Mask_RCNN入门（二）—— 训练自己的数据集

写在前面

和Mask_RCNN入门（一）—— 跑通代码一样，本文将列出自己参考的教程，重点介绍注意点和踩的坑。
本文主要参考教程：Mask R-CNN tensorflow 训练自己的数据

废话不多说，按照教程开始实践

step1：使用labelme标注好图片

关于labelme的安装和使用，这里不再赘述，请参考：图片标注工具Labelme的安装及使用方法，当然有几个小建议：

• 建议单独创建一个conda环境，或者conda的base环境，用于labelme包的安装
  因为这样可以所有的conda环境都可以使用此环境下的labelme，不用每个环境都装一遍，我是单独创建了一个名为label的conda环境用于labelme包的安装。
• 建议将labelme的启动写成一个bat脚本
  这样免得每次启动labelme都要conda activate相应环境，激活，比较麻烦，我的bat脚本内容如下：

@echo.
@echo ***进入conda命令行，并直接切换到labelme环境***
@echo.
@echo.
@echo.
CALL C:\ProgramData\Anaconda3\Scripts\activate.bat C:\ProgramData\Anaconda3\envs\labelme
@echo.
@echo.
@echo.
@echo ***启动labelme***
@echo.
@echo.
@echo.
::不知道为啥，直接labelme就会陷入死循环，换成labelme.exe
labelme.exe

这样每次双击bat即可启动labelme：

接下来就是使用labelme标注好要训练的图片，原始图片和json单独放置，这里不再赘述：