demo运行库函数的导入及路径设置设置配置创建模型并加载训练权重分类数量运行检测论文连接代码连接论文解析参考博客参考博客参考博客demo运行代码的运行在jupyternotebook中进行，其位置位于/Mask_RCNN

Mask_RCNN翻译和详解笔记一（原文翻译+源代码+代码使用说明）2018年06月01日23:45:47阅读数：332原文：https://github.com/matterport/Mask_RCNN

(1)condacreate-nMaskrcnnpython=3.4pip(2)sourceactivateMaskrcnn（激活虚拟环境）(3)cdMask_RCNN(打开Mask_RCNN目录)(4

硬件平台：RTX2080super和GTX1660Ti系统：Ubuntu18.04和Ubuntu16.04Mask-Rcnn代码地址：https://github.com/matterport/Mask_RCNN

基于cpu版的tensorflow，使用mask_rcnn训练识别箱子的模型代码参考（https://blog.csdn.net/disiwei1012/article/details/79928679

maskrcnnKeras+Tensor训练自己的数据集前言最近在使用maskrcnn训练自己的数据,主要使用的是基于MaskRCNN开源项目github地址为https://github.com/matterport/Mask_RCNN

没有做mask_rcnn的模型，因为不知道掩膜信息怎么导入！其他模型兼可以按照以下步骤执行！

MASK_RCNN解读6-网络误差反向向传播总体流程从train_net.py的defmain():函数进入，读取参数、初始化日志后进入deftrain(cfg,local_rank,distributed

在https://github.com/matterport/Mask_RCNN下载《Mask_RCNN-master》，并下载训练权重（mask_rcnn_coco.h5）。

由于最近刚看了rcnn，faster_rcnn,mask_rcnn的原文，想着做一下实验，所以就如题，在ubuntu下安装TensorFlow的目标识别API！！！！

基础知识：faster_rcnn相关内容，mask_rcnn相关内容源码git:https://github.com/matterport/Mask_RCNN/tree/v2.11.模型搭建主要在类MaskRCNN

本教程适用于Ubuntu系统的用户、Windows系统的用户MaskRCNN-->https://github.com/matterport/Mask_RCNN可以直接使用以下命令克隆到自己的电脑上：gitclonehttps

昨天有人问我关于调用mask_rcnn模型的问题，忽然想到最近三个月都没用opencv调用训练好的mask_rcnn模型了，今晚做个尝试，所以重新编译了opencv4，跑个案例试试#include#include

主要是修改这个/data/Mask_RCNN/mrcnn/visualize.py附上我的代码："""MaskR-CNNDisplayandVisualizationFunctions.Copyright

step1建立这个文件夹C:\Users\think\Mask用cmd或者随便anacondaprompt(conda)之类的转到这个目录创建一个condavirtualenvironment(重要)#为了隔离其他的python开发环境好习惯好习惯condacreate-nMaskRCNNpython=3.6pip如图要condaactivate激活这个虚拟环境step2在建立的condavirt

环境：win10，keras2.1.6，python3.6，ensorflow1.8-gpumask_rcnn源代码：https://github.com/matterport/Mask_RCNN。

准备工作这些模型在Linux上运行比较方便，不过想起Windows便捷的各种工具，总是忍不住弄过来，原模型的地址在这，https://github.com/matterport/Mask_RCNN当然github

代码及readme文档：https://github.com/matterport/Mask_RCNN因为数据集20G，还没下，就先跟着train_shapes试了试最简单的样例，形状分割。

的环境配置不了解的同学可以看我之前的博客，详细的讲了如何复现跑通demohttps://blog.csdn.net/hesongzefairy/article/details/104702119（Win10下快速复现Mask_RCNN

数据集目录结构(在train_data目录下)：pic目录下的部分图片：cv2_mask目录下部分图片：json目录下部分文件：labelme_json目录下部分文件：#############代码块一##############importosimportsysimportrandomimportmathimportreimporttimeimportnumpyasnpimportcv2impo

代码下载:https://github.com/matterport/Mask_RCNN问题一:出错代码行:model.load_weights(weights_path,by_name=True)错误显示

硬件环境：笔记本电脑win10系统、1050Ti显卡软件环境：Anaconda、Pycharm项目地址：https://github.com/matterport/Mask_RCNN一.环境搭建1.Anaconda

1.新思路:结合目标检测,做IQA.详细代码见/home/ly/git/Mask_RCNN/demo/Detect_and_IQA.py.还是先将一整张图像中的目标都检测出来,然后对每个目标评估其清晰度

github-code因为一开始MASKRCNN使用COCO训练的，所以其识别分割种类有80种教程步骤:1.condacreate-nmaskrcnnpython=3.42.pip3install-rrequirements.txt报错如下，但是不做处理ERROR:scikit-image0.15.0hasrequirementpillow>=4.3.0,butyou'llhavepillow3.

前几天有人在之前Mask_RCNN预测文章中：Mask_RCNN：使用自己训练好的模型进行预测评论了该问题：1.原因我看了一下，主要是因为直接使用了官方给出的COCO权重进行了预测，但是可能COCO的80

写在前面本文主要参考教程：tensorflow版的Mask_RCNN，这个教程也是跑通github上Mask_RCNN项目的教程，为了在避免不必要的废话和原教程可能改变之间tradeoff，本教程将简述主要步骤

cpu换成gpu之前的工作：Mask_RCNN入门（一）——跑通代码Mask_RCNN入门（二）——训练自己的数据集其实是在CPU上跑的，这一点可以在requirements.txt中可以看到：tensorflow

写在前面和Mask_RCNN入门（一）——跑通代码一样，本文将列出自己参考的教程，重点介绍注意点和踩的坑。

importosimporturllib.requestimportshutil#URLfromwhichtodownloadthelatestCOCOtrainedweightsCOCO_MODEL_URL="https://github.com/matterport/Mask_RCNN

文章目录1、配置Mask_RCNN，并运行demo1.1环境1.2下载github1.3安装依赖库1.4安装Mask_RCNN1.5下载coco已训练好模型1.6安装pycocotools1.7使用Jupyter

stored_eof=257557808)：发生错误的原因可能是你的权值文件没有下载完整，数据下载地址：源码给的下载地址：COCO_MODEL_URL="https://github.com/matterport/Mask_RCNN

一、Labelme的安装参考博客：https://blog.csdn.net/u012746060/article/details/81871733二、制作自己的数据集2.1首先使用labelme标注如下样式图片（我的图片是jpg格式）2.2每个文件生成一个对应的.json文件。如下2.3运行上面参考博客最后给出的脚本程序批量将json文件转化数据集，生成如下格式的文件：2.4打开每个文件可以看到

版权所有，翻版必究。https://blog.csdn.net/fightingxyz/article/details/106094147运行环境：WIN10，pycharm，相应的CUDA，CUDNN，tensorflow1.15.0，tensorflow-gpu-1.14.0，Anaconda3第一步：MaskRCNN开源项目：https://github.com/matterport/Mas

Facebook:facebookresearch/Detectron二.Tensorflow:CharlesShang/FastMaskRCNN三.KerasandTensorFlow:matterport/Mask_RCNN

可以在工具栏将文件直接转为.py文件/1/下载：gitclonehttps://github.com/matterport/Mask_RCNN2/下载权重文件：https://github.com/matterport/Mask_RCNN

原文：https://github.com/matterport/Mask_RCNN欢迎指正！

周末跑了一下MaskRCNN模型，花了两天半，终于把基础模型搞定了，现在回忆一下做的步骤和遇到的坑训练代码是基于https://github.com/matterport/Mask_RCNN里的samples

#-*-coding:UTF-8-*-##https://github.com/matterport/Mask_RCNN##https://github.com/matterport/Mask_RCNN

从上一篇mastrcnn(1)文章开头处找到项目地址，下载。《一》配置自己的环境；Mask-RCNN的官方要求的环境是:Python3.4+Keras>=2.0.8TensorFlow>=1.3.0JupyterNotebookNumpy,skimage,scipy,Pillow,cython,h5py等，详情见工程下requirements.txt文件，若后面运行有缺的库自己按需安装就行，这里若

ｄｅｍｏ使用进行解释，使用的是tensorflow-gpu1.4.0和keras2.1.3，cuda用的是cuda8和cudnn6.0代码来源：https://github.com/matterport/Mask_RCNN

cudnn6.0+tensorflow1.8.0【啰嗦一下】：由于实验室服务器暂时用不了，本人便在阿里云上开通了ECS的GPU服务器，用起来还不错，于是便把环境搭建起来，然后跑了一下demo；不过在跑Mask_rcnn

我使用的是labelme标注的json文件,简略版格式如下(主要就用了json文件中的这几个值){"fillColor":[255,0,0,128],"flag":{},"imageData":"imagedata","shapes":[{"points":[[236,974],[244,919],[268,869],[297,861],[341,877],[363,921],[371,961],

问题：在使用mask_rcnn预测自己的数据集时，会出现下面错误：ResourceExhaustedError:OOMwhenallocatingtensorwithshape[1,512,1120,1120

本文内容：主要针对目前Github上的matterport/Mask_RCNN代码进行解读,该代码多达2875行,对代码进行解读,有利于对文章及原理有进一步的理解.参考文献ResNet及mask_rcnn

https://github.com/matterport/Mask_RCNN/blob/master/sample

本人看的是代码是这个https://github.com/darolt/mask_rcnn，使用pytorch1.0。

基于示例infer_simple.py修改165行vis_utils.vis_one_image为vis_utils.vis_one_image_opencv在detectron.utils.vis中新增defcut_mask(img,mask)defcut_mask(img,mask):mask=mask*255#灰度图片‘cv2.cvtColor(mask,cv2.COLOR_BAYER_GB

一.在学习Mask之前，建议先看看faster_rcnn,(faster_rcnn代码解读)Mask_rcnn关键技术：1.多尺度检测(最早在yolo3中使用)，里面用到了FPN技术2.rpn2.ROIAlign

问题：在使用mask_rcnn预测自己的数据集时，会出现下面错误：ResourceExhaustedError:OOMwhenallocatingtensorwithshape[1,512,1120,1120

基于示例infer_simple.py修改165行vis_utils.vis_one_image为vis_utils.vis_one_image_opencv在detectron.utils.vis中新增defcut_mask(img,mask)defcut_mask(img,mask):mask=mask*255#灰度图片‘cv2.cvtColor(mask,cv2.COLOR_BAYER_GB