Ubuntu 下 Mask_RCNN 安装和运行 demo

官网代码地址:点击此处

1. 配置环境

1.1 python3.4

参考:地址1

1.2 cuda9.0 + cudnn7.1.4 + tensorflow-gpu1.8

参考:地址2

1.3 keras 2.0.8

参考:地址3

2. 安装源码

2. 1 下载源代码

博主习惯于直接下载到 home文件夹下,然后拷贝至对应的 python/anaconda site-packages文件夹

git clone https://github.com/matterport/Mask_RCNN

2. 2 安装依赖项

首先,cd 到下载好的 Mask_RCNN 文件夹下,然后执行以下语句

pip3 install -r requirements.txt

2.3 安装 Mask_RCNN

仍然在 Mask_RCNN根目录下,执行以下语句

python3 setup.py install

3. 安装demo依赖库

3.1 安装 coco api

# COCOAPI=/path/to/clone/cocoapi 
# 我的是:COCOAPI=anaconda3/envs/anaconda3_py34/lib/python3.4/site-packages/
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
 
# Install into global site-packages
make install
 
# Alternatively, if you do not have permissions or prefer
# not to install the COCO API into global site-packages
python2 setup.py install --user

4. 运行demo

4.1 将 Mask_RCNN 下的 .ipynb 文件转换成 . py 文件

参考:地址4

4.1 打开samples/demo.py

Ubuntu 下 Mask_RCNN 安装和运行 demo_第1张图片

4.2 下载coco 实例的 weights

下载地址:地址5 (mask_rcnn_coco.h5) 

下载后存放在自己指定的位置即可

4.3 修改 demo.py

当前的默认根目录是 Mask_RCNN 底下,所以,以下文件目录把 Mask_RCNN 作为起始地址

4.3.1 修改 weights 文件位置

4.3.2 修改输入图片的位置

运行demo的时候会轮询该文件夹下每张图片,在pycharm中,每次只运行一张图片(怎么一气呵成,仍需百度)

4.3 运行

5. 遇到的bug

5.1 Loaded runtime CuDNN library: 7104 (compatibility version 7100)

原因:安装的cudnn的版本是7.1.4,而要求的cudnn版本是7.0 (cudnn 和 tf 版本不匹配)。

解决:将tensorflow 版本从1.5换成1.8,顺利运行程序。

5.2 ImportError: libgfortran.so.1: cannot open shared object file: No such file or directory #23

解决:

conda install libgfortran==1

5.3 Intel MKL FATAL ERROR: Cannot load libmkl_avx.so or libmkl_def.so 

当我们使用anaconda的时候,经常会出现这个错误,好多人是使用scikit-learnh的时候,我是在使用keras的时候遇到的,在github上的anaconda的issue找到了一个“偏方”,解决方法如下:

conda install -f numpy #以-f命令安装numpy
conda install mkl #安装mkl
python -c 'import sklearn.linear_model.tests.test_randomized_l1' # 测试,没报错即可

5.4 No module named 'imgaug'

conda install -c https://conda.anaconda.org/menpo opencv3 #必须安装了opencv
pip3 install imgaug

 

你可能感兴趣的:(目标检测--DL,&,CV)