# Mask R-CNN for Object Detection and Segmentation
# [mask_rcnn_pro](https://github.com/wandaoyi/mask_rcnn_pro)
- [论文地址](https://arxiv.org/abs/1703.06870)
- [我的 CSDN 博客](https://blog.csdn.net/qq_38299170/article/details/105233638)
本项目使用 python3, keras 和 tensorflow 相结合。本模型基于 FPN 网络 和 resNet101 背骨,对图像中的每个目标生成 bounding boxes 和 分割 masks。
The repository includes:
* Source code of Mask R-CNN built on FPN and ResNet101.
* Training code for MS COCO
* Pre-trained weights for MS COCO
* Jupyter notebooks to visualize the detection pipeline at every step
* ParallelModel class for multi-GPU training
* Evaluation on MS COCO metrics (AP)
* Example of training on your own dataset
```bashrc
mask_rcnn_coco.h5:
- https://github.com/matterport/Mask_RCNN/releases/download/v2.0/mask_rcnn_coco.h5
train2014 data:
- http://images.cocodataset.org/zips/train2014.zip
- http://images.cocodataset.org/annotations/annotations_trainval2014.zip
val2014 data(valminusminival):
- http://images.cocodataset.org/zips/val2014.zip
- https://dl.dropboxusercontent.com/s/s3tw5zcg7395368/instances_valminusminival2014.json.zip?dl=0
val2014 data(minival):
- http://images.cocodataset.org/zips/val2014.zip
- https://dl.dropboxusercontent.com/s/o43o90bna78omob/instances_minival2014.json.zip?dl=0
```
# Getting Started
* 参考 config.py 文件配置。
* 下面文件中 def __init__(self) 方法中的配置文件,基本都是来自于 config.py
* 测试看效果:
* mask_test.py 下载好 mask_rcnn_coco.h5 模型,随便找点数据,设置好配置文件,直接运行看结果吧。
* 数据处理:
* prepare.py 直接运行代码,将 labelme json 数据制作成 coco json 数据。
* 并将数据进行划分
* 数据训练:
* mask_train.py 直接运行代码,观察 loss 情况。
* mask_rcnn_coco.h5 作为预训练模型很强,训练模型会有一个很好的起点。
* 多 GPU 训练:
* parallel_model.py: 本人没有多 GPU,这一步没做到验证,里面的代码,是沿用作者的。
* 本项目,操作上,就三板斧搞定,不搞那么复杂,吓到人。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
Mask R-CNN for Object Detection and Segmentation 本项目使用 python3, keras 和 tensorflow 相结合。本模型基于 FPN 网络 和 resNet101 背骨,对图像中的每个目标生成 bounding boxes 和 分割 masks。 The repository includes: Source code of Mask R-CNN built on FPN and ResNet101. Training code for MS COCO Pre-trained weights for MS COCO Jupyter notebooks to visualize the detection pipeline at every step ParallelModel class for multi-GPU trainin
资源详情
资源评论
资源推荐
收起资源包目录
mask_rcnn_pro-master.zip (43个子文件)
mask_rcnn_pro-master
infos
our_class_names.txt 9B
cate_and_super.json 2KB
coco_class_names.txt 624B
README.md 2KB
utils
mask_util.py 8KB
image_utils.py 13KB
__pycache__
__init__.cpython-36.pyc 162B
image_utils.cpython-36.pyc 9KB
bbox_utils.cpython-36.pyc 12KB
mask_util.cpython-36.pyc 6KB
anchor_utils.cpython-36.pyc 3KB
misc_utils.cpython-36.pyc 7KB
__init__.py 226B
anchor_utils.py 4KB
bbox_utils.py 17KB
misc_utils.py 10KB
prepare.py 11KB
dataset
images
000024.jpg 15KB
ann_json
000024.json 14KB
m_rcnn
common.py 43KB
mask_rcnn.py 33KB
coco_dataset.py 12KB
__pycache__
coco_dataset.cpython-36.pyc 10KB
__init__.cpython-36.pyc 163B
our_data.cpython-36.pyc 4KB
common.cpython-36.pyc 30KB
backbone.cpython-36.pyc 2KB
layer_info.cpython-36.pyc 10KB
mask_rcnn.cpython-36.pyc 17KB
parallel_model.py 4KB
__init__.py 226B
backbone.py 2KB
mask_test.py 8KB
config.py 12KB
__pycache__
config.cpython-36.pyc 4KB
mask_train.py 22KB
.idea
workspace.xml 308B
encodings.xml 135B
misc.xml 174B
modules.xml 278B
mask_rcnn_pro.iml 326B
output_info
images
12283150_12d37e6389_z.jpg 105KB
000024.jpg 21KB
共 43 条
- 1
努力中的懒癌晚期
- 粉丝: 31
- 资源: 4716
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0