Mask RCNN主要是用来干什么的呐？
对物体进行
实时的
分割。
Mask RCNN能够有效的检测图片中的objects，同时对每个instance的高质量的segmentation mask
一 环境配置
参考
https://www.youtube.com/watch?v=2TikTv6PWDw
1） 创建一个conda环境
创建一个名为Mask RCNN的环境
conda create -n MaskRCNN python=3.6 pip
2)下载所有的依赖库
requirements.txt的下载地址：
https://github.com/markjay4k/Mask-RCNN-series/blob/master/requirements.txt
activate MaskRCNN pip install -r install requirements.txt
解释一下这些库的作用
numpy ——以矩阵为基础的数学计算模块，卷积运算都是矩阵运算，属于纯数学，比如傅里叶变换
scipy ——是基于Numpy，有一些高阶抽象和物理模型，比如滤波器
cython ——将C和Python结合起来的工具，可以方便调用C/C++
Pillow ——是Python中的图像处理库，主要包括图像存储，图像显示，格式转换以及基本的图像处理操作
scikit-image—— 是一个图像处理和计算机视觉的算法集合。当然提到图像不得不提opencv，opencv库是CV届绝对的大佬，但是为什么还要用skimage呢？原因是opencv用于我们的tensorflow训练数据预处理实在是太大才小用了，而且opencv的安装也不是很方便。所以，需要一些更加精简轻便的框架来帮助我们做数据预处理，scikit-image就是这样一个扩展包
keras ——如果说 Tensorflow 或者 Theano 神经网络方面的巨人. 那 Keras 就是站在巨人肩膀上的人. Keras 是一个兼容 Theano 和 Tensorflow 的神经网络高级包。
Keras的教程：
https://morvanzhou.github.io/tutorials/machine-learning/keras/
jupyter ——是一个编写Python的编译器
错误：
我下载到Scikit-learn出现中断的情况，因此我把Scikit-learn放到最后下载，不要着急，学校的网已经够快了，都下载了一天
ImportError: Could not find 'cudart64_90.dll'.
最后还是出现之前的老毛病，tensorflow的版本太高，我的CUDA是8.0的，CUDA9.0和tensorflow1.5是兼容的，CUDA 8.0和tensorflow1.3是兼容的，所以只能重新下载一个1.3.0版本的tensorflow
测试tensorflow是否安装好，打开jupyter notebook
import tensorflow as tf
如果运行没有报错，那就是安装好了
3）下载Mask R-CNN
git clone http://github.com/matterport/Mask_RCNN.git
4）下载pycocotools
Microsoft COCO 是一个标注过的图片数据集，可用以目标检测、分割和描述生成等。
pycocotools需要VS2015的编译
下载cocoapi
git clone http://github.com/philferriere/cocoapi.git
扫描二维码关注公众号，回复：
943722 查看本文章
安装pycocotools
pip install git+http://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
出现了一点小问题，没有安装Cython，pip install Cython就好啦
5）下载预先训练好的参数
下载 mask_rcnn_coco.h5，把这个.h5文件放入下载好的Mask_RCNN文件夹下
训练的时候还是有各种包没有导入进去
No module named 'cv2'
No module named 'imgaug'
然后又把所以的提示没有的依赖库都下载了一遍
二 检测图片
最后在cmd中输入jupyter notebook
打开 根目录/samples/demo.ipynb
