mask_rcnn_pro:kerea and tensorflow 实现 mask rcnn 实例分割

# 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。