参考链接：
https://blog.csdn.net/l297969586/article/details/79140840/
https://cloud.tencent.com/developer/news/189753
1、首先参考细胞检测对应链接：https://github.com/matterport/Mask_RCNN/tree/master/samples/nucleus
2、在path目录下新建文件夹cell，在cell目录下新建文件夹weights
3、下载数据集
官方下载地址：https://www.kaggle.com/c/data-science-bowl-2018/data
百度网盘地址：https://pan.baidu.com/s/1KaLW7wfGw6Q7Q47N4zCbgw
下载后将所有文件解压放在cell文件夹下，里面的CSV文件可以全部删除
4、修改参数：
#每次迭代GPU上训练的图片数量，可以根据自己显存大小来设置，一般1个大点的GPU设置2个就可以了，如果配置差点就设置为1吧，不然按照默认的6会出内存溢出的错误
IMAGES_PER_GPU = 2
5、开始训练及测试
方式1：使用train数据集（stage1_train减去验证集）从ImageNet权重开始训练新模型
添加命令行参数：
train --dataset=../../path/cell-- subset=train --weights=imagenet
方式2：使用完整stage1_train数据集从特定权重文件开始训练新模型
该方式是使用之前没训练完的权重文件
复制/home/ubuntu/.keras/models/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5
到目录/path/cell/weights下，并修改resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5为weights.h5
添加命令行参数：
train --dataset=../../path/cell --subset=stage1_train --weights="../../path/cell/weights/weights.h5"
方式3：继续训练您之前训练过的模型
添加命令行参数：
train --dataset=../../path/cell --subset=train --weights=last
6、开始测试
添加命令行参数：
detect --dataset=../../path/cell --subset=stage1_test --weights=last
7、贴几张最后检测的结果图
