Mask-RCNN环境搭建及训练自己的数据集(资料整理)
首先很感谢本次博客参考的博客或其他资料的前辈!第一次写博客,有什么不当的地方,望读者多多包涵,欢迎指正。
1 Mask-RCNN的基本知识
下图是Mask-RCNN的发展历史及网络结构:
上图的黄色或紫色字体表示了RCNN网络每次进化时的主要改变。
下图是Mask-RCNN的网络结构:
Mask-RCNN论文地址
2 Mask-RCNN环境搭建
环境要求:
CUDA9.0
cudnn7.0
vs2015
Anaconda3
Tensorflow-GPU>1.3.0
pycocoyools
环境搭建
(1)查看电脑显卡
(2)安装CUDA
因为环境要求tensorflow-gpu>1.3.0,所以就选择安装CUDA9.0+CUDNN7.0,一定要注意cuda与cudnn/tensorflow-gpu版本一致,下图给出了windows下它们的版本对应关系:
(3)安装cudnn
cudnn的安装配置很简单,解压下载好的cudnn压缩包,将cudnn中bin、include、lib文件夹中的文件分别拷贝至cuda安装目录下对应的文件夹中。
(4)cuda+vs2015的配置
请参考下面两个链接
链接1
链接2
在配置所建工程项目的附加依赖项时,最好将cuda中的lib都添加进去,如下图所示:
创建工程后首先要修改工程平台,选择release X64.
(5)安装Anaconda3
Anaconda3下载地址
Anaconda3安装教程
(6)创建tensorflow-GPU环境
打开conda prompt或cmd终端
创建tensorflow-GPU环境 : conda create -n tensorflow-GPU
激活环境 : conda activate tensorflow-GPU
(7)下载Mask-RCNN代码
下载地址
(8)下载coco数据集上的预训练权重(mask_rcnn_coco.h5)
下载地址
把预训练权重mask_rcnn_coco.h5放到mask r-cnn文件的根目录下
(9)下载pycocotools
下载地址
pycocotools的安装:
将下载好的pycocotools复制到tensorflow-GPU环境中,cd到PythonAPI文件夹下,运行下面两条指令
到此,环境搭建完成!
3 COCO数据集制作
制作coco数据集需要安装labelme工具:
labelme安装详见下面两个链接中的博客:
参考博客1
参考博客2
label标注工具的界面如下:
4 Mask-RCNN的训练与测试
(1)首先安装python的编译器pycharm
pycharm的安装与配置可以参考下面两个博客
参考1
参考2
(2)训练及测试
训练和测试的代码可以参见下面博客中的:
参考博客
激活环境: conda activate tensorflow-GPU
安装requirement.txt中需要的库 pip install XXXX
新建train_data文件,将自己标注好的数据存入
根据自己图片的大小,训练模型、检测的类、文件路径,修改train.py
运行train.py
修改test.py文件,将训练好的模型路径及文件修改成自己的(在logs文件夹下,最后一个)
运行test.py
转载请注明