1 致谢

感谢 友lihe2019提供的资料——《Ubuntu 16.04 Nvidia驱动安装(run方式)》
感谢 友xunan003提供的资料——《ubuntu16.04系统run方式安装nvidia显卡驱动》

2 服务器配置

2.1 服务器硬件配置

独立显卡：NVIDIA GeForce GTX 1660
集成显卡：（无）

2.2 软件环境配置

CUDA: 10.0.130

2.2.1 查看CUDA版本

可以使用代码

2.2 安装Ubuntu-16.04-lts系统

step 1：首先需要在Ubuntu系统的官方 站的可选资料中下载镜像，https://ubuntu.com/download/alternative-downloads，
我们可以获得Ubuntu系统的.iso文件；
step 2：将.iso文件制作成系统U盘，（需要使用U盘），
首先在Windows上安装软件UltraISO，然后打开软件；
step 3：进入工作界面后，点击菜单栏文件(F)，在弹出的选项卡里点击打开，选择刚刚下载好的Ubuntu镜像；

2.2.1 安装显卡驱动

step 9： 使用CUDA直接安装显卡驱动失败， 错“code: 256”，于是还是改用“驱动+CUDA”分开进行安装的方式；
step 10： 从Nvidia官 下载显卡的驱动，https://www.nvidia.cn/geforce/drivers/ ；
step 11：禁用nouveau驱动（否则会出现循环登录的问题）

2.2.1.1 检验显卡驱动是否安装成功

step 10： 检验显卡驱动是否安装成功：

1. 桌面的分辨率是否显示正常；
2. 命令nvidia-smi是否可以正常使用。

2.2.2 Ubuntu-16.04系统更新之后显卡驱动出现异常

Ubuntu-16.04在系统更新之后可能会出现异常，具体表现为，
输入nvidia-smi，出现以下输出，

Terminal outputs:
NVIDIA-SMI has failed because it couldn‘t communicate with NVIDIA driver. Make sure that the latest driver is installed and running.

目前不知道出现这种异常的原因，解决方法是参考的博文《Ubuntu 16.04 Nvidia驱动安装(run方式)》，
需要安装dkms，

然后使用命令，

示例代码如下：

然后输入nvidia-smi看看显卡驱动是否可以正常使用；
安装完成后重启电脑，看看显示界面的分辨率是否恢复正常；

2.2.2 安装CUDA

3 环境迁移

环境迁移速查表：

• CUDA版本保持一致
• 安装conda
• 重现环境（参考：https://zhuanlan.zhihu.com/p/87344422）

4 数据集收集

4.1 HRSC2016数据集

我们暂时不使用HRSC2016数据集，该数据集的目标尺寸太大了，（一张图里面大概只有1到2个目标），对于小目标不适用；

4.2 Kaggle-Airbus-Ship：Kaggle舰船检测比赛的数据集

我们就用这个数据集来做预训练；
数据集地址：https://www.kaggle.com/c/airbus-ship-detection/data

4.2.1 数据集特点

图像尺寸全部相同，且为768×768；

4.2.2 标注文件的格式——RLE编码

在Kaggle-Airbus-Ship（KAS）中，标注信息的格式是“run-length encoding format”，所以还需要单独进行解析；
由于KAS数据集是一个二分类问题，标注图像相当于是一个二值图像，所以可以使用游程编码来对标注信息进行编码；
对于标注格式的解析，可以参考
repo：https://github.com/pascal1129/kaggle_airbus_ship_detection/blob/master/0_rle_to_coco/0_csv_show_RLE.py

4.2.3 数据格式预处理——将mask标注转成正矩形标注

我们使用OpenCV来进行这样的处理：将mask标注转成正矩形标注；
使用的代码为

5 数据读取与预处理

5.1 遥感图像格式读取——.tiff格式等等格式

使用gdal库来读取 .tiff格式的数据；
安装gdal库，

5.1.1 切分图像时需要使用overlap（比例为$50\%$）

在切分图像时，需要使用overlap，overlap比例为$50\%$；
所以还需要计算步长stride；

5.1.2 切分图像时使用norm的方法处理标签

在切分图像时，使用norm的方法处理标签，也就是将label的矩形框clip到当前窗口的范围之内；
在处理标签时，只保留IoU大于阈值的检测框，（根据赵博士的经验），这里IoU的阈值选择0.8；

5.1.2 关于输入通道数的处理

读取通道数，使用类属性
input单通道： 复制成三通道；
input三通道： 无需进行处理；
input四通道： 删除掉最后一个通道；

5.2 图像预处理

5.2.1 统计直方图是耗时操作

统计直方图是十分耗时的操作，这一点要注意，不要在循环中重复地进行直方图运算；
友王大王也在他的博文《GDAL计算栅格图像统计值相关说明》中写到：

6 模型设计

输入图像：768×768（跟KAS数据集保持一致）

6.1 目标区域分类——shufflenet_v2_x1_0

对于目标区域的分类，我们准备使用shufflenet_v2_x1_0 络模型，它的FPS比较高；

7 数据的可视化

7.1 数值类型转换

在对分割图像进行可视化时，有时需要进行数值类型的转换；
需要进行转换的情况是：当使用PIL显示图像时，出现“PIL TypeError: Cannot handle this data type: (1, 1, 768), 从错误信息上，可以看到，这是跟数据类型相关的错误；
其中一个原因时，数值类型不正确，
因为函数默认接受uint8类型的numpy数组，而如果数值类型是uint16的话，就会出现类型不符合的错误；