Mask R-CNN运行demo记录

参考文章：Mask RCNN 实战(一)－－代码详细解析

首先下载项目源码：Mask R-CNN源码

---

在Ubuntu环境中实验

---

一、配置环境：

Mask R-CNN是基于Python3，Keras，TensorFlow。

Python 3.4+
TensorFlow 1.3+
Keras 2.0.8+
Jupyter Notebook
Numpy, skimage, scipy, Pillow, cython, h5py

（我使用的是Ubuntu系统，安装Anaconda3。）

一个坑：一开始使用的keras版本是2.2.0，结果发现太高了，发生了错误：

AttributeError: module 'keras.engine.topology' has no attribute 'load_weights_from_hdf5_group_by_name'

，换成了2.1.6版本，pip install keras==2.1.6 )

二、安装

1. 安装依赖关系

   pip3 install -r requirements.txt

2. 运行安装程序

   python3 setup.py install

3. 下载训练好的权重：mask_rcnn_coco.h5，地址：releases
4. 安装pycocotools：make生成对应的文件，make之后将生成的pycocotools文件夹复制到samples中的coco文件夹。 

(1)Linux地址：https://github.com/waleedka/coco (For Python, run "make" under coco/PythonAPI，

即进入文件夹PythonAPI,$make即可)

(2)windows地址：https://github.com/philferriere/cocoapi

You must have the Visual C++ 2015 build tools on your path (see the repo for additional details)

三、打开jupyter notebook运行demo.ipynb

---

在windows系统下配置环境类似

---

不同的是安装pycocotools时，提前下载Visual C++ 2015 build tools，地址：点击下载

安装完成之后在使用命令

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

可以看到屏幕上显示：

Collecting git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
  Cloning https://github.com/philferriere/cocoapi.git to c:\users\phil\appdata\local\temp\pip-req-build-jn698z8p
Building wheels for collected packages: pycocotools
  Running setup.py bdist_wheel for pycocotools ... done
  Stored in directory: C:\Users\Phil\AppData\Local\Temp\pip-ephem-wheel-cache-rde3oevt\wheels\69\2b\12\2fa959e49f73d26cff202c2f4e5079096c9c57c8a8509fd75c
Successfully built pycocotools
Installing collected packages: pycocotools
Successfully installed pycocotools-2.0

 安装成功后运行demo.ipynb