深度学习——Mask_RCNN物体检测，demo的使用

注：本文是对Keras版本的MaskRCNN的ｄｅｍｏ使用进行解释，使用的是tensorflow-gpu 1.4.0 和keras2.1.3，cuda用的是cuda8和cudnn6.0

代码来源：https://github.com/matterport/Mask_RCNN/releases

 

首先，将代码和权重下载到工作目录

下载Mask R-CNN 2.0下面的文件，mask_rcnn_coco.h5和Source code.tar.gz这两个文件

第二步，打开jupyter-notebook(没安装，使用conda install jupyter -y　即可)，打开sample下的demo.ipynb文件，file->Download as ->Python(.py)，转换成.py文件

 

第三步，因为我用的是python2.7，会出现boxes = np.divide(boxes - shift, boxes) ，并且检测不到物体，需要修改代码

１．mrcnn/model.py
+2450      window = np.float32(window)    # 添加一行
                window = utils.norm_boxes(window, image_shape[:2])

２．mrcnn/utils.py

-21    # import urllib.request
+          from six.moves import urllib

-444    # scale = max_dim / image_max  # 注释掉，并修改成下一行
+            scale = float(max_dim) / float(image_max)

-    # if scale != 1:
+    if scale != 1.0:

３．mrcnn/visualize.py
-66    # hsv = [(i / N, 1, brightness) for i in range(N)]
+          hsv = [(float(i) / N, 1, brightness) for i in range(N)]

４．sample/coco/coco.py

-47    # import urllib.request
+          from six.moves import urllib

 

第四步，注释掉与ipython相关的代码

26 ＃　get_ipython().magic(u'matplotlib inline')

也可以注释掉其他冗余的代码

第五步，直接在sample/下运行，便能得到结果，并展示出来（因为推断消耗的显存比较少，我使用的是GTX1050Ti也能运行）

python demo.py