目录

1.Mask R-CNN源码地址

2.Mask R-CNN效果 

3.项目配置 

4.源码使用    

---

1.Mask R-CNN源码地址

Mask R-CNN源码地址https://github.com/matterport/Mask_RCNN/releases        这里我们拿Mask R-CNN2.1版本进行讲解。

2.Mask R-CNN效果 

        最传统最核心的功能就是物体检测了，效果如下图：

        同时，其不单单进行了物体检测，还做了物体分类（车、人、灯牌的判定）以及置信度检验。同时都是车的话它的颜色也不同，这是实例分割的内容。

3.项目配置 

        源码的目录结构是这样的：

        这个目录结构下记录着训练模型保存的位置，按时间进行保存。

        其中的每个文件对应着某一个epoch。

4.源码使用    

        代码量还是非常大的....

        主要代码集中在model.py：脚本的内容是模型是怎么一步步运行起来的。

        utils.py：辅助计算用到的一些小方法

        环境：推荐使用最低版本（不会出奇怪的bug）

        我们环境配置好后要训练第一件事是打开balloon.py测试配置参数：

        粘贴到这里：

        训练ing......

        测试和训练差不多：首先测试配置参数

        这里第二行参数是训练完成的图片放在哪个位置。

        可以看到，对气球进行了实例分割。

        最后我们看看标注文件：

        提供了x、y坐标.......