Mask RCNN训练自己的数据-笔记

Mask RCNN 训练自己的数据-笔记

最近在学习CV一些的知识，老师需要我们做一个物体分割和识别的小项目以做学习。在疯狂看完RCNN、Fast RCNN、Faster RCNN等文章后决定使用Mask RCNN作为主要的框架，也跟着很多的文章和官网做了demo和shape训练的内容，就准备开始使用自己的数据进行训练，有一些心得想要写一下。
具体的代码可以参考：https://github.com/Kingqibin/EWATT2
mask rcnn GitHub：https://github.com/matterport/Mask_RCNN
由于我也是入门阶段，所以有写的不准确的地方请见谅。

环境

1. ubuntu 16.04
2. tensorflow
3. mask rcnn等

代码前的准备

1. 数据标记

感觉数据标记是一个大学问，我之前也是疯狂Google一些使用mask rcnn训练自己数据的一些文章用作参考，在它们中有很多都是用labelme标记数据，我第一次也用的这个，但是，训练后的模型就是没法儿正常用，可能是我有什么地方写的不对？反正是没法儿用。因此我就又去找mask rcnn GitHub上给出来的示例，发现，我如果想要做的话应该根据balloon那个模型进行变化，在balloon中使用的数据是用VIA标记的，因此抱着试一试的心态，又把100个左右的图片标记了一下，这一次很快就训练出了模型，而且效果也很好。这也是为什么我的项目名称后面带2的原因。废话不多说了，推荐使用VIA进行标记，遇到同样问题的小伙伴们可以戳我一下，哈哈。

这是VIA的官网，把工具下载一下： http://www.robots.ox.ac.uk/~vgg/software/via/

下载之后不需要安装，直接用浏览器打开就行。具体怎么使用可以自行去Google，挺简单的。因为我这个项目中只需要识别一个物体，因此只需要标记处来就好，不需要加什么属性标签。

2. 存放数据

上一步标记完成的数据会导出一个via_region_data.json 的文件，我建议可以自己查看一下这个文件下所有的数据保存结构，保存了哪些数据，对后面源码理解会有帮助。
将训练集和验证集的图片分成两个文件夹存放，并将它们各自标记的数据文件存放在各自的目录下。

3. 环境配置

去mask rcnn的GitHub上把源码下载下来，使用pycharm创建个虚拟环境，把用到的一些包都安装一下比如tensorflow啥的。然后去Google下mask_rcnn_coco.h5（一个预加载模型，凡是用过mask rcnn的同学都知道）。然后就可以开始写代码了！

写代码中

1. 看看balloon模型是怎么写的

把 https://github.com/matterport/Mask_RCNN/blob/master/samples/balloon/balloon.py 打开放在一边
可以看到

1. 开始导了一些包，定义了一些常量
2. 定义BallonConfig，即定义了训练时的一些参数
3. 定义BalloonDataset，即定义了数据模型
4. train函数
5. 后面是一些与检测相关的函数，以及程序的命令行运行选项，都不是核心，直接略过

也就是说，3、4步是咱们的核心

2. 开始写

1. 首先将定义自己的config，参考BallonConfig

from mrcnn.config import Config
class EwattConfig(Config):
    NAME = 'ewatt'
    GPU_COUNT = 1
    IMAGES_PER_GPU = 1
    # 类型数目，本项目只需要识别一个天线，因此，为BG + antenna = 2
    NUM_CLASSES = 1 + 1
    # 图片的大小
    IMAGE_MIN_DIM = 640
    IMAGE_MAX_DIM = 1024
    # 候选区域大小
    RPN_ANCHOR_SCALES = (16 * 16, 32 * 128, 64 * 128, 32 * 256, 64 * 512)
    # 每张图片的ROI数目
    TRAIN_ROIS_PER_IMAGE = 32
    # 每个epoch的迭代数目
    STEPS_PER_EPOCH = 100
    VALIDATION_STEPS = 20
    DETECTION_MIN_CONFIDENCE = 0.9

其它的一些参数，我也不是太明白，有兴趣的可以去找下相关文档或者直接看config文件里面的说明。

2. 定义自己的dataset，参考BallonDataset

# -*- coding:utf8 -*-

from mrcnn import utils
import os
import json
import numpy as np
import skimage.draw
from skimage import io
class EwattDataset(utils.Dataset):
   # 加载图片
   def load_antenna(self,dataset_dir,subset):
        """Load a subset of the Balloon dataset.
        dataset_dir: Root directory of the dataset.
        subset: Subset to load: train or val
        """
        # 添加类别，第一个参数是大类别名称，第二个参数是序号，第三个是小类别名称
        self.add_class("antenna",1,"antenna")
        # 如：
        # self.add_class("antenna",2,"antenna2")
        # 建议使用一个大类别名称，具体的用处，可以自己试一下
        
        # 数据子集，不用也行，可以直接指定路径
        assert subset in ["train","val"]
        dataset_dir = os.path.join(dataset_dir,subset)
        # 获取标记
        annotations = json.load(open(os.path.join(dataset_dir, "via_region_data.json")))
        annotations = list(annotations.values())
        annotations = [a for a in annotations if a['regions']]
###############################################################
#上面这些就是从文件中加载一些数据，之前让看json文件的作用就在这儿体现，你可以每一步print看一下，在这里我就不演示了#
###############################################################
        for a in annotations:
        	# 获取一些定义的属性（attribute）值比如region（标记区域）等，也可以获取一些自己定义的属性，并在后面做相应的修改
            if type(a['regions']) is dict:
                polygons = [r['shape_attributes'] for r in a['regions'].values()]
            else:
                polygons = [r['shape_attributes'] for r in a['regions']]
            
            image_path = os.path.join(dataset_dir, a['filename'])
            image = io.imread(image_path)
            height, width = image.shape[:2]
            self.add_image(
                "antenna", # 大类名称
                image_id=a['filename'],  # use file name as a unique image id
                path=image_path,
                # 如果又多个名称，请加上class_id,这个就是上面add_class 时的序号，我这里没有
                # 如：
                # class_id = 1
                width=width, height=height,
                polygons=polygons)

# load_mask 是继承过来的方法，因此，不要修改参数和名称，这个方法在load_antenna方法之后调用
   def load_mask(self, image_id):
   		# 获取到图片的信息（信息是在load_antenna中添加的）
        image_info = self.image_info[image_id]
        if image_info["source"] != "antenna":
            return super(self.__class__,self).load_mask(image_id)

        info = self.image_info[image_id]
        # 加载mask矩阵
        mask = np.zeros([info["height"],info["width"],len(info["polygons"])],dtype=np.uint8)
        for i, p in enumerate(info['polygons']):
        	# 加载每一个点
            rr, cc = skimage.draw.polygon(p['all_points_y'], p['all_points_x'])
            mask[rr, cc, i] = 1

        return mask.astype(np.bool),np.ones([mask.shape[-1]],dtype=np.int32)
        
# 这个函数我也不知道干啥的，修改下就完事儿了，好像是出错的时候报错的
   def image_reference(self, image_id):
       info = self.image_info[image_id]
       if info["source"] != "antenna":
           return info["path"]
       else:
           super(self.__class__,self).image_reference(image_id)

3. 修改train文件

# -*- coding:utf8 -*-

import os
import tensorflow as tf
import mrcnn.model as modellib
import warnings
from EwattDataset import EwattDataset
from EwattConfig import EwattConfig

# 屏蔽一些不重要的warning（强迫症必备）
warnings.filterwarnings('ignore')
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
tf.logging.set_verbosity(tf.logging.ERROR)

# 获取根目录
ROOT_DIR = os.getcwd()
# print(ROOT_DIR)
# 训练后模型的存储文件夹
DEFAULT_LOGS_DIR = os.path.join(ROOT_DIR, "logs")
# coco 模型
COCO_WEIGHTS_PATH = os.path.join(ROOT_DIR, "mask_rcnn_coco.h5")

dataset_path = os.path.join(ROOT_DIR,"data")
config = EwattConfig()
def train():
	# train数据
    dataset_train = EwattDataset()
    dataset_train.load_antenna(dataset_path, "train")
    dataset_train.prepare()
    # Val数据
    dataset_val = EwattDataset()
    dataset_val.load_antenna(dataset_path, "val")
    dataset_val.prepare()
	# 定义model
    model = modellib.MaskRCNN(mode='training',config=config,model_dir=DEFAULT_LOGS_DIR)
    # 加载coco模型
    model.load_weights(COCO_WEIGHTS_PATH, by_name=True, exclude=[
        "mrcnn_class_logits", "mrcnn_bbox_fc",
        "mrcnn_bbox", "mrcnn_mask"])
    # 开始训练
    model.train(dataset_train, dataset_val,
                learning_rate=config.LEARNING_RATE,
                epochs=20,
                layers='all')
train()

训练

这一步只需要点一下运行按钮就行，不需要做什么，可以看一下中间输出的数据，如果发现又不是太合理的地方，就果断停止，找一下原因吧。

训练后的检测

检测就很简单了，根据demo https://github.com/matterport/Mask_RCNN/blob/master/samples/demo.ipynb 源码改一下就好了，没有什么难度。在这里就不写了。

我的结果

---

嘿嘿，结果还是比较让人满意的，因为只是学习下使用，因此也没有对一些东西做进一步的优化，如果有兴趣的同学可以调整一些参数做进一步的优化哟。到这里就结束了。如果大家有什么问题或者我有写的不合理的地方，欢迎在评论区留言。最近正在看YOLOv3的使用，等出成果了再写笔记，大家一起分享下。

转载请声明处处，谢谢