加载预训练的Faster R-CNN模型

要加载预训练的Faster R-CNN模型，您需要使用Python中的深度学习框架，如PyTorch或TensorFlow。以下是一个使用PyTorch加载预训练Faster R-CNN模型的示例代码：

import torch
import torchvision
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor

# 加载预训练 Faster R-CNN 模型
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)

# 替换 Faster R-CNN 模型的分类器
num_classes = 2  # 假设有2个类别：'person'和'background'
in_features = model.roi_heads.box_predictor.cls_score.in_features
model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)

# 将模型设置为评估模式
model.eval()

在该示例代码中，我们首先使用`torchvision`库中的`fasterrcnn_resnet50_fpn`函数加载预训练的Faster R-CNN模型。然后，我们替换模型的分类器，以适应我们的数据集。最后，我们将模型设置为评估模式。

请注意，上述示例代码仅适用于二元分类问题。如果您的问题具有多个类别，则需要相应地更改`num_classes`和分类器。