C++ 实现 实例分割（Mask_RCNN-81类）

在

https://github.com/matterport/Mask_RCNN

下载《Mask_RCNN-master》，并下载训练权重（mask_rcnn_coco.h5）。

然后安装 Keras 2.0.8。pycocotools 就不用装了。

由于我的TensorFlow 是1.0  <1.3，所以按提示修改一二处Keras 中的代码，就可以运行了。

流程图：

这 张图算是比较全了。

C++运行流程：

正在从二进制文件载入‘Mask_RCNN模型’的数据
载入完成
载入模型用时：0.703 秒

生成5层金字塔特征...

输入图像宽度：314
        高度：208
预处理...

缩放比:1.42675
窗口(window):75,0,372,448

宽，高，深度：448,448,3
首层...
宽，高，深度：224,224,64
宽，高，深度：112,112,64
组2...
宽，高，深度：112,112,256
组3...
宽，高，深度：56,56,512
组4...
23...
宽，高，深度：28,28,1024
组5...
宽，高，深度：14,14,2048
宽，高，深度：14,14,2048

生成5层融合金字塔特征...

p2 宽，高，深度：112,112,256
p5 宽，高，深度：14,14,256
p6 宽，高，深度：7,7,256
p3 宽，高，深度：56,56,256
p4 宽，高，深度：28,28,256

回归候选区前、背景分类和位置修正...

fpn_p2...
rpn_model 输入的 宽，高，深度：112,112,256
宽，高，深度：112,112,512
宽，高，深度：112,112,6
rpn_class_logits 输出的 宽，高，深度：2,37632,1
宽，高，深度：112,112,12
rpn_bbox 输出的 宽，高，深度：4,37632,1
size：50127
fpn_p3...
rpn_model 输入的 宽，高，深度：56,56,256
宽，高，深度：56,56,512
宽，高，深度：56,56,6
rpn_class_logits 输出的 宽，高，深度：2,9408,1
宽，高，深度：56,56,12
rpn_bbox 输出的 宽，高，深度：4,9408,1
fpn_p4...
rpn_model 输入的 宽，高，深度：28,28,256
宽，高，深度：28,28,512
宽，高，深度：28,28,6
rpn_class_logits 输出的 宽，高，深度：2,2352,1
宽，高，深度：28,28,12
rpn_bbox 输出的 宽，高ÿ