航海雷达新博
分割出障碍物之后，使用skimage.measure.label进行标记（百度“scikit image label”），即可知道障碍物的位置、大小等信息。
在将各个障碍物送入分类网络，可得到各个障碍物的类别。
·····································································
prediction = rtnet.predict(image) # prediction的结构是(1, 448, 512, 3)，其中1表示输入的测试图像数量（如果有2张输入的测试图像，那么该值为2），448*512是图像尺寸，3是图像中的类别数量。
a = prediction[0,:,:, 0] #有几个类别，就有几个输出图像；[0,:,:, 0] 的第一个“0”表示第一张输入的测试图像。
b = prediction[0,:,:, 1]
c= prediction[0,:,:, 2]
···················································································
conv2d = Conv2D(filters = filters, kernel_size=kernel_size,strides=strides, padding='same', \
name='conv{}-{}'.format(block, i), use_bias=True,bias_initializer='zeros')(inputs)
kernel_size取值是3，表示3*3的核。
filters是此次卷积操作中，所使用了多少种3*3的核。（3*3的核有9个值；这9个值是权重值，可以取0和1，也可以任意取值。所以filter的值可以很大很大，）
如果strides取值是2，则该卷积层尺寸缩小；如果strides取值是1，则该卷积层尺寸不变。（strides取1时，卷积层尺寸虽然不变，但是提取的特征会变；这也是同一个尺寸的“层”要多次卷积的原因了。）
name是这个卷积层的名字，没有实际意义。
···················································································
segnet网络是U型结构（U-net），现在很多深度学习网络都是U型结构。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
下载visual studio community 2015： https://my.visualstudio.com/Downloads?q=Visual%20Studio%202017
下载vscode https://www.python.org/downloads/windows/
安装插件 language（中文），pylance，kite（自动补齐函数）。
下载kite https://kite.com/download/
下载python https://www.python.org/downloads/windows/ 3.6的版本即可
下载源码 https://github.com/liuxinxinbit/marine_radar_noise
pip install pillow （这个是PLT的安装命令）
pip install matplotlib
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ （用国内源下载，速度会很快。几乎所有的库都可以用国内源下载，加上 “ -i https://pypi.tuna.tsinghua.edu.cn/simple/”即可）
pip install scikit-image
比较常用的国内镜像包括：
（1）阿里云 http://mirrors.aliyun.com/pypi/simple/
（2）豆瓣http://pypi.douban.com/simple/
（3）清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
（4）中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
（5）华中科技大学http://pypi.hustunique.com/
————————————————
原文链接：https://blog.csdn.net/sinat_21591675/article/details/82770360