1 Agradecimientos

Gracias a la información proporcionada por netizen lihe2019- "Instalación del controlador Ubuntu 16.04 Nvidia (modo de ejecución)"
Gracias a netizen xunan003 por la información- " Modo de ejecución del sistema Ubuntu 16.04 para instalar el controlador de gráficos nvidia"

2 Configuración del servidor

2.2.1 Instale el controlador de gráficos

Paso 9: El uso de CUDA para instalar directamente el controlador de la tarjeta gráfica falla y se informa el error "código: 256", por lo que todavía utilizo el método "controlador + CUDA" para instalar por separado;
Paso 10: Descargue el controlador de la tarjeta gráfica del sitio web oficial de Nvidia, https: // www. nvidia.cn/geforce/drivers/ ;
paso 10: Verifique si el controlador de la tarjeta gráfica se instaló correctamente:

Si la resolución del escritorio se muestra normalmente;
Si el comando nvidia-smi se puede usar normalmente.

2.2.2 El controlador de gráficos es anormal después de la actualización del sistema Ubuntu-16.04

Ubuntu-16.04 puede parecer anormal después de la actualización del sistema. La manifestación específica es que si
ingresa nvidia-smi , aparece el siguiente resultado,

Salidas de terminal:
NVIDIA-SMI ha fallado porque no pudo comunicarse con el controlador NVIDIA. Asegúrese de que el controlador más reciente esté instalado y en ejecución.

En este momento, no sé el motivo de esta anomalía. La solución es consultar la publicación del blog "Instalación del controlador Ubuntu 16.04 Nvidia (método de ejecución)" .
Necesita instalar dkms.

sudo apt-get install dkms

Luego usa el comando,

sudo dkms install -m nvidia -v gpu-driver-number

El código de muestra es el siguiente:

sudo dkms install -m nvidia -v 450.07

Luego ingrese nvidia-smi para ver si el controlador de la tarjeta gráfica se puede usar normalmente; una
vez completada la instalación, reinicie la computadora para ver si la resolución de la interfaz de pantalla vuelve a la normalidad;

3 Instalar dependencias de software de terceros

4 Recolección de conjuntos de datos

4.1 Conjunto de datos HRSC2016

No utilizamos el conjunto de datos HRSC2016 por el momento. El tamaño objetivo del conjunto de datos es demasiado grande (probablemente solo hay 1 o 2 objetivos en una imagen), y el objetivo de nuestra tarea es relativamente pequeño;

4.2 Kaggle-Airbus-Ship: conjunto de datos de la competencia de inspección de buques de Kaggle

Usaremos este conjunto de datos para el entrenamiento previo; la
dirección del conjunto de datos: https://www.kaggle.com/c/airbus-ship-detection/data

4.2.1 Características del conjunto de datos

El tamaño de la imagen es el mismo y es 768 × 768;

4.2.2 El formato del archivo de anotaciones-codificación RLE

En Kaggle-Airbus-Ship (KAS), el formato de la información de la etiqueta es "formato de codificación de longitud de ejecución", por lo que debe analizarse por separado;
dado que el conjunto de datos de KAS es un problema de clasificación binaria, la imagen de la etiqueta es equivalente a una imagen binaria. Por lo tanto, la codificación de longitud de ejecución se puede utilizar para codificar la información de la etiqueta;
para el análisis del formato de la etiqueta, puede consultar el
repositorio: https://github.com/pascal1129/kaggle_airbus_ship_detection/blob/master/0_rle_to_coco/0_csv_show_RLE.py

4.2.3 Preprocesamiento de datos de entrenamiento previo: convierta la etiqueta de la máscara en una etiqueta de rectángulo positivo

Usamos OpenCV para realizar dicho procesamiento: convertir la etiqueta de la máscara en una etiqueta rectangular regular;
el código utilizado es

contours, hierarchy = cv2.findContours(all_masks, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# 参数解释：
# cv2.RETR_EXTERNAL：取二值区域的外轮廓，（不会检测内轮廓）
# cv2.CHAIN_APPROX_NONE：将物体边界上所有连续的轮廓点保存到contours向量内

Notas de estudio para la detección de objetivos de barcos