配置 Mask-RCNN (matterport)

shaoheshaohe

此文记录配置 Mask-RCNN 的相关工作，具体为 matterport/Mask_RCNN ，系统环境为 Ubuntu 16.04 。
准备工作matterport/Mask_RCNN 中系统及依赖要求为：

• Python 3.4+
• TensorFlow 1.3+
• Keras 2.0.8+
• Jupyter Notebook
• Numpy, skimage, scipy, Pillow, cython, h5py
  

使用 Anaconda 新建环境，用以配置 Mask-RCNN：
# 创建一个名为 Mask-RCNN 的环境，制定 Python 版本为3.6conda create --name Mask-RCNN python=3.6然后在新建的环境内分别安装其他依赖包即可。 TensorFlow 建议参照官方安装流程，当然，多半会发现因为 Wall 的原因导致安装失败。 可以使用清华源作为替代： TensorFlow 镜像使用帮助  
直接使用 conda 命令安装的 TensorFlow 基本无法成功调用 GPU，没有 GPU 则可以考虑，毕竟方便。
配置 Mask-RCNN下载/Clone matterport/Mask_RCNN或者在  releases page 中下载。
下载 mask_rcnn_coco.h5

Download pre-trained COCO weights (mask_rcnn_coco.h5) from the releases page.

安装 pycocotools

• Linux: https://github.com/waleedka/coco
• Windows: https://github.com/philferriere/cocoapi. You must have the Visual C++ 2015 build tools on your path (see the repo for additional details)
  

• 下载源文件后打开 coco/PythonAPI ，并在此目录下打开终端，进入之前新建的 Mask-RCNN 环境，运行 make 。
• 如果终端提示 Mask-RCNN 环境中缺少 Cython ，则重新安装后运行 make。
• 将生成的 pycocotools 文件夹复制到 Mask-RCNN 的源文件中即可。
  
  
  
  Screenshotfrom2018-03-0718-54-11.png
  
  
• 使用 Jupyter 运行 demo.ipynb 即可看到预测的图样：
  
  
  
  
  
  
• 如果存在无法调用 coco 的情况，可以考虑将 pycocotools 路径（coco/PythonAPI）添加到系统路径。
  

作者：DexterLei
链接：https://www.jianshu.com/p/f51339f886fc
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。