mask rcnn训练集准备记录

最先生成的json文件里面记录着图像轮廓的坐标和类别，需要将json文件转换成png格式的mask文件，使用的是labelme的labelme_json_to_databaset函数，执行json2dataset.py文件可以批量转换，生成的文件夹如图1所示，文件夹里面的文件如图2

 

图1

 

图2

 

首先创建一个文件夹，我这里叫的是data，在里面创建四个文件夹，存放内容和名字需要如下图一致：

 

数据集文件夹data中各个文件夹的说明

png最初你看到的应该是label.png，需要对此简单重命名为1.png（否则后面就要去训练代码中改，比较麻烦），比如你的json文件夹叫1_json，那这个png的图就应该改成1.png

在msak-rcnn的目录下找到train.py，修改以下地方

1. NUM_CLASS，类别总数，后面的加1是背景，不用改
2. 添加自己的类别，这里的类别名字要与label保持一致，否则会报错

1. 修改这里的leibie1为自己对应的名字

1. 修改数据集所在的路径dataset_root_path =”sample/data/”
2. 其他设置

默认batch_size设置为8，效果还可以（除非你的数据集特别大/小的时候需要调整）

epoch的设置在代码最后面。

step的设置在代码前段，默认是50，改的话最好是50的倍数，因为模型的日志保存是每100步保存一次，我之前把它设置成30结果tensorboard什么也没存下来（也有可能是我的问题，没仔细看），当然你也可以修改模型保存的参数。

anchor的尺寸，在step设置的前面。

 

可能会遇到的问题：

会提示一堆缺少model，根据提示安装它就可以了。

如果报了错误IndexError: boolean index did not match indexed array along dimension 0; dim

dimension相关的错误，要么是你的数据没有没有处理好（比如名称、路径不对，labelme中的类别名和代码中的类别名不匹配等等），要么是代码里的类别数量没设置对，或者某些拼写错误，总之仔细检查一遍应该可以解决。

参考的原博客