FastMaskRCNN Keras版本

一.配置TensorFlow 1.3
1.创建虚拟环境，取名为tensorflow1.3

virtualenv --system-site-packages -p python3 ~/tensorflow1.3

2.启用虚拟环境

source ~/tensorflow1.3/bin/activate

3.安装tensorflow1.3

pip install tensorflow-gpu==1.3.0

4.将cudnn5.1改为cudnn6.0（cuda保持为8.0）
下载对应版本的cudnn安装包
https://developer.nvidia.com/rdp/cudnn-archive
新建文件夹cudnn6.0
将安装包解压到该文件夹下

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

到cudnn6.0/cuda/对应文件夹下执行一下命令

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.6.0.21
sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -sf libcudnn.so.6 libcudnn.so
sudo ldconfig

二.安装keras（在virtualenv下）

pip install keras==2.1

三.安装MASK_RCNN
1.git clone https://github.com/matterport/Mask_RCNN.git
2.Install dependencies(在虚拟环境下)

cd Mask_RCNN/
pip3 install -r requirements.txt

3.Run setup from the repository root directory

python3 setup.py install

4.Download pre-trained COCO weights (mask_rcnn_coco.h5) from the releases page.
放在根目录下。

5.下载安装pycocotools （我下载到了根目录下的coco下）

Linux: https://github.com/waleedka/coco

在PythonAPI中，make
四.若想在jupyter notebook中使用virtualenv.
1.进入虚拟环境

 source ~/tensorflow1.3/bin/activate

2.安装 IPykernel

< python2 >

pip install ipykernel

< python3 >

pip3 install ipykernel

3.将 Virtualenv 加入IPykernel

< python2 >

python2 -m ipykernel install --user --name=tensorflow1.3

< python3 >

python3 -m ipykernel install --user --name=tensorflow1.3

4.启动jupyter notebook并更改kernel

四.启动jupyter notebook
1.更改kernel
2.将pycocotools路径加入
sys.path.append(os.path.join(ROOT_DIR, “coco/PythonAPI/”))
3.运行
FastMaskRCNN Keras版本
成功～

五.将FastMaskRCNN在Pycharm中运行
1.用jupyter notebook将.ipynb转化为.py

File—>Download as—>python(.py)

（jupyter nbconvert --to script *.ipynb ）这条命令也可以，不过我没试过。
2.导入虚拟环境
FastMaskRCNN Keras版本
3.改写部分代码
A.在visaualize.py的display_instances函数中：

if auto_show:
    plt.savefig("filename.png")
    plt.show()

FastMaskRCNN Keras版本
可以保存最终显示的结果，显示什么保存什么。

plt.savefig('文件名')

用于plt显示结果的保存

B.在visaualize.py的display_instances函数中：

ax.imshow(masked_image.astype(np.uint8))
from PIL import Image
masked_image_save = Image.fromarray(masked_image.astype(np.uint8))
masked_image_save.save('mask.png')

将图像+掩膜的结果进行存储
FastMaskRCNN Keras版本
masked_image.astype(np.uint8)是一个ndarray格式的对象
用PIL中的Image.fromarray（ndarray对象）可以将ndarray转换为image
image就可以直接save啦

获取文件夹下所有文件名

find /home/tom/data -name *.png > /home/tom/data/list.txt