使用Mask-R-CNN训练自己的数据集

训练自己数据的步骤：

安装Labelme

pip install labelme
pip install pyqt5
pip install pillow==4.0.0

标注数据

  1. 使用labelme得到json标注文件

  2. 使用命令labelme_json_to_dataset 1.json得到json文件夹

  3. 也可以用批处理脚本得到所有json文件夹

  4. 得到4个文件夹标注信息

代码中需要改动的地方：

  • NUM_CLASSES：表示类别的个数

  • self.add_class(“shapes”, 1, “category1”) 添加标签中定义的类别

  • 指定好路径

dataset_root_path="mydata/"

img_floder = dataset_root_path + "pic"

mask_floder = dataset_root_path + "cv2_mask"

imglist = os.listdir(img_floder)

count = len(imglist)
  • DETECTION_MIN_CONFIDENCE 指定的稍微小一点可以得到更多结果

训练之后测试结果

  • 先得到.h5的模型文件

  • 参考demo.ipynb文件来写测试脚本

Using a generator with use_multiprocessing=True and multiple workers may duplicate your data. Plea

https://github.com/keras-team/keras/pull/8662

https://github.com/matterport/Mask_RCNN/issues/514

https://github.com/matterport/Mask_RCNN/pull/740

https://blog.csdn.net/qq_35874169/article/details/116203228

https://www.gitmemory.com/issue/reigngt09/mask-rcnn/2/623180746

退出重新启动Google colab运行时即可解决问题。