写在前面
个人博客：配置 Mask-RCNN (matterport)
此文记录配置 Mask-RCNN 的相关工作，具体为 matterport/Mask_RCNN ，系统环境为 Ubuntu 16.04 。
准备工作
matterport/Mask_RCNN 中系统及依赖要求为：
- Python 3.4+
- TensorFlow 1.3+
- Keras 2.0.8+
- Jupyter Notebook
- Numpy, skimage, scipy, Pillow, cython, h5py
使用 Anaconda 新建环境，用以配置 Mask-RCNN：
# 创建一个名为 Mask-RCNN 的环境，制定 Python 版本为3.6
conda create --name Mask-RCNN python=3.6
然后在新建的环境内分别安装其他依赖包即可。 TensorFlow 建议参照官方安装流程，当然，多半会发现因为 Wall 的原因导致安装失败。 可以使用清华源作为替代： TensorFlow 镜像使用帮助
直接使用 conda 命令安装的 TensorFlow 基本无法成功调用 GPU，没有 GPU 则可以考虑，毕竟方便。
配置 Mask-RCNN
下载/Clone matterport/Mask_RCNN
或者在 releases page 中下载。
下载 mask_rcnn_coco.h5
Download pre-trained COCO weights (mask_rcnn_coco.h5) from the releases page.
安装 pycocotools
- Linux: https://github.com/waleedka/coco
- Windows: https://github.com/philferriere/cocoapi. You must have the Visual C++ 2015 build tools on your path (see the repo for additional details)
- 下载源文件后打开
coco/PythonAPI，并在此目录下打开终端，进入之前新建的 Mask-RCNN 环境，运行make。 - 如果终端提示 Mask-RCNN 环境中缺少 Cython ，则重新安装后运行
make。 - 将生成的
pycocotools文件夹复制到 Mask-RCNN 的源文件中即可。
Screenshotfrom2018-03-0718-54-11.png - 使用 Jupyter 运行
demo.ipynb即可看到预测的图样：
- 如果存在无法调用
coco的情况，可以考虑将pycocotools路径（coco/PythonAPI）添加到系统路径。
