记录开(被)心(迫)修改MaskRCNN码至单目标分割

环境配置与运行

魔改的良好开端是先把别人的代码运行起来
首先从github上下载Mask-RCNN的tensorflow版代码
开辟一个新的python环境
安装tensorflow-gpu，按照requirements.txt文件中给出的要求，应该下载tensorflow>=1.3.0，为了在服务器上良好运行，测试得出GPU1.15.0版也可以良好适配（更高级的版本应该都可）
最终环境为：
python 3.6.13
tensorflow-gpu 1.15.0
keras 2.0.8
CUDA 10.0
其余均为默认

官方教程给出的是demo文件是/samples/demo.ipynb文件，为了更好的适用性，我通过如下命令将其转换为了.py文件。这里需要注意一下，代码中有一句get_ipython().run_line_magic()，.py文件需要将这句注释掉

jupyter noconvert --to script demo.ipynb

下载官方模型，mask_rcnn_coco.h5，可以去官网，科学上网后下载很快。或者找用户的百度网盘链接，有会员的也很快。

下一步需要安装pycocotools
这里也很容易出现各种问题，解决方法是从官网直接下载安装包，传到服务器端PythonAPI文件夹下，解压后按要求安装

到这里就可以成功运行demo.py文件了，成功卖出第一步

导入新数据

首先，作为对比试验测试我们算法的效果，需要导入无标签图片集。批量获取多文件夹下的图片示例代码如下：

import os

path ='F:\\test\\frames'
 
def get_filelist(dir):
    Filelist = []
    for home, dirs, files in os.walk(path