maskscoringRCNN_pytorch源码系统

Happy清子

名称
maskscoringRCNN_pytorch源码

功能介绍
本代码为Pytorch版本的MaskScoring RCNN，特征网采用ResNet50。训练数据集为COCO 2014格式。

Github源码地址
https://github.com/zjhuang22/maskscoring_rcnn

使用方法(demo)
1. 解压后，代码在maskscoring_rcnn-master目录。
2. 在该目录同级处，建立目录pretrained_models. 将训练好的权值放入。
3. 在maskscoring_rcnn-master目录，运行：
python ./tools/demo.py

使用方法(train)
1. 解压后，代码在maskscoring_rcnn-master目录。
2. 在该目录同级处，建立目录pretrained_models。将预训练权值拷入。

3. 安装必备包
pip install ninja yacs cython matplotlib
注意：平台环境，cython等已安装。但此处还是要再安装一次。

4. 替换pth文件。
将maskscoring_rcnn-master目录的easy-install.pth覆盖/home/ubuntu/MyFiles/.local的同名文件。

5. cocoapi安装，在cocoapi/PythonAPI目录：python setup.py build_ext install --prefix /home/ubuntu/MyFiles/.local

6. 安装工程，在maskscoring_rcnn-master目录：
python setup.py build develop --prefix /home/ubuntu/MyFiles/.local

7. 运行方式：
Pycharm，运行/tools/train_net.py开始训练。

系统环境说明
已在平台的Pytorch1.0，测试通过。
基础参数：Python3.6，Pytorch1.0。

推荐配置
慢速训练：单1080Ti显卡，4核CPU，10G内存。
快速训练：多1080ti显卡，8核CPU，20G内存。

免费服务承诺
交付完成的标志是：买家建立Pytorch1.0环境的主机，商家将代码在该主机中调通。
调通的标准是：demo可用作者提供的权值文件进行目标检测(COCO2014目标类型)，train可在COCO2014数据集上正常训练。
运行方式：在Pycharm调通。

注意事项
1. 商家仅承诺在平台主机(Pytorch1.0环境)，其他环境下本代码的调通，属于额外的增值服务，可能需要另外收费。其他环境包括：买家自己的电脑，平台的其他环境如conda_DL、DL全家桶等。
2. 在买家自定义数据集上跑通本代码，属于额外的增值服务，可能需要另外收费。
3. 买家在购买本代码后，又有进一步的开发需求，开发费用可享受8-9折优惠，具体优惠额再行商定。
4. 以上各条及其他未尽事宜，商家保留最终解释权。