Windows下运行官网Mask_Rcnn

最新推荐文章于 2024-07-03 18:23:21 发布

原创

最新推荐文章于 2024-07-03 18:23:21 发布 · 置顶 · 1.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow #深度学习

本博客详细介绍了如何在Windows环境下配置并运行Mask R-CNN项目，包括数据准备、模型训练及预测流程。从安装依赖软件、设置运行环境到模型的训练与评估，为读者提供了全面的实践指导。

运行环境：WIN10，pycharm，相应的CUDA，CUDNN，tensorflow1.15.0，tensorflow-gpu-1.14.0，Anaconda3

Mask RCNN开源项目：https://github.com/matterport/Mask_RCNN

第一步：数据准备

首先安装labelme进行数据的标注。安装方法pip install labelme。根据后面程序中的有关问题，有些大佬说安装labelme3.2版本。

（网上很多使用方法，不会用可以查一查）

有关mask-rcnn算法可以参考：https://blog.youkuaiyun.com/linolzhang/article/details/71774168 （可以去看看论文比较好，网上容易搜索到）

注意：官网中并不需要准备数据，因为他是程序中生成的简单数据。有关自己数据的训练，下一篇博客再说。

第二步：使用Anaconda3中的Jupyter Notebook。

点击Upload添加demo.ipynb（Mask_RCNN-master\samples路径下）。打开的目的不是在这个上面运行，我一般都是在pycharm中运行。目的是将其转到pycharm中。

不过在这之前还需要添加一些网络上学好的模型：https://github.com/matterport/Mask_RCNN/releases

有两种形式，这里选择的是mask_rcnn_coco.h5。新建了一个demo.py，并将mask_rcnn_coco.h5下载放进其中。

demo.py中存放的是demo.ipynb中的代码（注意提取mask_rcnn_coco.h5的路径问题！！！）：

import os
import sys
import random
import math
import numpy as np
import skimage.io
import matplotlib
import matplotlib.pyplot as plt
import cv2
import time
# Root directory of the project
ROOT_DIR = os.path.abspath("../")

# Import Mask RCNN
sys.path.append(ROOT_DIR)  # To find local version of the library
from mrcnn import utils
import mrcnn.model as modellib
from mrcnn import visualize
# Import COCO config
sys.path.append(os.path.join(ROOT_DIR, "samples/coco/"))  # To find local version
from samples.coco import coco   #这个地方需要更改，主要就是加载路径问题！！1


# Directory to save logs and trained model
# MODEL_DIR = os.path.join(ROOT_DIR, "logs")
MODEL_DIR = ROOT_DIR    #路径问题，为了提取mask_rcnn_coco.h5


# Local path to trained weights file
# COCO_MODEL_PATH = os.path.join(MODEL_DIR, "mask_rcnn_coco.h5")
COCO_MODEL_PATH = os.path.join(ROOT_DIR, "Mask_RCNN-master\\mask_rcnn_coco.h5")  #路径！

print("COCO_MODEL_PATH: ", COCO_MODEL_PATH)
# Download COCO trained weights from Releases if needed
if not os.path.exists(COCO_MODEL_PATH):
    utils.download_trained_weights(COCO_MODEL_PATH)
    print("cuiwei***********************")

# Directory of images to run detection on
IMAGE_DIR = os.path.join(ROOT_DIR, "images")

class InferenceConfig(coco.CocoConfig):
    # Set b