qq_39483453的博客

安装tf2.2.0+keras2.3.0经过：先是找到tf包内封装有实现了soft-nms的non_max_suppression_with_scores方法，在tf官网一次寻找到是1.15及以后版本中才出现的先是尝试安装了tf2.2.0+keras2.3.1，遇到问题，搜索得到建议降低tf版本到1.x。所以改装tf1.15.0，遇到Layer引入问题，建议提高至2.x，改配合降低至keras2.3.0。改回tf2.2.0，keras2.3.0，前面遇到的问题均无出现尝试运行并补充缺失包，如：pi

maskrcnn数据集对图片进行大小重置固定宽度1080重置图片、json内容（标注点、图像高度、宽度、图像信息等）import cv2import osimport globimport jsonimport collectionsimport numpy as npfrom labelme import utils # pip install labelmedef reziseIMG(): latitude = 2 # 超出边缘的像素宽容度，这里是2像素 sr

使用方法参考这位大佬：https://blog.youkuaiyun.com/qq_35874169/article/details/116203228这里补充一些细节：将 model.py 中的 data_generator() 方法注释掉新加上一个 DataGenerator 类，内容如下：class DataGenerator(keras.utils.Sequence): """A generator that returns images and corresponding target cla

import jsonimport osdef fixJSON(): root_path = "json、图片都存放在一个文件夹下，这里填该文件夹路径" filelist = os.listdir(root_path) count = 1 for file in filelist: if file.find(".json") != -1: # 对每个json文件 # 打印当前进度 print("----

在自己训练maskrcnn时出现的提示，并且出现次数多了之后内核会死亡：最后发现原因是 scikit-image=0.17.2 的版本存在的问题解决方法那就修改scikit-image包版本为0.16.2pip install -U scikit-image==0.16.2(tf-gpu-py36) root@…:……路径# pip install -U scikit-image==0.16.2Looking in indexes: http://mirrors.cloud.aliyuncs

这里主要记录最近自己使用maskrcnn训练、检测实例分割的一些内容，可能不是很清晰，如果有需要的可以直接留言补充，互相学习:)简单梳理一下，Mask_RCNN文件夹下的mrcnn为主要的内容，实际调用的例子在sample文件夹下，直接使用如coco文件夹下的coco.py进行相应修改，即可进行自己需要的训练、检测。下面是第一次尝试训练成功的记录1、使用conda创建python3.6环境最推荐最推荐！使用conda环境创建python3.6环境，并激活进入环境，接下来的所有动作都是在环境中进行的