TensorFlow MASK R-CNN Demo Windows 无痛搭建 (CPU版)

已于 2023-08-31 11:02:16 修改
阅读量3.8k 收藏 24
点赞数 4
分类专栏： TensorFlow 文章标签： TensorFlow Mask RCNN CPU Windows
于 2018-11-23 10:34:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yx123919804/article/details/84310006
版权

TensorFlow MASK R-CNN Demo Windows 无痛搭建 CPU版

一. 依赖库版本

版本很重要, 错了不一定能跑起来
MASK R-CNN == 2.1
tensorflow == 1.15
keras == 2.0.8
scipy == 1.2.1

其他版本没有试过

二. 原材料

  1. Jupyter Notebook
    安装教程移步到: Windows 下无痛安装 Jupyter Notebook与配置
  2. TensorFlow
    安装教程移步到: Windows 下无痛安装 TensorFlow (CPU版)
  3. MASK R-CNN 源代码
    下载地址: https://github.com/matterport/Mask_RCNN/releases
    点击 Source code(zip) 下载源码到本地, 解压后放到 Juyper Notebook 文件存放路径, 如 E:\Jupyter_Files, Jupyter Notebook 如何更改工作路径, 上面 Jupyter Notebook 安装教程里有讲
    dwn rcnn
  4. COCO API
    下载地址: https://github.com/cocodataset/cocoapi
    如上图下载到本地, 解压后放到Juyper Notebook文件存放路径, 如 E:\Jupyter_Files
    以上两个源码放到相同路径, 如下图, 我下载的 coco-master
    source_code
  5. Microsoft Visual Studio 2015
    网上一搜一大堆, 安装路径你喜欢就好, 注意, 选自定义安装, 编程语言把 C++ 勾上, 其他默认值, 以下就简称 VS2015 了

三. 运行步骤

  1. 打开 Jupyter Notebook
    打开后可以看到刚才下载的两个文件夹已经显示出来
    folders
  2. 打开 Mask_RCNN-2.1->demo.ipynb, 打开 demo.ipynb 后部分截图如下
    Demo
  3. 切换 Kernel
    选择 Kernel->Change kernel, 切换到你想要的 Kernel
    SwitchKernel
  4. 选择 Demo 源码的第 1 个 Code 单元格, 单元格边框会变成绿色, 绿色表示此单元格是可以编辑的, 蓝色表示不能编辑
    EditCell
  5. 激动人心的时刻来了, 按 Shfit + Enter 运行刚才选中的单元格, 看能不能运行, 答案是: NO!!!, 在单元格下面会输出一些错误信息, 这些信息就是我们这次要填的坑, 错误信息的顺序和上面 import 语句的顺序有关系
    k1
    坑1: 看红框说的, 意思是你没有安装 skimage, 那先来填这个坑
    打开你心爱的 Anaconda Prompt, 激活 Jupyter Notebook 选用的核所在的 Environment, 输入 pip install scikit-image 安装 skimage, 等待其安装完成
    skimage
    好不容易不 skimage 安装完成, 我们再选择第 1 个 Code 单元格, 按 Ctrl + Enter 运行试试看会怎样, OMG, 又来了一个坑, 此坑如下图
    k2
    坑2: 红框是说你没有安装 matplotlib, 聪明的你是不是已经打开了 Anaconda Prompt, NO, NO, NO, 还有其他更容易的安装方法, 移步到 https://blog.csdn.net/yx123919804/article/details/84111774, 参照第6 步安装更方便
    matplotlib
    坑3: 安装完成 matplotlib 再来运行一次, 看还有没有坑, 果然还有
    k3
    如何填? 参照安装 matplotlib 安装 keras
    keras
    坑4: 填好了再运行一次, 这次显示的坑有两个, 不过先只填红框的那个
    k4
    怎么填? 聪明的你可能已经看到了红框上面的这名话: # https://github.com/aleju/imgaug (pip3 install imgaug), 不就是运行一下 pip install imgaug 吗? 因为我们有选择运行的 Environment, 所以我们不这样做, 而是在 Anaconda Prompt 中激活 Environment, 然后输入 pip install imgaug 进行安装
    imgaug
    坑5: 好, 现在已经填好了 4 个坑 s, 再来运行一次, 又来一个坑, 这次输出越来越多, 表示我们越接近成功了
    k5
    这个坑可以仿 matplotlib 填, 但是搜索的名字不是 cv2, 而是 opencv, 哈哈, 被坑了吧
    opencv
    坑6: opencv 安装完毕, 再来运行一次, 你可能已经猜到还有坑, 恭喜你, 猜对了, 而且这个坑还有一点大, 说没有 pycocotools 这个模块
    k6
    How Fill? 确保 Microsoft Visual Studio 安装成功了后, 打开Anacon Prompt, 并激活你选择的 Environment, 再将目录切换到 cocoapi, 怎么切换? 比如我的 cocoapi 在 E:\Jupyter_Files\cocoapi-master\PythonAPI, 那就先输入 E: 回车,切换到 E 盘, 再输入 cd E:\Jupyter_Files\cocoapi-master\PythonAPI 目录下
    coco_path
    坑7: 目录切换完成, 再输入 python setup.py install, 就开始安装 pycocotools, 不过先告诉你又会来一个坑, 如下图
    k7
    What the fuck~, 这个坑还是比较好填的, 大家跟我做, 在资源管理器中打开 E:\Jupyter_Files\cocoapi-master\PythonAPI, 里面有一个 setup.py 的文件
    coco api setup
    打开它, 怎么打开? 当然双击啊, 如果你电脑上没有 python 编辑环境, 可以用安装好的 VS2015 打开
    setupconfig
    把红框框的那一行改成 extra_compile_args=[] # originally was [‘-Wno-cpp’, ‘-Wno-unused-function’, ‘-std=c99’], 简单点说就是把 extra_compile_args 赋值一个空 list, 把后面的用 # 注释掉, 免得以后你想改回来, 改完后如下图
    -wno-cpp
    坑8: 再走一个 python setup.py install 试试? 来一个坑说无法打开源文件: “pycocotools/_mask.c”: No such file or directory
    k8
    一步一步跟我填, 首先要问为什么打开不呢? 嗯~这个是还有一个依赖项没有安装, 仿安装 matplotlib 安装 Cython
    cython
    安装完成后再打开坑7中的那个 setup.py文件, 在最开始增加两行
from distutils.core import setup
from Cython.Build import cythonize

然后再把 setup 里面的内容改成

setup(
    name='pycocotools',
    packages=['pycocotools'],
    package_dir={'pycocotools': 'pycocotools'},
    version='2.0',
    ext_modules=cythonize(ext_modules)
)

改完后如下图
from
setupchange
好了, 坑8 就这样被填好了, 再再走一个 python setup.py install 试试?
k8_over
不出所料, 安装完成, 在 Environment 路径下生成一个 pycocotools 的文件夹, 就问你神不神奇!
pycocotools folder
如果在 site-packages 文件夹下找不到 pycocotools 文件夹, 那就到 D:\Anaconda3\envs\tf_cpu\Lib\site-packages\pycocotools-2.0-py3.7-win-amd64.egg 文件夹中看看, 你的 Anaconda 和 Environments 路径可能和我的不一样, 你知道意思就行
pycocotools-2
再用 Ctrl + Enter 运行第 1 个 Code 单元格试试? 已经没有错误输出了
最后还有一个不算坑的坑, 没有错误输出了后, 就要开始下载 mask_rcnn_coco.h5 了, 这个是训练的权重参数, 有 200 多 M, 网速慢的话要多等一下, In 旁边方括号里面的 * 号表示这个单元格正在执行, 执行完成后会显示一个数字, 下载完成再 Ctrl + Enter, 第 1 个 Code 单元格已经没有错误信息了
wait
download
坑9: 第 1 个 Code 单元格是填完了, 但是 Demo 还是不能运行, 我们试一下, 点上方工具栏 Cell->Runn All, 运行全部单元格, 会看到第 3 个 Code 单元格下面有错误信息输出, 说没有 keras.engine.topology 没有 load_weights_from_hdf5_group_by_name 这个属性
run all
k9
这个也比较好填, 看上面错误定位的文件是 model.py, 那我们打开它, 搜索 “topology” 会有 3 个地方要改, 第 1 个如下图, 把 from keras.engine import topology 注释掉, 改成 from keras.engine import saving

k9-1
k9-2

再搜索 “topology”, 还有下图这个地方有两处要改
k9-3

也是把 topology 改成 saving, 改完后保存, 如果有必要的话, 重新打开 Jupyter Notebook, 再打开 demo
k9-4
至此, 所有的坑都填好了, 再 Run All 试一下, 是不是看到了科学都不能解释的现象, 图像中的物体被检测出来了, 就问你惊不惊喜, Run All 之后, 再次运行的话, 只运行最后那 Run Object Detection 单元格就可以检测了, 如果要检测自己的图像, 只要把图像放到 images 文件夹下就可以了
result

Mr-MegRob
关注
  • 4
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 29
    评论
专栏目录
Mask R-CNN源码(TensorFlow版本)
01-30
**Mask R-CNN 源码 (TensorFlow 版本)** Mask R-CNN 是一个深度学习模型，用于实例分割和目标检测任务。这个模型在2017年由 Matterport 公司的何凯明等人提出，是 Faster R-CNN 的升级版，增加了对每个目标像素级别...
Mask R-CNN预训练权重
05-26
Mask R-CNN数据标注和模型训练 教程：https://yidamyth.blog.csdn.net/article/details/124851003 使用Mask R-CNN标注自定义数据集，训练自己的模型。 本资源是教程中所需要加载的预训练模型，提供一个便捷的下载...
anaconda 上实现Tensorflow MASK R-CNN Demo Windows (CPU版)
qq_26347451的博客
03-23 1114
本文仅仅是自己实现过程的笔记记录 方法一： 想体验以下TensorFlowGPU 加速训练，又不想安装任何工具和操作复杂的配置步骤，可以参考以下资料： 如何在免费云端运行 Python 深度学习框架：https://redstonewill.com/1493/ 使用colab运行深度学习gpu应用（Mask R-CNN）实践：https://www.cnblogs.com/jackkwo...
Mask R-CNN实战
qq_53682472的博客
05-24 400
进行特征提取，但是顶层特征中忽略了小物体的一些信息使得检测效果并不好，这该如何改进？FPN:金字塔网络FPN思想：将。
有空就学学的实例分割1——Tensorflow2搭建Mask R-CNN实例分割平台
Bubbliiiing的学习小课堂
06-02 1万+
Mask R-CNN是He Kaiming大神2017年的力作，其在进行目标检测的同时进行实例分割，取得了出色的效果。 其网络的设计也比较简单，在Faster R-CNN基础上，在原本的两个分支上（分类+坐标回归）增加了一个分支进行语义分割，https://github.com/bubbliiiing/mask-rcnn-tf 喜欢的可以点个star噢。 Mask-RCNN使用Resnet101作为主干特征提取网络，对应着图......
Windows10搭建TensorFlow-CPU并运行MASK R-CNN Demo及问题解决
m0_37688284的博客
06-05 789
最近准备试试mask rcnn的示例代码。发现一篇写的特别好的博客。 很详细的搭建CPU版的TensorFlow过程 自己按照博主的教程，很顺利，但过程中仍然有一些小问题，就记录一下。 注意TensorFlow-CPU的版本。按照博主在anaconda中安装的步骤，安装的是TensorFlow-CPU比较新的版本，2.2的版本。但是开头博主说的是需要tensorflow == 1.15，所以直接在Anaconda Prompt中，激活tensorflow-cpu的环境，执行pip install tens
实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN
热门推荐
jiongnima的博客
01-21 9万+
   Mask R-CNN是ICCV 2017的best paper，彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中，单任务的网络结构已经逐渐不再引人瞩目，取而代之的是集成，复杂，一石多鸟的多任务网络模型。Mask R-CNN就是典型的代表。本篇大作的一作是何凯明，在该篇论文发表的时候，何凯明已经去了FaceBook。我们先来看一下，Mask R-CNN取得了...
Mask R-CNN网络详解
霹雳吧啦Wz
04-05 4万+
Mask R-CNN是2017年发表的文章，一作是何恺明大神，没错就是那个男人，除此之外还有Faster R-CNN系列的大神`Ross Girshick`，可以说是强强联合。该论文也获得了ICCV 2017的最佳论文奖（`Marr Prize`）。并且该网络提出后，又霸榜了MS COCO的各项任务，包括目标检测、实例分割以及人体关键点检测任务。在看完这边文章后觉得Mask R-CNN的结构很简洁而且很灵活效果又很好（仅仅是在Faster R-CNN的基础上根据需求加入一些新的分支）。
睿智的目标检测19——Keras搭建Mask R-CNN实例分割平台
Bubbliiiing的学习小课堂
03-04 4万+
睿智的目标检测19——Keras搭建Mask R-CNN实例分割平台学习前言什么是Mask R-CNN源码下载Mask R-CNN实现思路一、预测部分1、主干网络介绍2、特征金字塔FPN的构建3、获得Proposal建议框4、Proposal建议框的解码5、对Proposal建议框加以利用（Roi Align）6、预测框的解码7、mask语义分割信息的获取二、训练部分1、建议框网络的训练2、Roi...
TensorFlow实战：Chapter-8上(Mask R-CNN介绍与实现)
DFan的NoteBook
11-09 6万+
简介 论文地址：Mask R-CNN 源代码：matterport - github 代码源于matterport的工作组，可以在github上fork它们组的工作。 软件必备 复现的Mask R-CNN是基于Python3，Keras，TensorFlow。 Python 3.4+ TensorFlow 1.3+ Keras 2.0.8+ Jupyter Noteboo...
TensorFlow 训练 Mask R-CNN 模型 (1)
yx868yx的博客
04-23 1462
一、数据准备 因为只是详实的记录一下训练过程，所以数据量不需要太多，我们以数据集 Oxford-IIIT Pet 中的 阿比西尼亚猫（Abyssinian） 为例来说明。数据集 Oxford-IIIT Pet 可以从 这里 下载，数据量不大，只有 800M 不到。其中，阿比西尼亚猫的图像只有 232 张，这种猫的长相如下： Abyssinian_65.jpg 要训练 Mask R-CNN 实例分...
Mask R-CNN介绍与实现(TensorFlow实战)
法相的博客
11-26 2904
mark一下，感谢作者分享！写得相当详细。 https://blog.csdn.net/u011974639/article/details/78483779
Tensorflow-Object-Detection-API-train-custom-Mask-R-CNN-model:使用Tensorflow对象检测API训练Mask R-CNN模型
05-16
使用Tensorflow对象检测API训练Mask R-CNN模型1.安装您可以使用Python Package Installer（pip）或Docker（用于部署和管理容器化应用程序的开源平台）安装TensorFlow对象检测API。 为了在本地运行Tensorflow对象检测...
Mask R-CNN （英文）
08-25
Mask R-CNN是一种用于对象实例分割的深度学习模型，由Kaiming He、Georgia Gkioxari、Piotr Dollár和Ross Girshick在2017年的IEEE国际计算机视觉会议上提出。这个模型是在Faster R-CNN的基础上扩展的，Faster R-CNN...
Mask R-CNN 原理文档
04-25
**Mask R-CNN 概述** Mask R-CNN 是一种深度学习模型，专门用于实例分割和目标检测任务。由Kaiming He、Georgia Gkioxari、Pedro Dollar和Roie Fihrer在2017年提出，该模型在 Faster R-CNN 的基础上进行了扩展，...
基于JAVA的厨艺交流平台（Vue.js+SpringBoot+MySQL）
08-01
基于Vue.js和SpringBoot的厨艺交流平台是一个功能丰富的在线社区，旨在为烹饪爱好者提供一个分享和学习烹饪技巧的平台。该平台分为管理后台和用户网页端，支持管理员和普通用户两种角色。管理后台提供对菜谱分类、菜谱信息、食材信息、商品信息和美食日志模块的全面管理功能，包括添加、编辑、删除和查询等操作。用户网页端则为用户提供了一个友好的界面，可以浏览和搜索各种菜谱，查看食材和商品信息，发表自己的美食日志，与其他用户互动交流。整个平台采用现代化的前端技术和后端框架，保证了良好的用户体验和高效的数据处理能力。 演示录屏：https://www.bilibili.com/video/BV1uz42197zu 配套教程：https://www.bilibili.com/video/BV1pW4y1P7GR
层次分析法数学建模论文.doc
最新发布
08-01
层次分析法数学建模论文
操作系统原理试卷及参考答案(A).doc
08-01
操作系统原理试卷及参考答案(A)
Mask R-CNN相比于Faster R-CNN有什么不同？
06-03
Mask R-CNN是一种基于Faster R-CNN的目标检测算法，它在 Faster R-CNN 的基础上增加了一个分支网络，用于预测每个检测框内部的像素级别的掩模信息，因此 Mask R-CNN 不仅可以进行物体检测，还可以进行实例分割。因此，Mask R-CNN 相比 Faster R-CNN 在检测准确性和细节方面有了很大的提升。 具体来说，Mask R-CNN 的主要优点包括： 1. 精度更高：Mask R-CNN 可以通过预测像素级别的掩模信息来更精确地定位和分割物体。 2. 适用范围更广：Mask R-CNN 不仅可以进行物体检测，还可以进行实例分割，适用于更多的应用场景。 3. 更好的可解释性：Mask R-CNN 可以生成可视化的掩模信息，使得算法的结果更加直观。
评论 29
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mr-MegRob

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值