图像处理的第一个Demo Mask R-CNN :基于 Win10 的 Mask RCNN 环境搭建+Mask R-CNN demo演示

准备工作:

下载好源码和cocoAPI包

Mask R-CNN论文地址:

https://arxiv.org/abs/1703.06870

开源地址:

https://github.com/matterport/Mask_RCNN

将该项目下载下来。

同时下载 Mask RCNN 的预训练模型 “mask_rcnn_coco.h5”,放置于本地 Mask_RCNN 开源库的根目录下。

“mask_rcnn_coco.h5” 下载地址:

https://github.com/matterport/M

 

1)下载 pycocotools 源文件

github下载:

https://github.com/philferriere/cocoapi

码云下载:

https://gitee.com/ACANX/cocoapi

本文主要介绍如何配置 Mask RCNN 的训练和测试环境,为了方便起见,选择的外部环境是 Win10 + Anaconda。

1. 安装 Anaconda

安装 Anaconda 很简单,在其官网上下载对应的 Win10(64位)版本,一步一步安装即可。安装后在启动栏显示安装成功的 Anaconda 组件。

2. 创建虚拟环境

在 Mask RCNN 源码目录下的 README.md,查看环境要求:

 

 

 Python 版本要求在 3.4 以上,TensorFlow 版本要求在 1.3 以上,Keras 版本要求在 2.0.8 以上。

打开 Anaconda Prompt:

 

创建并激活环境:

conda create -n MaskRCNN python=3.6  //名为MaskRCNN,python版本为3.6
source activate MaskRCNN  // 激活环境

注意这里的 MaskRCNN 是虚拟环境名,可自定义。

3. 升级 pip

使用下面的命令升级 pip:

pip install --user --upgrade pip

4. 安装 TensorFlow

这里选择安装的 TensorFlow 版本是 1.5.0。

CPU 版本:

pip install tensorflow==1.5.0

GPU 版本:

pip install tensorflow-gpu==1.5.0

这样直接安装,由于网络问题可能会出现安装失败的情况。解决方法是使用国内的镜像源下载,例如清华、豆瓣。

清华:

https://pypi.tuna.tsinghua.edu.cn/simple

豆瓣:

https://pypi.douban.com/simple

CPU 安装命令改为:

pip install -i https://pypi.douban.com/simple tensorflow==1.5.0

GPU 安装命令改为:

pip install -i https://pypi.douban.com/simple tensorflow-gpu==1.5.0

 

5. 安装 Keras

安装 Keras 的方法与安装 TensorFlow 类似。需要注意的是 TensorFlow 与 Keras 版本的匹配。

一行命令完成 Keras 安装:

pip install -i https://pypi.douban.com/simple keras==2.1.6

安装完成之后,可以验证。进入 Python 环境,输入 “import tensorflow as tf” 和 “import keras”,如果没有报错,则证明 TensorFlow 和 Keras 均安装成功。

图像处理的第一个Demo Mask R-CNN :基于 Win10 的 Mask RCNN 环境搭建+Mask R-CNN demo演示_第1张图片

 

6. 安装 requirements.txt 中的所有 Python 库

在刚下载的 Mask RCNN 源代码的根目录下有一个 requirements.txt,里面包含了所需的所有 Python 库。因此,我们还要安装:

  • numpy
  • scipy
  • Pillow
  • cython
  • matplotlib
  • scikit-image
  • opencv-python
  • h5py
  • imgaug
  • IPython[all]

安装方法也很简单,例如安装 numpy:

pip install -i https://pypi.douban.com/simple numpy

其他 Python 库的安装类似。

7. 安装 pycocotools 库

如果需要在 COCO 数据集上训练或测试,需要安装 pycocotools(coco 数据集的应用 API)。如果你不需要在 COCO 数据集上训练和测试,只使用 Mask RCNN 训练自己的数据集,则可以直接跳过这一步。

 

1)下载 pycocotools 源文件

github下载:

https://github.com/philferriere/cocoapi

码云下载:

https://gitee.com/ACANX/cocoapi

 

2)提前准备

安装 Cython(之前在 requirements.txt 中已经安装过了)

安装 VS2015 环境

因为之前我已经安装整个 VS 2015 了,所以这个环境不缺,可参考:

https://blog.csdn.net/sinat_33486980/article/details/92840377

 

3)安装

  • 打开 Anaconda Prompt,进入 MaskRCNN 环境;
  • 切换到 cocoapi\PythonAPI 目录;
  • 依次运行:
python setup.py build_ext --inplace

 

python setup.py build_ext install

进入 Python shell,输入以下命令,验证 pycocotools 是否安装成功:

from pycocotools.coco import COCO
from pycocotools import mask

若未报错,则证明安装成功!

图像处理的第一个Demo Mask R-CNN :基于 Win10 的 Mask RCNN 环境搭建+Mask R-CNN demo演示_第2张图片

至此,整个 Mask RCNN 环境搭建完成!

8. 验证环境搭建是否成功

下面使用 Mask RCNN 源代码提供的 demo 程序,验证一下环境是否搭建成功。

首先,打开 Anaconda Prompt,进入 MaskRCNN 环境,安装 jupyter notebook,方法与上面安装其它 Python 库类似,也可以在 Anaconda Navigator 中直接安装。

然后,在 Anaconda Prompt 中,输入 “jupyter notebook”,打开 jupyter notebook。

接着,打开 Mask RCNN 源代码 samples 目录下的 demo.ipynb 文件。

最后,选择 Cell 菜单,在 Cell 下拉菜单选择 Run All,稍等片刻,在该页面底部会输出运行结果:

图像处理的第一个Demo Mask R-CNN :基于 Win10 的 Mask RCNN 环境搭建+Mask R-CNN demo演示_第3张图片

Run All 之后, 再次运行的话, 只运行最后那Run Object Detection单元格就可以检测了, 如果要检测自己的图像, 只要把图像放到images文件夹下就可以了.

图像处理的第一个Demo Mask R-CNN :基于 Win10 的 Mask RCNN 环境搭建+Mask R-CNN demo演示_第4张图片

湖人总冠军!

 

你可能感兴趣的:(python,python,tensorflow,深度学习,人工智能,神经网络)