Mask RCNN目标检测源码运行笔记（Demo模式）

1. 论文基本信息

• 论文标题：Mask R-CNN
• 论文作者：Kaiming He（Facebook AI Research (FAIR)）等人
• 论文出处：ICCV 2017
• 在线阅读：https://arxiv.org/pdf/1703.06870.pdf
• 源码链接：https://github.com/facebookresearch/maskrcnn-benchmark

2. 运行环境

• NVIDIA GTX 1070
• Ubuntu 18.04 x64
• gcc/g++ 7.4.0
• CUDA 10.0 (cuda_10.0.130_410.48_linux.run)
• Anaconda 3
• Python 3.7
• PyTorch 1.3.0 for CUDA 10.0

只需要预先安装好gcc/g++ 7.4.0、CUDA 10.0和Anaconda即可，其他依赖包（包括PyTorch）会在下一节会的详细环境搭建步骤进行安装。

3. 准备

S1. 运行如下命令安装matplotlib后端：

sudo apt-get install tcl-dev tk-dev python-tk python3-tk

S2. 在自己的工作区目录中，运行如下命令下载源码包，也可以手工复制链接在浏览器下载：

git clone https://github.com/facebookresearch/maskrcnn-benchmark.git

S3. cd到maskrcnn-benchmark目录中，然后运行如下命令创建虚拟环境并激活：

conda create --name maskrcnn_benchmark python=3.7
conda activate maskrcnn_benchmark

S4. 继续保持在maskrcnn-benchmark目录和刚刚激活的虚拟环境中，然后运行如下命令编写简易安装脚本：

gedit install.sh

在打开的gedit空白编辑界面中，粘贴如下文本：

# this installs the right pip and dependencies for the fresh python
conda install ipython pip

# maskrcnn_benchmark and coco api dependencies
pip install ninja yacs cython matplotlib tqdm opencv-python requests

# follow PyTorch installation in https://pytorch.org/get-started/locally/
# we give the instructions for CUDA 10.0
conda install -c pytorch pytorch-nightly torchvision cudatoolkit=10.0

export INSTALL_DIR=$PWD

# install pycocotools