用自己的数据集训练Mask-RCNN实现过程中的坑

本文仅仅是自己实现过程的笔记记录，仅仅用来交流的。

在网上大量搜集资料后，实现Mask-RCNN，但是过程中还是出现了很多很多的问题，所以将过程记录如下，方便日后学习。

一、实验前准备

1. COCO数据集

COCO的 全称是Common Objects in COntext，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。

COCO数据集现在有3种标注类型：object instances(目标实例)， object keypoints(目标上的关键点)， and image captions(看图说话)，使用JSON文件存储。

2. 环境搭建

本文采用github上Mask-RCNN代码，网址：https://github.com/matterport/Mask_RCNN

安装要求按照必要的环境

Python 3.6，TensorFlow 1.8-gpu，Keras 2.1.6（这些版本是我实验中的版本）和其他常见软件包requirements.txt。

二、制作数据集

这里我们需要利用labelme来生成json文件以及yaml文件等。

1. 安装labelme

win10+python3

在cmd中使用pip安装，

pip install pillow

pip install pyqt5

pip install labelme

安装成功之后，在python安装目录下Scripts目录下可以找到labelme，如下图所示：