Windows运行MaskRCNN时遇到的问题及解决方法

运行demo.ipynb

1. No module named ‘imgaug’

解决方法：pip3 install imgaug
注意：一定要是pip3，不能使用pip，否则在jupyter中运行时还是会跳error。

2. No module named ‘pycocotools’

解决方法：
直接运行pip install pycocotools会报错。

1. 方法一：在https://github.com/philferriere/cocoapi下载源代码后解压，管理员CMD中cd到\coco-master\PythonAPI，运行python setup.py build_ext install，即可完成安装
2. 方法二：（优先使用）先安装git，科学上网并运行conda install git，
   安装好git再运行pip install git+https://github.com/philferriere/cocoapi.git#egg=pycocotools^&subdirectory=PythonAPI
   （该方法在我的电脑上安装失败，应该是网络问题，卡住不动）

3. Pycocotools等工具包安装成功后依然无法调用

问题解释及原因：
在虚拟环境中安装了pycocotools工具包后在jupyter中依然显示No module named ‘pycocotools’，但在cmd中虚拟环境下则可以调用。
说明Jupyter调用的python不是虚拟环境中的python，验证方法：在cmd中打开Python，分别运行import sys、sys.executable，显示python位置为虚拟环境中python，而在Jupyter中运行则显示python为base环境中的python。
我理解的原因是（不一定对）：Jupyter内核调用的Python位置不对。

解决方法：（目前并未完全解决，只是能让该pycocotools调用）

1. 方法一（失败）：最开始以为更改Jupyter调用kernel就可以解决，即在Jupyter中使用虚拟环境，python -m ipykernel install --user --name=环境名。此处环境名为你的“虚拟环境”名称，但是实践后该方法不行，kernel切换到虚拟环境后查看python路径，依然不是虚拟环境中的。
2. 方法二（失败）：第一个方法失败后，我又找到另一种可以更改python路径的方法，即cmd中运行ipython kernelspec list，查看已有kernel的路径，按照其路径指示打开你所需要修改的虚拟环境的路径下kernel.json文件，将其中的路径改为你虚拟环境下的python.exe，例如：D:\\Software\\Anaconda3\\envs\\tf\\python.exe。
   按照这个方法改了以后，重启Jupyter后发现切换至虚拟环境后无法启动服务，遂失败，还是将kernel.json文件改回原路径。
3. 方法三（可以运行，但治标不治本）：思路是既然Jupyter下python调用的为base环境下的python，那在base环境下安装一个pycocotools就行了，安装后果然可以调用，暂时解决该问题。

运行train_shapes.ipynb

1. ‘Model’ object has no attribute ‘metrics_tensors’

解决方案：将mrcnn\model.py文件中第2199行self.keras_model.metrics_tensors.append(loss)改成self.keras_model.metrics.append(loss)即可。
原文引用地址：https://github.com/keras-team/keras-applications/issues/145

2. CUDA Error（SHINELON-X6）

原因：分析为TensorFlow的版本与CUDA和cudnn版本导致所致。
解决方案：多次尝试，最终选用TensorFlow-GPU==1.13.2版本，CUDA10.0.130_411.31，cudnn-10.0-v7.5.0.56，终于可以正确调用GPU。

3.AttributeError: module ‘tensorflow.python.keras.backend’ has no attribute ‘get_graph’

原因：keras与tensorflow-gpu版本不兼容
解决方案：我的tensorflow-gpu版本为1.10.0，此时pip install keras==2.2.0 即可解决。

Labelme生成数据集

1. 操作步骤

• 安装教程：https://github.com/wkentaro/labelme
• 运行：cmd中输入labelme即可运行。
• 标注后会生成*.json文件。
• 单个json文件生成数据集：

  labelme_json_to_dataset <文件名>.json
  

• 批量json文件生成数据集：

  import os
  path = 'D:/label'  # path为json文件存放的路径
  json_file = os.listdir(path)
  os.system("activate labelme")
  for file in json_file: 
      os.system("labelme_json_to_dataset.exe %s"%(path + '/' + file))
  

• 数据集文件夹的形式：
  
  cv2_mask文件夹下存放mask文件
  json文件夹下存放labelme生成的json文件
  labelme_json文件夹下存放json文件转换生成的文件夹
  pic文件夹下存放原图
  • mask文件生成方法：MaskRCNN训练自己的数据集 小白篇

2. 报错解决方法

• TypeError: rectangle() got an unexpected keyword argument 'width'
  解决方法：pip install Pillow==5.3.0
• 生成数据集的json文件夹缺少info.yaml文件
  解决方法：labelme：缺少生成"info.yaml"文件