官方版Mask-Rcnn（Detectron-caffe2）训练自己的数据集

最近在学习官方版的   Mask-Rcnn , 已经能够训练 , 下面简述下使用自己数据集训练的方法。

工程目录：https://github.com/facebookresearch/Detectron

经过测试验证官方版的Mask-Rcnn是可以直接使用COCO数据集进行训练的，所以本文也是COCO格式的数据集的制作方法。

一，labelme标注数据集

       制作数据集时主要使用labelme工具进行标注，安装标注方法不再赘述，这里只介绍博主标注后的结果及命名规则。

       工具下载链接：https://github.com/wkentaro/labelme

       下图是我拍摄的RGB图片数据集，

   

       在我们的数据集中共有：box, package ，fruit, column 四类，在画掩码过程中如果单张图片有多个box、fruit…命名规则为box1、box2..fruit1、fruit2..。如下图所示：

    

    在标注完保存后会为每张RGB图生成一个.json的标注文件，最后得到的所有的标注文件如下