[安装配置] Mask RCNN配置教程

最新推荐文章于 2024-11-29 15:41:50 发布

原创最新推荐文章于 2024-11-29 15:41:50 发布 · 3.2k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#Mask RCNN #配置

安装配置专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍如何正确安装CUDA和cuDNN以匹配TensorFlow 1.3.0版本，包括环境搭建步骤、依赖包安装、虚拟环境创建及激活、Keras安装、Mask R-CNN模型准备和PyCOCOTools安装，以及Jupyter的安装流程。

安装cuda和cudnn，注意和tensorflow对应关系
选tensorflow-gpu==1.3.0 cuDNN 6 ,cuda 8
https://www.tensorflow.org/install/source#tested_build_configurations

安装tensorflow

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv  # system-wide install

进入虚拟环境

pip install --upgrade tensorflow==1.3.0
pip install keras==2.0.8

删除requirement.txt里的tensorflow和keras

pip install -r requirement.txt

下载mask_rcnn_coco.h5
放到mask_rcnn的目录下
安装pycocotools
```
cd PythonAPI
make
```
注意看一下Makefile，如果是python3 将 Makefile 中的 python 改为 python3
安装jupyter
```
pip install jupyter
```

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

GitKid

关注关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Mask RCNN 环境配置内附requrements.txt

清筱明的博客

02-21

1334

mask rcnn 本地成功配置以及踩坑记录，并提供了笔者本地的requirements.txt供各位下载。

Mask RCNN（Mask_RCNN-master）简单部署

omit250的博客

05-08

1886

Mask Head 是 Mask R-CNN 的关键部分，它在每个候选的对象边界框周围生成目标的像素级掩码。这个过程可以视为是对边界框中的像素进行分类，从而确定哪些像素属于目标对象。损失函数，包括目标检测的边界框损失和语义分割的掩码损失。这些损失函数共同作用于网络的不同部分，以确保网络能够准确地检测目标的位置和分割对象的像素。：通常使用的是预训练的卷积神经网络（如 ResNet、ResNeXt、或者 MobileNet），用于提取输入图像的特征。的文章（侵权请联系，马上删除），做的工作为。

参与评论您还未登录，请先登录后发表或查看评论

Mask-RCNN环境搭建及测试

03-22

Mask-RCNN环境搭建及讲解过程，原理，链接，搭建，测试

mask-rcnn环境配置windows

剑峰随心的博客

06-18

403

安装pycocotools 这个方法非常简便但是需要先安装git，并且同时配置一下C++的工具 https://blog.youkuaiyun.com/qq_41271957/article/details/83586862 git 下载地址 https://git-scm.com/downloads/ C++补丁地址链接：https://pan.baidu.com/s/1GEkJ7SN5d...

Mask_Rcnn 环境配置

qq_55771582的博客

05-09

673

Mask_Rcnn 环境配置

Windows搭建MaskRCNN环境

csdn_cai_csdn的博客

11-29

787

环境：python3.6。

Mask RCNN 环境搭建

北冥有渔的博客

11-12

456

如果原图是O，卷积核是X，那么卷积核在原图上卷积运算之后生成的feature map就是乱码。如果原图是X，卷积核是X，那么卷积核在原图上卷积运算之后生成的feature map也是X。如果原图是O，卷积核是O，那么卷积核在原图上卷积运算之后生成的feature map也是O。项目：D:\dm\Mask_RCNN-master\samples\demo.ipynb。用卷积核在原图上滑动，进行卷积运算，得到特征图feature map。权值共享：卷积核扫过整张图片的过程中，卷积核参数不变。

MaskRCNN 在 Windows 上的部署教程

weixin_44217158的博客

07-03

1546

在’train’模式下，主要关注dataset、weights和logs参数，确保它们正确指向了训练所需的数据集、权重文件和日志目录。在’splash’模式下，除了上述参数外，还需要关注image或video参数，确保它们正确指向了要检测的目标图像或视频文件。同时，weights参数应指向一个已训练好的模型权重文件。

配置MaskRCNN环境超详细教程（win10/ubuntu 16.04+tensorflow1.5.0 GPU版）

热门推荐

chenmoran0928的博客

04-19

3万+

本文从参考了诸多Tensorflow GPU和MaskRCNN配置的博客与教程，最终在多台不同的电脑上实现了配置。本文目的在于用预训练权重来完成MaskRCNN的demo的环境搭建。一.工具1. win10平台安装步骤本文不涉及2. ubuntu16.04平台安装步骤本文不涉及（1.2可二选一）3.python 3.6官网：https://www.python.org 在download中可...

maskRcnn环境配置(anaconda)（win10）及成功运行Mask_RCNN-2.1的demo.ipynb

weixin_43694742的博客

03-06

8065

一、 maskRcnn环境配置（win10）先看我成功运行的配置： python3.6.13 tensorflow-gpu 1.5.0 scipy1.2.1 Keras2.2.0 maskRcnn环境中所有安装包： absl-py 1.0.0 astor 0.8.1 backcall 0.2.0 bleach 4.1.0 cached-property 1.5.2

maskrcnn依赖安装

dataastron的博客

04-03

483

因为用了阿里云的pypi,没有索引。所以用这个命令 pip3 install imgaug -i https://pypi.python.org/simple/imgaug/

配置mask rcnn环境并运行源码

wxl

06-05

880

在colaboratory上配置 colaboratory上的包都是最新的，所以部分包需要降级才可以使用最关键的两个是： tensorflow1.3.0 keras2.0.8 这两个包是我安装的版本，版本不一过新，不然满满的bug折腾人。安装mask_rcnn：我首先将mask rcnn给git到自己电脑的指定目录下，然后上传值colaboratory上 git clone https://github.com/matterport/Mask_RCNN 下载预训练权重 mask_rcnn_co

Mask_RCNN项目下载、配置、运行保姆级教程

分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。

06-11

8442

下载项目，进入国内github镜像https://hub.nuaa.cf/搜索要找的模型

[深度学习]win10配置mask rcnn（tensorflow2.0版）

FL1768317420的博客

04-02

1151

到这里tensorflow-gpu2.0版的mask rcnn就配置结束了，如果老版本配置失败的朋友也可以尝试这样的方式，看看是否可行，关键还是tensorflow-gpu的安装，以及和cuda的匹配问题。之前很多次失败都和tensorflow-gpu安装失败有关，第一次尝试的时候显示安装成功，但是却不可用，可能是有的包安装不全，再加上镜像源的问题，经常会报错（无法下载），大家可以试着切换一下镜像源。这个比较简单，且没什么特别的问题，有很多公众号上都是有安装教程的（白嫖党都懂，不过咱们还是要提倡正版）

win10 + anaconda + python3.6 + mask_rcnn 的坑

weixin_43955530的博客

06-28

699

已安装anaconda，建立了tensorflow环境，并且可以运行，跑过手写数字识别程序，是可用的现在我们下载

关于mask rcnn超详细介绍（win配置、扩展到视频、使用coco权重进行特定类别预测、使用自己的数据集进行预测）

suswulongyuan的博客

05-25

1824

环境配置 1.创建一个conda的虚拟环境（python 3.6）【创建一个python 的虚拟环境，这样不被其他python安装的步骤影响】在新建文件夹下 win：conda create -n MaskRCNN python-3.6 pip 2.安装依赖项 activitate MaskRCNN 下载 shapely https://www.lfd.uci.edu/~gohlke/python...

配置mask rcnn的过程

小莉的博客

04-20

1204

1.安装需要的包在ubuntu16.04环境下将python3设置成默认的（ubuntu16.04下是直接有python3）直接执行这两个命令即可：sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100sudo update-alternatives --install /usr/bin/pyth...

maskrcnn掩膜覆盖结果不好，需要调节那些参数进行调节，epoch和steps_per_epoch调节那个对掩膜覆盖结果形象大，详细说明...

weixin_42602368的博客

01-15

1218

Mask R-CNN 是一种用于目标检测和分割的网络，掩膜覆盖结果不好可能是由于训练数据不足或训练参数不合适导致的。要调节掩膜覆盖结果，可以尝试调整以下参数: epoch: 训练轮数，增加训练轮数可以让模型在训练数据上见多识广，但过大可能会导致过拟合。 steps_per_epoch: 每个epoch迭代的次数，增加每个epoch迭代的次数可以让模型在训练数据上见多识广，但过大可能会导致过拟合...

关于训练Mask_Rcnn遇到的主要问题及参数配置

weixin_45209827的博客

04-21

4362

Mask_Rcnn训练时的问题及解决训练Mask_Rcnn遇到的主要问题参数配置（讨论）训练Mask_Rcnn遇到的主要问题主要环境 tensorflow1.12.0 kares2.2.4 bitahub服务器一.数据集在训练时报错TypeError: Argument ‘bb’ has incorrect type (expected numpy.ndarray, got list) 网上有些人说是coco包版本太低的问题，或者数据点数应该为偶数等，我查看了自己pycocotools的版本已经为

maskrcnn安装教程

最新发布

05-10

### Mask R-CNN 安装指南 #### Python 版本兼容性在安装过程中需要注意 Python 的版本问题。如果使用的是 Python 3.6，可能会遇到 `opencv-python` 不兼容的情况。此时应指定一个适合的版本号来解决此问题[^3]。 ```bash pip install opencv-python==4.3.0.38 ``` #### 安装依赖项为了成功运行 Mask R-CNN，需先安装必要的库和工具包。以下是常见的依赖列表及其安装方法： 1. **NumPy**: 提供高性能科学计算的支持。 ```bash pip install numpy ``` 2. **SciPy**: 扩展 NumPy 功能并提供额外算法支持。 ```bash pip install scipy ``` 3. **Pillow**: 图像处理的基础库。 ```bash pip install pillow ``` 4. **TensorFlow 或 PyTorch**: 可视具体需求选择框架。以下为 TensorFlow 的安装示例： ```bash pip install tensorflow ``` 5. **Cython 和其他扩展模块**: ```bash pip install cython matplotlib h5py imgaug tqdm ``` #### 下载 Mask R-CNN 源码可以通过 GitHub 获取官方或社区维护的 Mask R-CNN 实现代码仓库。克隆完成后进入项目根目录操作如下： ```bash git clone https://github.com/matterport/Mask_RCNN.git cd Mask_RCNN ``` #### 编译自定义 C++/CUDA 层次组件部分实现可能涉及编译特定 CUDA/C++ 文件以加速性能表现。通常这些脚本位于项目的子目录中（如 `mrcnn/utils/coco.py`），可按提示完成构建过程。对于某些较旧版本而言，在 `setup.py` 存在的情况下可以直接调用它来进行初始化设置： ```bash python setup.py build_ext --inplace ``` > 如果当前使用的版本未包含该文件，则无需执行这一步骤[^3]。 #### 数据集准备训练模型前需要准备好相应的标注数据集。例如 COCO 数据集或者简单的气球样例数据集均可作为入门练习素材加载到环境中去测试整个流程是否正常运作良好[^3]。 --- ### 示例代码片段展示如何验证环境配置正确与否下面给出了一段用于确认基本功能可用性的简单程序演示： ```python import os import sys ROOT_DIR = os.path.abspath("./") sys.path.append(ROOT_DIR) from mrcnn import utils print("Environment is ready!") ``` 如果没有任何报错消息输出 "Environment is ready!" 即表明前期准备工作已完成。 ---