最近做項目需要用到Mask R-CNN，於是花了幾天時間配置、簡單跑通代碼，踩了很多坑，寫下來分享給大家。
首先貼上官方Mask R-CNN的Github地址：https://github.com/matterport/Mask_RCNN，源碼可以從這里下載，READ ME里也有一些介紹。
0、Mask R-CNN環境
Mask R-CNN是基於Python3，Keras，TensorFlow。
- Python 3.4+（自行安裝，本文為Python 3.6）
- Jupyter Notebook
- TensorFlow>=1.3.0
- Keras>=2.0.8
- numpy、scipy、Pillow、cython、matplotlib、scikit-image、opencv-python、h5py、imgaug、IPython[all]
1、clone代碼到當前目錄，代碼文件夾名為Mask_RCNN-master
1 git clone https://github.com/matterport/Mask_RCNN.git
2、按Mask_RCNN-master/requirements.txt安裝依賴環境
1 pip3 install -r requirements.txt
注：此步安裝了numpy、scipy、Pillow、cython、matplotlib、scikit-image、tensorflow>=1.3.0、keras>=2.0.8、opencv-python、h5py、imgaug、IPython[all]
我在此步遇到了問題，安裝shaply的時候報錯，OS Error：找不到指定模塊
用pip install單獨安裝shapely還是得到一樣的錯誤。我的解決方法是：到https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely（一個非官方的擴展包下載地址，推薦），下載和你的python版本對應的shapely.whl：
這里cp27指的是python2.7，win32是32位，win_amd64就是64位。我的電腦是64位，python3.6，所以我選擇了第六個：
接着運行如下命令：
1 python -m pip install Shapely-1.6.4.post1-cp36-cp36mwin_amd64.whl
安裝成功。
3、下載訓練好的COCO權重mask_rcnn_coco.h5
官網的下載地址為：https://github.com/matterport/Mask_RCNN/releases，下載下圖第二個即可，把它放在Mask_RCNN-master目錄下。
若網速太慢，可從網盤下載。網盤鏈接：https://pan.baidu.com/s/12A0E6h-mP4zl9oqoTvj6Ig，密碼：4eks[1]
（網盤來源：https://blog.csdn.net/tanmx219/article/details/82828727）
4、安裝pycocotools
pycocotools是coco訓練集的api，如果你想使用coco訓練、測試你的網絡，就必須安裝pycocotools。coco api提供了 Matlab, Python 和 Lua 的 API 接口，該 API 接口可以提供完整的圖像標簽數據的加載，parsing 和可視化。此外，網站還提供了數據相關的文章，教程等。[2]
MS COCO數據集主頁：http://cocodataset.org/
Github主頁：https://github.com/Xinering/cocoapi，僅Linux使用，Windows不適用
關於API更多細節：http://cocodataset.org/#download
首先說清楚，這是個巨坑。安裝了三天，期間遇到許多問題，一一解決之后才發現，pycocotools的作者根本沒考慮Windows。一番百度之后，網上有兩種解決方式：第一種是繼續使用Linux版，暴力刪除無效參數Wno-cpp和 Wno-unused-function，詳見：https://www.jianshu.com/p/de455d653301
但這種實在過於粗暴啊...好在大佬在Github上分享了windows可用版：https://github.com/philferriere/cocoapi
一句就能解決：
1 pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
注：必須安裝Visual Studio C++。
5、安裝jupyter notebooks
jupyter notebooks是一個web應用程序，你可以在上面編寫、運行代碼，可視化數據並查看結果，不僅如此，你的代碼是被寫入獨立的單元中並被單獨執行的，這允許用戶測試項目中的特定代碼塊，而無需從腳本的開始執行代碼。有關jupyter notebooks的基本介紹和用法：機器學習新手必看：jupyter notebooks入門指南
安裝：
1 pip install jupyter
安裝成功后，python36/scripts如下：
執行jupyter notebooks只需在命令行里輸入：
1 jupyter notebook
小提示：這款軟件叫jupyter notebooks，運行只需打jupyter notebook就好，不需要加s。
啟動成功，瀏覽器會自動打開notebooks窗口。有的計算機不會自動跳轉，比如我，命令行會提示如下：
復制最后一條網址：http://localhost:8888/?token=15771ade271dbc85b09003a6921e6029d9b3e6a153120465，瀏覽器打開即可。每次運行jupyter notebooks給的token都是不一樣的，需要每次都復制打開。
6、運行demo.ipynb
至此Mask R-CNN的環境就全部配置好啦，我們可以從Mask_RCNN-master/samples/demo.ipynb開始運行。demo.ipynb展示了一個使用MS COCO預先訓練的模型來分割自己圖像中的對象的例子， 它包括在任意圖像上運行對象檢測和實例分割的代碼，在代碼中，demo分割的圖像隨機來源於Mask_RCNN-master/images。
打開jupyter notebooks，按下圖右下角的upload，打開demo.ipynb
項目文件夾目錄改成你的Mask_RCNN-master目錄：
運行代碼，最下方會出現可視化結果：
不知為何，我的運行示例是錯誤的...正常的應該是這樣：
至此Mask R-CNN的簡單示例運行就完成了。有問題可在下方留言。