Mask RCNN训练自己的数据集(修正及windows下使用labelme)

原文参考：https：//blog.csdn.net/l297969586/article/details/79140840/

labelme编译并使用：

源码：https：//github.com/tfwcn/labelme

源码已改成批量转Json的文件

Logs

2018/11/8

修改成自动保存到图片目录下到json文件夹中。需预先建立文件夹。

以前用过该工具的，请先删除C:\Users\当前用户\.labelmerc 文件

打开工具一次后，修改C:\Users\当前用户\.labelmerc 文件

auto_save_path 对应保存的相对路径

编译：

# 安装编译环境
pip install pyqt5
# 直接运行labelme/main.py时需要安装labelme
pip install labelme

#开始编译，执行文件会生成到dist/labelme.exe下
conda install pyqt
pip install .
pip install pyinstaller
pyinstaller labelme.spec

打开DIST / labelme.exe，框选对象（命名方式请参考原文），并保存的Json文件到一个文件夹，最好是单独的文件夹存放。

标记完所有图片后，批量转Json文件：

# 已改成批量生成数据，用法：
\labelme\labelme\cli>python json_to_dataset.py "Json文件夹路径"

开始训练自己的数据集

源码：https：//github.com/tfwcn/Mask_RCNN

训练源码：https：//github.com/tfwcn/Mask_RCNN/blob/master/samples/shapes/train_shapes.py

原代码修改成支持不同训练集与测试集

修改如下路径为对应的文件夹：

dataset_root_path = "/labels/mouse/"
dataset_val_root_path = "/labels/mouse/test/"
img_floder = dataset_root_path+"rgb"
img_floder_val = dataset_val_root_path+"rgb"

开始训练：

python train_shapes.py