一、简单折线图二、常用基本函数:plt.xticks,plt.yticks,ply.xlim,plt.ylim,plt.xlabel,plt,ylabel,plt.title,plt.legend等三、折线图函数plt.plot()的参数介绍及详解四、调整坐标轴：plt.spines[]五、文本标注：plt.text()六、文本箭头注释:plt.annotate()七、绘图的填充：plt.fi