Ubuntu配置Mask-rcnn
主要参考这篇博客内容，网上试了很多其他的，总是大问题小问题不断，按这篇博客的顺序操作下来，没什么问题出现，用conda创建虚拟环境也不一定要装anaconda，可以装个miniconda就行了，按步骤配好环境，在image文件夹下换上自己找的图像，效果很不错，就是时间有点慢，大概要三四秒，不能实时使用，不过可以结合雷达数据做融合，实时跑不了，文章可以试试。
https://www.cnblogs.com/herd/p/9364911.html
1、下载
下载地址：https://www.continuum.io/downloads
2、安装
在文件目录下执行：bash Anaconda3-4.2.0-Linux-x86_64.sh
回车键继续
阅读完注册信息后，这里输入“yes”
选择加入环境变量，这里输入“yes”
看到信息“For this change to become active, you have to open a new terminal.”（要使这个更改生效，必须打开一个新的终端。）这句话提示，需要在新的终端窗口使用anaconda，打开新的终端，查看相应的版本信息
3、创建
conda create -n tensorflow python=3.6
4、激活
source activate tensorflow
激活以后命令行前面会增加 (tensorflow)
二、安装Tensorflow(CPU)
1、安装依赖包
在上一步命令行上直接输入一下命令安装
首先升级pip，如果不升级，会有提示，
pip install --upgrade pip
（目前，应该会升级到pip18）
接下来依次输入
pip install numpy
pip install scipy
pip install cython
pip install h5py
pip install Pillow
pip install scikit-image
pip install keras
pip install theano
pip install jupyter
pip install six
安装完成以后进入下一步
2、安装pycocotools
直接输入
git clone https://github.com/waleedka/coco.git
pip install git+ https://github.com/waleedka/coco.git#subdirectory=PythonAPI
#or
-------------------------
cd到PythonAPI里面，使用命令 python setup.py build_ext install
安装即可，如果是安装python3，需要使用 python3 setup.py build_ext install
-------------------------
3、在上一步的基础上直接输入命令：
pip install tensorflow==1.5.0 //版本号根据需要自定义
安装完成以后在命令行上输入：python 回车，进入python3.6，在命令行分别输入以下命令
(tensorflow)$ python ###########
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
如果命令行输出 Hello, TensorFlow! ，说明tensorflow安装成功
测试完成以后输入 exit() 退出python，继续下一步安装
4、安装opencv
在上一基础上，在命令行输入：
pip install opencv-python
5、安装imagaug
pip install imgaug
三、配置Mask-RCNN
1、下载Mask-RCNN
git clone https://github.com/matterport/Mask_RCNN.git
2、下载coco权重文件
https://github.com/matterport/Mask_RCNN/releases
在页面上下载 mask_rcnn_coco.h5 （246MB）
下载完成以后放在Mask_RCNN目录下即可
3、运行Mask_RCNN案例
在前面步骤的基础上进入 Mask_RCNN目录
在命令行输入：jupyter notebook 回车
稍等片刻，会在浏览器打开页面，点击进入 samples目录，点击demo.ipynp进入代码运行页面
选择 Cell 菜单，在 Cell下拉菜单选择 Run All，稍等片刻，在该页面底部会输出运行结果
效果图：
