【實踐】MaskRCNN——01.環境配置（基於Anaconda）

一.默認Anaconda已安裝

這裏不再詳述，詳見：Ubuntu下安裝Anaconda

二.下載MaskRCNN源碼，查看環境要求

下載Mask-RCNN：https://github.com/matterport/Mask_RCNN
環境要求詳見文件：README（如下圖）

需要安裝的依賴包詳見：requirements.txt（如下圖）;

三.Anaconda下搭建MaskRCNN環境

1. 創建並激活環境：

conda create -n MaskRCNN python=3.6  //名爲MaskRCNN，python版本爲3.6
source activate MaskRCNN  // 激活環境

注意：激活以後命令行前面會增加 (MaskRCNN)，後續的操作都是在此環境下進行操作的。

2. 升級pip的命令

pip install --upgrade pip

3. 安裝tensorflow

依次安裝requirements.txt文件中的依賴項：

pip install numpy
pip install scipy
pip install Pillow
pip install cython
pip install matplotlib
pip install scikit-image
pip install keras>=2.0.8
pip install opencv-python  //pip install opencv-python可行，conda出錯
                                         // conda安裝opencv-python：conda install --channel https://conda.anaconda.org/menpo opencv3
pip install h5py
pip install imgaug
pip install ipython

或者直接：

pip3 install -r requirements.txt （擔心出錯的建議上邊一步步安裝）

其實在Anconda中應該使用conda命令安裝，但是會遇到各種包找不到的情況（如圖），還是選擇pip安裝：

• 在安裝過程中可能出現PackageNotFoundError問題：
  
  解決方法參考：https://blog.csdn.net/ksws0292756/article/details/79192268

4. 安裝依賴包

安裝GPU版還是CPU版這裏不再詳述，詳情參考：如何選擇安裝的tensorflow版本？

conda search tensorflow-gpu     //查找現有版本
conda install tensorflow-gpu==1.5.0   //版本號根據需要自定義（gpu/cpu）,可以驗證一下tensorflow是否安裝成功,這裏不再詳述

ps:在虛擬環境中，CUDA的版本可不受影響，在安裝相應的tensorflow版本時，會自動安裝前置的CUDA。*（可行但待認證）

5. 安裝Mask-RCNN

在MaskRCNN目錄下執行：

python setup.py install

6. 下載預訓練的coco權重文件（有更新，見文末）

下載預訓練權重mask_rcnn_coco.h5：
https://github.com/matterport/Mask_RCNN/releases
在頁面上下載 mask_rcnn_coco.h5 ，下載完成以後放在Mask_RCNN目錄下即可

7. 爲在MS COCO上訓練或測試，安裝pycocotools庫（重要！！！）

如果需要在COCO數據集上訓練或測試，需要安裝pycocotools(coco數據集的應用API)。

1. 參考Mask_rcnn下的coco.py文件（如圖），裏面有註釋說https://github.com/pdollar/coco這個網頁下載的pycocotools有問題，故從 https://github.com/waleedka/coco 下載，並將PythonAPI/Makefile裏面的Python改爲Python3（如果使用的是python3）！
   
2. cd到coco的PythonAPI中make：

cd /home/s405/coco/PythonAPI          //放自己PythonAPI的路徑
make
make install
python setup.py install

3. make完會產生pycocotools文件夾（會自動替換之前的那個），將make之後將生成的pycocotools文件夾複製到samples中的coco文件夾下。

8. 驗證pycocotools是否安裝成功

進入ipython解釋器:

ipython

重新輸入import COCO命令:

from pycocotools.coco import COCO
from pycocotools import mask
exit()

若進入PythonAPI目錄可以，而運行程序仍然報錯，則修改環境變量即可。運行命令vi ~/.bashrc ，在末尾加上export PATHONPATH=/home/john/coco/PythonAPI:$PATH #PATH是當前PythonAPI目錄的絕對路徑.`
或在Python的環境下輸入from pycocotools.coco import COCO不報錯也行。

9. 運行Mask_RCNN案例

1. 進入 Mask_RCNN目錄：

cd /home/s405/Mask_RCNN

2. 打開jupyter notebook

jupyter notebook 

##若服務器端不知道密碼##
jupyter notebook password
jupyter notebook --no-browser --port 8899 --ip=0.0.0.0

稍等片刻，會在瀏覽器打開頁面，點擊進入 samples目錄，點擊demo.ipynp進入代碼運行頁面（如圖）。在這一步可能會出現各種問題，參考鏈接，耐心解決就行了。

3. 選擇 Cell 菜單，在 Cell下拉菜單選擇 Run All，稍等片刻，在該頁面底部會輸出運行結果。可能結果不會出的那麼順利，遇到bug解決問題就行了。運行結果如圖所示：
   

2019/8/25更新：
參考鏈接：https://blog.csdn.net/weixin_40355324/article/details/81390724
注意：之前使用的是Mask_RCNN最初版本，爲了避免下載到作者正在優化的代碼（代碼修改、權重文件調整、庫不匹配等），不能實現練習效果，請使用release版本體驗。
版本選擇 https://github.com/matterport/Mask_RCNN/releases 中Mask R-CNN 2.1（下載Source code）體驗。並將Mask R-CNN 2.０中下載的mask_rcnn_coco.h5 ，放在Mask_RCNN 2.1 目錄下即可。
參考鏈接：
https://blog.csdn.net/chenmoran0928/article/details/79999073
https://www.cnblogs.com/herd/p/9364911.html
https://blog.csdn.net/zpp13hao1/article/details/78664994