一、需要的安装环境
keras2.1.4
tensorflow-gpu1.13.1(亲测可以)或者tensorflow>=1.3.0
numpy1.16.4
h5py2.10.0
matplotlib3.3.4
pillow8.2.0
python3.6
scikit-image0.17.2
scipy1.2.1
cython==0.29.22
opencv-python
imgaug
IPython[all]
以上的包可以直接从Anaconda里面的Anaconda Prompt终端配置,激活环境后pip install XXX==(版本号)就行 前提你要先设置清华镜像(百度一下你就知道)
或者直接从Anaconda Navigator里配置。我这些要求真的尝试了很多很多次才成功,所以想 运行成功,可以参照我这个来。最好还是用GPU训练,别用CPU,太慢了。开始训练,一开始默认epoch=50,次数为100次,可以在config.py里将VALIDATION_STEPS = 50 改成你想训练的次数。
二、使用步骤
1.配置训练参数
我以pycharm为例运行的代码:如下图,
打开这个balloon.py,运行一下马上关掉,在进入Run/Edit Configurations里
在Parameters里复制训练配置参数:
train
–dataset=…/…/balloon
–weights=coco
然后运行balloon.py,可能遇到一些小问题也只会是包的版本问题,去百度一下,换个包的版本即可。
开始训练:
训练完后会在samples/balloon/logs/文件夹下产生.h5文件。
点击刚训练完的文件夹里会有很多个训练后的文件
记住最后一个mask_rcnn_balloon_0030.h5
2.测试
在balloon/val文件里选择一个照片,按照训练的配置参数的方法,配置完运行。
splash
–weights=./logs/balloon20210411T1053/mask_rcnn_balloon_0030.h5
–image=…/…/balloon/val/2917282960_06beee649a_b.jpg
最后:
会产生一个在samples/balloon里一个处理后的图片
处理后:
总结
经历越多次的训练,分割的效果和精准度会越好,因为代码计算量大,所以建议用GPU运行。
我的代码:
https://gitee.com/dddking/mask-rcnn/tree/master
这几天会上传完,如果有想要整个项目的代码的话直接百度云下载:
链接:https://pan.baidu.com/s/13wAbtytMOpmgpQmupDR22g
提取码:p0zt