Mask-RCNN环境搭建及训练自己的数据集（资料整理）

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