Mask_RCNN 环境配置及训练

目录

 一、Mask_RCNN代码及权重

1、源码下载

2、权重获取

二、环境配置 

1、创建虚拟环境

2、安装必要的包

三、测试环境

1、使用coco

2、使用balloon

四、测试

1、使用coco

2、使用balloon

---

 一、Mask_RCNN代码及权重

        均从github获取，以下是相关链接：

1、源码下载

matterport/Mask_RCNN: Mask R-CNN for object detection and instance segmentation on Keras and TensorFlowhttps://github.com/matterport/Mask_RCNN

2、权重获取

Releases · matterport/Mask_RCNNhttps://github.com/matterport/Mask_RCNN/releases分别获取两个权重文件（蓝框部分为测试用数据集）

 

 

二、环境配置 

1、创建虚拟环境

注意：使用的Python版本为3.6，因为所需库的版本并不都适配新版Python

conda create -n RCNN python=3.6

启动环境：

conda activate RCNN

2、安装必要的包

根据以下版本要求安装所需的库

numpy==1.19.5
scipy==1.2.1
pillow==8.2.0
cython==0.29.22
matplotlib==3.3.4
scikit-image==0.17.2
tensorflow==1.15.0
keras==2.2.5
opencv-python==4.3.0.38
h5py==2.10.0
imgaug
IPython[all]
pycocotools

注意： 因为在TensorFlow 1.x中，`tf.reduce_mean`的参数是`keep_dims`（带下划线），而在TensorFlow 2.x中改为`keepdims`（无下划线）；`Keras==2.2.5` (与TF 1.x兼容) 而 `Keras==2.10.0` (与TF 2.x兼容)、`numpy==1.19.5` (TF 1.15兼容) 而 `numpy==1.23.5` (TF 2.x兼容)

所以版本过高、库之间版本不兼容会导致以下报错：

Traceback (most recent call last):
  File "balloon.py", line 364, in <module>
    train(model)
  File "balloon.py", line 199, in train
    layers='heads')
  File "E:\machine-vision\Mask_RCNN-master\mrcnn\model.py", line 2354, in train
    self.compile(learning_rate, self.config.LEARNING_MOMENTUM)
  File "E:\machine-vision\Mask_RCNN-master\mrcnn\model.py", line 2173, in compile
    tf.reduce_mean(layer.output, keepdims=True)
TypeError: reduce_mean() got an unexpected keyword argument 'keepdims'

三、测试环境

可以用coco数据集或balloon数据集进行测试，分别为：

1、使用coco

python coco.py train --dataset=/path/to/coco/ --model=E:/machine-vision/Mask_RCNN-master/mask_rcnn_coco.h5 --download=True

 数据集和权重文件位置自行调整，如不需要再下载数据，就把 --download=True 删掉或改为False

2、使用balloon

python balloon.py train --dataset="E:/machine-vision/dataset/balloon_dataset/balloon" --weights="E:/machine-vision/Mask_RCNN-master/mask_rcnn_balloon.h5"

训练的权重文件会保存在log文件夹下

四、测试

1、使用coco

python coco.py evaluate --dataset=/path/to/coco/ --model=last

2、使用balloon

python balloon.py splash --weights="E:/machine-vision/Mask_RCNN-master/mask_rcnn_balloon.h5" --image="E:/machine-vision/dataset/balloon_dataset/balloon/train/699765866_abaad7274d_b.jpg"