精华内容
下载资源
问答
  • Detectron-maskrcnn 训练自己的数据集 数据集为Labelme标注json格式
  • https://github.com/matterport/Mask_RCNN

    https://github.com/matterport/Mask_RCNN

    首先放上github 

    坑贼多!!

    一.配置conda环境

    conda create -n maskrcnn python=3.6
    conda activate maskrcnn
    

    二.安装tensorflow-gpu 1.9.0

    (不要问为什么,踩过1.14.0的坑,好多api改了,一运行一堆bug!一把辛酸泪)

    如果不想自己搞cudnn和cuda的话,一键安装支持gpu的最低版本是tensorflow-gpu 1.9.0 所以安装这个就可以了

    conda install tensorflow-gpu=1.9.0

     安装完以后,按照github上安装各种依赖!

    conda install scikit-image
    conda install imgaug

    有两个要特别注意的:

    (1) keras

    conda install keras=2.1.3

    tensorflow1.9.0必须配keras=2.1.3 如果不带的话,他默认会给你装上2.3.1,但是这个和tensorflow1.9.0是不匹配的。这也是个坑。

    (2) pycocotools

    git clone https://github.com/cocodataset/cocoapi.git
    cd cocoapi/PythonAPI
    conda activate maskrcnn
    make
    make install
    

    记住,在make install前一定要激活tensorflow所在的环境

    展开全文
  • 折腾了两天总算跑通了...Github : https://github.com/facebookresearch/maskrcnn-benchmark/ 环境: Ubunut 18.04 CUDA 9.0 Anaconda 4.7.12 硬件 GTX 1080TI (*2) 先多一句,装显卡驱动的时候并没有想象的...

    折腾了两天总算跑通了demo,走了不少弯路。参考了很多文章,这里就不详细一一列出了,就总结一下。

    Github : https://github.com/facebookresearch/maskrcnn-benchmark/

    环境:

    Ubunut 18.04
    CUDA 9.0
    Anaconda 4.7.12

    硬件

    GTX 1080TI (*2)

    先多一句,装显卡驱动的时候并没有想象的那么复杂,不需要关什么桌面,进不去系统之类的问题。也许是官方良心发现,装显卡驱动在Ubunut系统上bug百出,于是改良了很多,目前,我采用软件与更新中的驱动更新一下就能把有效的驱动装上。显卡驱动对CUDA向前兼容,所以版本越高越好,目前自己-430。这方面在这里不多作介绍,默认已经有了驱动。

    注意 上述的环境十分重要,之所以选择这样的配置,是因为目前的MaksRCNN_Benchmark(略称mask) 在说明中需要安cudatoolkit=9.0,那一定是有道理的。尽管我们使用pytorch的时候哪怕不装CUDA(官网上下载的),只有cudatoolkit 一样跑一些网络没问题,也有GPU支持,但是一旦涉及到pytorch扩展C模块的时候,便需要完整的CUDA(通常几个G),可以理解为官网上的是完整版,而conda的cudatoolkit是阉割版(通常300m)。我们mask需要build apex库,且貌似在build mask的时候也需要CUDA,所以必须要从官网上下载CUDA9.0的runfile安装在总环境中。不必担心,CUDA的版本切换仅仅需要改变几个东西就能切换(自行谷歌),在Ubuntu系统中,不同版本CUDA可以共存

    由于CUDA9.0似乎官方不支持Ubunut18,我这里下载了ubuntu17的runfile依然成功。一定要把CUDA9.0那些修补的包都打上,按顺序一个不露,安装方法和CUDA9.0安装相同。注意 这里会遇到gcc版本过高的问题,自行查找方法降级,本人用的gcc-6.5
    (ps:空格 可以加速协议翻越的速度=.= ,给我看了五次冗长的协议也是够了。。

    采用其INSTALL.md中的第一个方法,尝试用conda进行安装

    这里没有安装任何的cudnn

    首先 检查自己的nvcc输出是否正确

    nvcc -V
    
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2017 NVIDIA Corporation
    Built on Fri_Sep__1_21:08:03_CDT_2017
    Cuda compilation tools, release 9.0, V9.0.176
    

    以下一步步排自己安装中遇到的坑

    1、

    conda create --name maskrcnn_benchmark -y
    conda activate maskrcnn_benchmark
    

    没啥毛病 名字自己可以给短一点 这里python默认为3.7

    2、

    conda install ipython pip
    

    这是为了确保之后用pip的时候,别pip到总系统里,运行完成后,输入

    which pip
    which conda
    which python

    确定这些输出的路径都在虚拟环境里。

    3、

    pip install ninja yacs cython matplotlib tqdm opencv-python

    这里安装一些依赖,在运行MaskRCNN_demo的时候,发现少了一个库requests,也可以在这里加上。

    4、

    conda install -c pytorch pytorch-nightly torchvision cudatoolkit=9.0

    本人尝试了cudatoolkit=9.2/10等,似乎都不太行,尤其是这个pytorch-nightly,不知道它对应的是库里的哪个包。在pytorch1.2里我装pytorch-nightly有时候却没有这个包,但是包名后面dev可能暗示这是一个正在开发中的版本。。
    总之按照它的来吧。

    注意 安装完成后,首先在python里测试以下语句

    >>>import torch
    >>>torch.cuda.is_aviliable()
    >>>import torchvision

    第一句没啥问题,如果有说明torch安装失败。
    第二句有问题说明显卡有问题。。。想办法排除(驱动问题或cudatoolkit有问题)。在总系统里没有安装CUDA,只有cudatoolkit的时候,这句话依然返回True(原因开头介绍过)。
    第三句一般有问题,torchvision的0.3版本调用_c库有错误引用,通过降级torchision可以解决:

    pip install torchvision==0.2.2

    再次输入上述的python代码检验。
    以上都没有问题了,说明大环境已成。

    5、

    export INSTALL_DIR=$PWD
    cd $INSTALL_DIR
    git clone https://github.com/cocodataset/cocoapi.git
    cd cocoapi/PythonAPI
    python setup.py build_ext install
    

    安装cocoapi,自己没有遇到问题。

    6、

    下面有大问题,先别输入

    cd $INSTALL_DIR
    git clone https://github.com/NVIDIA/apex.git
    cd apex
    python setup.py install --cuda_ext --cpp_ext
    

    我推测作者可能用的是Ubuntu16版本,所以没啥问题,这个apex很要求你的torch版本,CUDA版本,以及gcc版本。
    需要torch版本,CUDA版本相互对应,尽量不要是诸如CUDA=9.2而torch cudatoolkit=9.0这样的存在(坑死我了为何不能兼容)。如果只想跑cpu看看效果,把参数 --cuda_ext去除。
    如果想gpu训练,那么首先要确认自己的gcc环境,与CUDA环境,经过尝试,我的gcc版本降到了5.5(6.5,7.5都有错),配合CUDA9.0,能够顺利安装apex。如果安装中有错,请删除apex所有文件(or build文件夹)再执行上面的代码。安装CUDA的时候的gcc版本(也许是6.5和我一样)似乎不影响这里。检验gcc版本如下:

    gcc -v
    Using built-in specs.
    COLLECT_GCC=gcc
    COLLECT_LTO_WRAPPER=/usr/lib/gcc/x86_64-linux-gnu/5/lto-wrapper
    Target: x86_64-linux-gnu
    Configured with: ../src/configure -v --with-pkgversion='Ubuntu 5.5.0-12ubuntu1' --with-bugurl=file:///usr/share/doc/gcc-5/README.Bugs --enable-languages=c,ada,c++,go,d,fortran,objc,obj-c++ --prefix=/usr --program-suffix=-5 --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --libdir=/usr/lib --enable-nls --with-sysroot=/ --enable-clocale=gnu --enable-libstdcxx-debug --enable-libstdcxx-time=yes --with-default-libstdcxx-abi=new --enable-gnu-unique-object --disable-vtable-verify --enable-libmpx --enable-plugin --enable-default-pie --with-system-zlib --enable-objc-gc --enable-multiarch --disable-werror --with-arch-32=i686 --with-abi=m64 --with-multilib-list=m32,m64,mx32 --enable-multilib --with-tune=generic --enable-checking=release --build=x86_64-linux-gnu --host=x86_64-linux-gnu --target=x86_64-linux-gnu
    Thread model: posix
    gcc version 5.5.0 20171010 (Ubuntu 5.5.0-12ubuntu1) 
    

    如果没有任何error,那么说明没有问题。

    7、

    cd $INSTALL_DIR
    git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
    cd maskrcnn-benchmark
    
    # the following will install the lib with
    # symbolic links, so that you can modify
    # the files if you want and won't need to
    # re-build it
    python setup.py build develop

    这里如果前面安装的没有问题,应该不会有问题。这里就算配置完成了。

    8、检验

    手头并没有webcam,可以尝试运行jupyter notebook的一个脚本 MaskRcnn_demo。这里有介绍里的那个图的运行效果,从网上加载训练参数直接进行推断,网速较差需要提前下载好。该脚本默认检验cup下的效果,如果要gpu,需要注释In[4]中的代码

    cfg.merge_from_list(["MODEL.DEVICE", "cpu"])

    这样就默认是GPU了。

    如果Demo卡在In[8]的run_on_opencv_image,很大可能是由于apex配置出现问题导致的,可以将其放到Pycharm里断点调试看看哪里有问题(我是在rpn,顾名思义,区域推荐网络的一个test_forward出了问题,调用底层apex的C函数似乎出现了bug,导致内核崩溃)。如果apex的build过程中有问题,有可能连CPU版本都跑不了,找到问题后,首先删了(or uninstall)apex重新安装,之后删了(or uninstall)mask重新安装。

    之后就可以好好的研究maskrcnn是怎么实现的啦。。。

    经过长时间的观察,明白了MaskRCNN的网络结构,列出一些资源:
    https://github.com/matterport/Mask_RCNN 一个十分简洁清晰的Maskrcnn例子,基于tensorflow,简单跑通,除了Keras没有其他特别的第三方库.
    另外 tensorflow.model 里也有实现的MaskRCNN版本,可以调用OpenCV C++使用!看上去对实际应用很方便,有待进一步调查。。

    展开全文
  • 2.3 配置maskrcnn-benchmark maskrcnn-benchmark是facebook research开源的目标检测和实例分割的算法仓库,可以实现的模型有Faster RCNN,Mask RCNN,RetinaNet等。 1. 环境要求 PyTorch...

    目录

    1. 环境要求

    2. 安装步骤

    2.1 安装cocoapi

    2.2 安装apex

    2.3 配置maskrcnn-benchmark


               maskrcnn-benchmark是facebook research开源的目标检测和实例分割的算法仓库,可以实现的模型有Faster RCNN,Mask RCNN,RetinaNet等。

    1. 环境要求

    PyTorch 1.0 from a nightly release. 
    torchvision from master
    cocoapi
    yacs
    matplotlib
    GCC >= 4.9OpenCV

    2. 安装步骤

    2.1 安装cocoapi

    git clone https://github.com/cocodataset/cocoapi.git
    cd cocoapi/PythonAPI
    python setup.py build_ext install

    cocoapi用来处理COCO数据集数据,包括mAP评估等,安装在任意文件夹下即可,不一定是相同的文件夹。

    2.2 安装apex

    git clone https://github.com/NVIDIA/apex.git
    cd apex
    python setup.py install --cuda_ext --cpp_ext

    apex用来实现混合精度的训练,同样,安装在任意文件夹下即可。

    2.3 配置maskrcnn-benchmark

    git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
    cd maskrcnn-benchmark
    python setup.py build develop

    完成配置后,可以使用maskrcnn-benchmark进行faster-rcnn目标检测,mask-rcnn实例分割等。

    展开全文
  • 在看完了R-CNN, fast R-CNN, faster R-CNN, mask R-CNN各种论文后,就要开始用maskrcnn训练自己的数据了,首先当然就是安装facebook开源的maskrcnn_benchmark了! 官方的安装教程在这里: ...

    在看完了R-CNN, fast R-CNN, faster R-CNN, mask R-CNN各种论文后,就要开始用maskrcnn训练自己的数据了,首先当然就是安装facebook开源的maskrcnn_benchmark了!

    官方的安装教程在这里:

    https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md

    平时自己的主力机是一个win10的台式机和一台mac。mac因为不支持cuda,所以只能在cpu上跑,根据官方教程,在mac上轻松安装好,跑COCO detections的demo。但是运行的时候会报一个错: ‘Python is not installed as a framework’。只要把python改成pythonw就行:

    pythonw webcam.py --min-image-size 300 MODEL.DEVICE cpu

    然后检测的窗口就会跳出来:

    特地把脸挡住,哈哈哈。但是这个cpu实在是太慢了,卡出xiang。

    然后就是在台式机上安装,苦逼的日子来了,已经数不清安装又卸载了多少次了,最终只能成功在cpu上跑,gpu一直配不成功,于是只能果断放弃win10,重新安装了ubuntu18.04,然后从头安装。过程虽然不是一帆风顺,但有了之前win上的经验,过程也简单多了。

    说下我的版本: ubuntu18.08, cuda 10.1, cudnn 7.5, annaconda3 python3.7,GeForce GTX 1080

    新系统的话就要重新安装cuda,cudnn,anaconda,gcc之类的东西了,这里发现不用单独安装NVIDIA driver,在安装cuda的时候会有提示你安装NVIDIA driver的选项。然后安装maskrcnn_benchmark,因为官方教程就是linux上的,所以就跟着教程一步步来吧。

    主要有几个问题,就是安装pytorch,pytorch-nightly和torchvision的时候,由于源的问题,会下载了一半的时候失败报错,这个时候别慌,清华的开源镜像在向你招手。直接在清华的镜像网站上下好对应版本的pytorch,pytorch-nightly和torchvision,然后将安装包放到anaconda3/pkgs目录下,再安装就很快了。

    安装好了就是编译,没问题,然后跑demo问题来了,因为webcam.py这个demo是需要opencv的,所以直接运行会报错:“no module named cv2”。然后我就用anaconda navigator搜了opencv,出来libopencv, opencv, py-opencv三个都安装了,发现还是不行,于是安装opencv-python:

    pip install opencv-python

    但是,下载的特别慢,于是直接在浏览器里输入链接,把opencv的.whl文件下下来,然后直接用

    pip install ****.whl #这里放你下载的文件名

    到这里就能安装好opencv-python了,然后运行demo,但是!!又报错了!!

    这次是 “Cannot import '_download_url_to_file' from 'torch.utils.model_zoo”,然后在github上找到了解决方案,需要将你maskrcnn_benchmark/utils/下的model_zoo.py改几行代码,原问题在这里https://github.com/facebookresearch/maskrcnn-benchmark/issues/674

    改完后,demo终于可以运行了。。。

    但是!!!!可能还会遇到一个问题,就是你跑这个demo的时候,需要下载已经训练好的一个模型,也是因为下载速度过慢最终失败。我们可以通过链接直接通过浏览器下载,然后把下载好的.pkl文件放到对应的文件夹下,然后就能跑了!!!

    看到检测窗口跳出的那一瞬间,差点流下了眼泪!!(还花了25块钱买了一个摄像头)

    GPU 就是快!

     

    展开全文
  • 本文参考诸多mask rcnn环境配置和测试的相关博客,在此不做列举,记录一下测试的全过程。 一.环境配置 1.python3.5 2.升级pip sudo python –m pip install --upgrade pip ps:笔者在升级和下载一些安装包的时候遇到...
  • UbuntuMask_RCNN 安装和运行 demo

    千次阅读 2018-08-15 09:36:55
    当前的默认根目录是 Mask_RCNN 底下,所以,以下文件目录把 Mask_RCNN 作为起始地址 4.3.1 修改 weights 文件位置 4.3.2 修改输入图片的位置 运行demo的时候会轮询该文件夹下每张图片,在pycharm中...
  • 1. 环境要求Ubuntu 16.04, Python 2.7 withnumpy(1.12.1), cv2(2.4.9), PIL(4.3), matplotlib(2.1.0), cython(0.26.1), easydict2. 训练准备1)下载 Cityscapes data (gtFine_trainvaltest.zip, leftImg8bit_...
  • 1. 环境配置 ... 准备好Docker、Nvidia-docker2、...3. 安装maskrcnn-benchmark 该目录下有一个setup.py 到该目录下python setup.py install安装即可。 4. 各种出错 错误1:import cv2的时候找不到一些lib.so..
  • 官网说明地址: ... ----------------------------------------------...修改demo.py,修改根目录,训练好的模型位置(默认在logs中,将最新的模型移动到该位置,并修改名称为 mask_rcnn_balloon),测试图片位置  
  • Doc在doc/mask-rcnn-intro.ipynb 配置-> configuration.py test使用那些网络标题 面罩RCNN PyTorch Mask-RCNN的PyTorch 0.4实现。 这是我们在工作的副项目 特征: 与设备无关的代码。 在不修改代码的情况下同时...
  • 运行demo 我用的pycharm 打开maskrcnn文件夹,在samples/balloon文件夹下运行你看一下readme python3 balloon.py splash --weights=权重文件的绝对路径(带.h5)–image=图片路径(带.图片格式的) 运行中的错误 ...
  • ubuntu18.04 配置cuda10.1+cudnn7.6+anaconda3+pytorch跑通maskrcnn_benchmark 最近在用anaconda配置ubuntu系统下的深度学习环境,终于跑通了maskrcnn_benchmark,真的是踩了很多坑。。把配置过程记录下来,欢迎交流...
  • Ubuntu18.04编译TensorRT MaskRCNN例子和模型转化0.前期准备Step1 安装requirement.txt需要的依赖Step2 安装编译sample需要的其他系统的包Step3 Clone github 的TensorRT库Step4 开始编译Step5 修改conv2d_transpose...
  • Ubuntu16.04配置Mask-Rcnn环境

    千次阅读 2020-06-30 15:05:02
    这里写自定义目录标题软硬件环境描述显卡驱动安装CUDA安装Cudnn安装Anaconda安装Tensorflow安装配置Mask-RCNN安装配置 软硬件环境描述 显卡:RTX2060 系统:Ubuntu16.04 显卡驱动版本: NVIDIA-Linux-x86_64-440.82...
  • 本文从参考了诸多Tensorflow GPU和MaskRCNN配置的博客与教程,最终在多台不同的电脑上实现了配置。本文目的在于用预训练权重来完成MaskRCNN的demo的环境搭建。 一.工具1. win10平台 安装步骤本文不涉及2. ubuntu...
  • ubuntu18.0.4安装mask-rcnn

    千次阅读 2019-01-17 11:43:48
    ok,完美,运行MaskRCNN的demo.ipynb不报tensorflow没找到了。 但在运行demo.ipynb出现异常:No module named 'imgaug' 所以 pip install imgaug 再去执行demo都没报错,好了开始研究它是怎么写了,...
  •   10月份,Facebook发布了Mask R-CNN的pytorch版本— —maskrcnn benchmark。之前一直使用Tensorflow的版本,但是由于电脑配置不高,且数据量大(10w级),训练的时间巨长,因此考虑尝试pytorch版。由于博主本身...
  • 使用TensorRT 加速maskRCNN Benchmark

    千次阅读 热门讨论 2019-07-12 15:07:54
    MaskRCNN benchmark的pth模型文件 pytorch.jit pytorch.onnx TensorRT 5.1 我用的是RTX2080Ti显卡 二、 加速过程 由于MaskRCNN是一个两段式的模型,所以我们可以只改写第一部分用于提取特征的backbone网络,第一...
  • Ubuntu18.0.4 Mask RCNN环境配置 Mask RCNN 环境配置3/8/2021实战 (Ubuntu18.04, CUDA, cuDNN, Tensorlow1.5, Keras2.1.6) 因为之前环境配置失败,一怒之下刷机推倒重来,跑过来记录这次环境配置的经历。参考了站...
  • 换到ubuntu下,不到一天就配好了= = 强烈建议直接去ubuntu下配置,千万别在window环境下配置。 一、下载anaconda,创建虚拟环境 下载anaconda的步骤读者可以去百度,很简单。随后创建虚拟环境 conda create -n ...
  • 我使用的tensflow版本的maskrcnn github地址:https://github.com/matterport/Mask_RCNN 首先安装Anaconda3,并且安装python3.4的环境 在python3.4环境的打开终端 安装过程: 1、首先下载源码: git clone ...
  • pic文件夹下存放原图 mask文件生成方法:MaskRCNN训练自己的数据集 小白篇 2. 报错解决方法 启动labelme报错pliiow时 解决方法:pip install Pillow==5.3.0 生成数据集的json文件夹缺少info.yaml文件 解决方法:...
  • maskrcnn标记自己的数据集最全攻略

    千次阅读 2018-10-28 22:47:01
    NVIDIA显卡驱动+CUDA+CUDNN ... 在github https://github.com/matterport/Mask_RCNN上下载maskrcnn源码。要求:python3以上,keras, tensorflow深度学习框架,在ubuntu下可以用 sudo pip3 install keras (pip3 in...
  • 1.代码来自于https://github.com/matterport/Mask_RCNN 训练自己的数据参考博客https://blog.csdn.net/qq_29462849/article/details/81037343#commentBox 批量重命名文件,注意,如果文件本...
  • Maskrcnn_benchmark最新安装教程以及错误解决方法(踩坑Ubuntu16.04) 0、序言 ​ 最近要做一些目标检测、识别的比赛,用到了何大神的maskrcnn,但是在配maskrcnn环境问题上出了很多错误,浪费了很多时间,特此做...
  • docker run -ti -v 主机映射目录:容器映射目录 --shm-size=64g --runtime=nvidia -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all maskrcnn-benchmark 结语 哎呀,写一篇博文不...
  • 大家好,这是我的第一篇博客。作为深度学习的初学者,从实战的角度,详细介绍基于maskrcnn-benchmark框架下,使用Maskrcnn网络训练自己的数据集的过程。这其中,踩的坑不少,但也受益匪浅。
  • maskrcnn-benchmark框架环境**Feasible****Required action****GCC降级****安装cuda****安装Anaconda3****安装maskrcnn_benchmark**
  • Mask RCNN 实战(一)--代码详细解析

    万次阅读 多人点赞 2018-04-25 21:51:24
    Mask RCNN:(大家有疑问的请在评论区留言) 如果对原理不了解的话,可以花十分钟先看一下我的这篇博文,在来进行实战演练,这篇博文将是让大家对mask rcnn 进行一个入门,我在后面的博文中会介绍mask rcnn 如何用于...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 864
精华内容 345
关键字:

maskrcnnubuntu