參考博客：
[1] 手把手教你製作自己的數據集（labelme），並做訓練和測試：https://blog.csdn.net/u012746060/article/details/82143285
[2] labelme的安裝：https://blog.csdn.net/u012746060/article/details/81871733
[3] 同一標籤多個物體（labelme）要注意的問題：https://blog.csdn.net/xiaomifanhxx/article/details/83998932
[4] 16位轉8位圖像處理：https://blog.csdn.net/qq_15969343/article/details/79840517（最新的labelme已經不需要了）
[5] 手把手教你製作自己的數據集（VIA），並做訓練和測試：https://blog.csdn.net/qq_15969343/article/details/80893844
常見問題和解決方法：
[6] Matplotlib is currently using agg, which is a non-GUI backend.【https://blog.csdn.net/neninee/article/details/87972040】
[7] IndexError: boolean index did not match indexed array along dimension 0; dimension is 0 but corresponding boolean dimension is 128
https://blog.csdn.net/Taoshiwen666/article/details/85158011
https://blog.csdn.net/weixin_41685316/article/details/84204105
[7]這個問題其實也有可能是labelme製作出來的label.png不是8位的圖像導致的！
！！！記得檢查你的label.png是不是8位的圖片！！！很重要，被這個問題糾結了一天！
上述的博客都非常牛逼，如果有仔細閱讀了以上的博客就肯定能順利安裝並做測試，或者做訓練！
下面就是正文了！文章最後會給出完整代碼，用maskrcnn做的一個老鼠檢測！
[1] 這篇博客雖然寫的很牛逼也很簡單，但是有幾個很關鍵的地方你不仔細看很容易就出錯！
而且博主提都不提，標註一下都沒有，很是蛋疼！
那麼是那幾個地方呢？
首先是train_model.py裏面有幾個地方要修改
1. mask_rcnn_coco.h5的位置
ROOT_DIR = os.getcwd() //ROOT_DIR爲當前文件所在的路徑
COCO_MODEL_PATH = os.path.join(ROOT_DIR, "mask_rcnn_coco.h5")
//所以mask_rcnn_coco.h5可以和train_model.py放在同一層！
2. MODEL_DIR = os.path.join(ROOT_DIR, "logs")
在當前文件中創建“/logs”文件夾，用於存放訓練模型
3. class ShapesConfig(Config):
NAME = "shapes"
NUM_CLASSES = 1 + n # background + n shapes
n爲你要分類的類別數，1爲背景
這一點很重要居然提都不提！
圖像的最大最小尺寸，可以填你的圖像的長和寬
IMAGE_MIN_DIM = 320
IMAGE_MAX_DIM = 384
4. self.add_class("shapes", 1, "car")
方法def load_shapes(self, count, img_floder, mask_floder, imglist, dataset_root_path):裏面
self.add_class("shapes", 1, "car")
需要幾個加幾個，數量等於類別數n
5. def load_mask(self, image_id):
for i in range(len(labels)):
if labels[i].find("car") != -1:
# print "car"
labels_form.append("car")
elif labels[i].find("leg") != -1:
# print "leg"
labels_form.append("leg")
elif labels[i].find("well") != -1:
# print "well"
labels_form.append("well")
這個和上一個一樣，沒有的不要加！
6. model.train
model.train中，epochs可以調整迭代次數
layers可以調整你訓練哪些層，有heads和all
model.train(dataset_train, dataset_val,
learning_rate=config.LEARNING_RATE,
epochs=10,
layers='heads')
最後放張圖表示不是在吹牛逼！
完整代碼：（CSDN下載）
https://download.csdn.net/download/jin739738709/11435927
數據集和模型文件：（百度雲）
鏈接：https://pan.baidu.com/s/1CuRdci-411v4IZhLMs3Dew
提取碼：dq3l