Tensorflow Mask-RCNN（一）——檢測圖片

Mask RCNN主要是用來幹什麼的吶？

對物體進行實時的分割。

Mask RCNN能夠有效的檢測圖片中的objects，同時對每個instance的高質量的segmentation mask

一 環境配置

參考https://www.youtube.com/watch?v=2TikTv6PWDw

1） 創建一個conda環境

    創建一個名爲Mask RCNN的環境

conda create -n MaskRCNN python=3.6 pip

2)下載所有的依賴庫

requirements.txt的下載地址：https://github.com/markjay4k/Mask-RCNN-series/blob/master/requirements.txt

activate MaskRCNN
pip install -r install requirements.txt

解釋一下這些庫的作用

numpy ——以矩陣爲基礎的數學計算模塊，卷積運算都是矩陣運算，屬於純數學，比如傅里葉變換

scipy ——是基於Numpy，有一些高階抽象和物理模型，比如濾波器

cython ——將C和Python結合起來的工具，可以方便調用C/C++

Pillow ——是Python中的圖像處理庫，主要包括圖像存儲，圖像顯示，格式轉換以及基本的圖像處理操作

scikit-image—— 是一個圖像處理和計算機視覺的算法集合。當然提到圖像不得不提opencv，opencv庫是CV屆絕對的大佬，但是爲什麼還要用skimage呢？原因是opencv用於我們的tensorflow訓練數據預處理實在是太大才小用了，而且opencv的安裝也不是很方便。所以，需要一些更加精簡輕便的框架來幫助我們做數據預處理，scikit-image就是這樣一個擴展包

keras ——如果說 Tensorflow 或者 Theano 神經網絡方面的巨人. 那 Keras 就是站在巨人肩膀上的人. Keras 是一個兼容 Theano 和 Tensorflow 的神經網絡高級包。 Keras的教程：   https://morvanzhou.github.io/tutorials/machine-learning/keras/

jupyter ——是一個編寫Python的編譯器

錯誤：

我下載到Scikit-learn出現中斷的情況，因此我把Scikit-learn放到最後下載，不要着急，學校的網已經夠快了，都下載了一天

ImportError: Could not find 'cudart64_90.dll'.

最後還是出現之前的老毛病，tensorflow的版本太高，我的CUDA是8.0的，CUDA9.0和tensorflow1.5是兼容的，CUDA 8.0和tensorflow1.3是兼容的，所以只能重新下載一個1.3.0版本的tensorflow

測試tensorflow是否安裝好，打開jupyter notebook

import tensorflow as tf

如果運行沒有報錯，那就是安裝好了

3）下載Mask R-CNN

git clone http://github.com/matterport/Mask_RCNN.git

4）下載pycocotools

Microsoft COCO 是一個標註過的圖片數據集，可用以目標檢測、分割和描述生成等。

pycocotools需要VS2015的編譯

下載cocoapi

git clone http://github.com/philferriere/cocoapi.git

安裝pycocotools

pip install git+http://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

出現了一點小問題，沒有安裝Cython，pip install Cython就好啦

5）下載預先訓練好的參數

https://github.com/matterport/Mask_RCNN/releases

下載 mask_rcnn_coco.h5，把這個.h5文件放入下載好的Mask_RCNN文件夾下

訓練的時候還是有各種包沒有導入進去

No module named 'cv2'

No module named 'imgaug'

然後又把所以的提示沒有的依賴庫都下載了一遍

二 檢測圖片

參考：https://www.youtube.com/watch?v=2TikTv6PWDw

最後在cmd中輸入jupyter notebook

打開 根目錄/samples/demo.ipynb