向AI轉(zhuǎn)型的程序員都關(guān)注了這個(gè)號(hào)👇👇👇

機(jī)器學(xué)習(xí)AI算法工程?? 公眾號(hào)：datayx

一、運(yùn)行環(huán)境的安裝：

1、下載好cuda9跟cudnn7，然后在安裝好后，cuda其會(huì)自動(dòng)添加到環(huán)境變量里，所以使用keras進(jìn)行GPU加速的時(shí)候會(huì)自動(dòng)使用這些庫(kù)。

2、TensorFlow-gpu版本的安裝，這個(gè)安裝方法有三種，

第一種是直接在pycharm里的安裝庫(kù)里安裝。

第二種就是使用pip來(lái)安裝，這個(gè)在安裝的時(shí)候可以指定安裝的版本。例如：

pip install tensorflow-gpu==1.8.0

如果使用pip安裝失敗的話，則應(yīng)當(dāng)升級(jí)pip，如果使用pip來(lái)升級(jí)自身的識(shí)別的話，就可以使用conda來(lái)安裝一個(gè)最新的pip來(lái)解決這個(gè)問題。

3、然后就安裝keras就可以了。使用指令

pip install keras

接著就是安裝那個(gè)labelme打標(biāo)工具。使用指令：

pip install pyqt5

pip install labelme

然后直接在cmd終端里輸入指令：

labelme

5、進(jìn)行樣本打標(biāo)

點(diǎn)擊“open”，打開需要標(biāo)注的圖像，選擇對(duì)目標(biāo)區(qū)域進(jìn)行標(biāo)注

假如你要標(biāo)注的對(duì)象為人和狗，在畫掩碼過程中，一幅圖像中如果有多個(gè)person、dog，命名規(guī)則為person、person…… dog、dog……。因?yàn)閘abelme生成的標(biāo)簽為一個(gè)label.png文件，這個(gè)文件只有一通道，在你標(biāo)注時(shí)同一標(biāo)簽mask會(huì)被給予一個(gè)標(biāo)簽位，其中名字相同的軟件會(huì)給其填充相同的標(biāo)簽值。所以有多分類的標(biāo)簽名要不一樣，同類的標(biāo)簽名要一樣，例如人的標(biāo)簽名都是person。而mask要求不同的實(shí)例要放在不同的層中。最終訓(xùn)練索要得到的輸入為一個(gè)w*h*n的ndarray，其中n為該圖片中實(shí)例的個(gè)數(shù)

這里的打標(biāo)的時(shí)候不要求每張圖片按著類別順序來(lái)進(jìn)行打標(biāo)，主要打標(biāo)的區(qū)域選對(duì)類別即可。其打標(biāo)后會(huì)生成一個(gè)json文件，這個(gè)文件里記錄了打標(biāo)的順序，其中生成的mask圖像會(huì)按打標(biāo)順序分別賦值從1開始的值。其記錄的是打標(biāo)順序。

數(shù)據(jù)集 獲取：

關(guān)注微信公眾號(hào) datayx ?然后回復(fù)??mask? 即可獲取。

AI項(xiàng)目體驗(yàn)地址 https://loveai.tech

6、把打標(biāo)后的jison文件轉(zhuǎn)換為對(duì)應(yīng)的五個(gè)文件。其中的代碼文件是：labelme_json_to_dataset.py，使用的代碼是：

其要修改的代碼位置是：

json_file = 'C:/Users/QJ/Desktop/hh/total'

把這個(gè)改為自己的打標(biāo)好的json文件路徑即可。

7、接著就可以使用模型進(jìn)行訓(xùn)練了，其訓(xùn)練的文件是train_shapes.py.

其中需要修改的為

a、在類DrugDataset()里的

修改為自己的類別順序

b、在類ShapeConfig()里的

到此就可以測(cè)試自己訓(xùn)練的模型結(jié)果了。

9、最后的測(cè)試結(jié)果如下：

---

閱讀過本文的人還看了以下文章：

基于40萬(wàn)表格數(shù)據(jù)集TableBank，用MaskRCNN做表格檢測(cè)

《基于深度學(xué)習(xí)的自然語(yǔ)言處理》中/英PDF

Deep Learning 中文版初版-周志華團(tuán)隊(duì)

【全套視頻課】最全的目標(biāo)檢測(cè)算法系列講解，通俗易懂！

《美團(tuán)機(jī)器學(xué)習(xí)實(shí)踐》_美團(tuán)算法團(tuán)隊(duì).pdf

《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》高清中文PDF+源碼

特征提取與圖像處理(第二版).pdf

python就業(yè)班學(xué)習(xí)視頻，從入門到實(shí)戰(zhàn)項(xiàng)目

2019最新《PyTorch自然語(yǔ)言處理》英、中文版PDF+源碼

《21個(gè)項(xiàng)目玩轉(zhuǎn)深度學(xué)習(xí)：基于TensorFlow的實(shí)踐詳解》完整版PDF+附書代碼

《深度學(xué)習(xí)之pytorch》pdf+附書源碼

PyTorch深度學(xué)習(xí)快速實(shí)戰(zhàn)入門《pytorch-handbook》

【下載】豆瓣評(píng)分8.1,《機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于Scikit-Learn和TensorFlow》

《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》PDF+完整源碼

汽車行業(yè)完整知識(shí)圖譜項(xiàng)目實(shí)戰(zhàn)視頻(全23課)

李沐大神開源《動(dòng)手學(xué)深度學(xué)習(xí)》，加州伯克利深度學(xué)習(xí)(2019春)教材

筆記、代碼清晰易懂！李航《統(tǒng)計(jì)學(xué)習(xí)方法》最新資源全套！

《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》最新2018版中英PDF+源碼

將機(jī)器學(xué)習(xí)模型部署為REST API

FashionAI服裝屬性標(biāo)簽圖像識(shí)別Top1-5方案分享

重要開源！CNN-RNN-CTC 實(shí)現(xiàn)手寫漢字識(shí)別

yolo3 檢測(cè)出圖像中的不規(guī)則漢字

同樣是機(jī)器學(xué)習(xí)算法工程師，你的面試為什么過不了？

前海征信大數(shù)據(jù)算法：風(fēng)險(xiǎn)概率預(yù)測(cè)

【Keras】完整實(shí)現(xiàn)‘交通標(biāo)志’分類、‘票據(jù)’分類兩個(gè)項(xiàng)目，讓你掌握深度學(xué)習(xí)圖像分類

VGG16遷移學(xué)習(xí)，實(shí)現(xiàn)醫(yī)學(xué)圖像識(shí)別分類工程項(xiàng)目

特征工程(一)

特征工程(二) :文本數(shù)據(jù)的展開、過濾和分塊

特征工程(三):特征縮放,從詞袋到 TF-IDF

特征工程(四): 類別特征

特征工程(五): PCA 降維

特征工程(六): 非線性特征提取和模型堆疊

特征工程(七)：圖像特征提取和深度學(xué)習(xí)

如何利用全新的決策樹集成級(jí)聯(lián)結(jié)構(gòu)gcForest做特征工程并打分？

Machine Learning Yearning 中文翻譯稿

螞蟻金服2018秋招-算法工程師(共四面)通過

全球AI挑戰(zhàn)-場(chǎng)景分類的比賽源碼(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查(打印收藏)

python+flask搭建CNN在線識(shí)別手寫中文網(wǎng)站

中科院Kaggle全球文本匹配競(jìng)賽華人第1名團(tuán)隊(duì)-深度學(xué)習(xí)與特征工程

不斷更新資源

深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、python

?搜索公眾號(hào)添加：?datayx??

---

機(jī)大數(shù)據(jù)技術(shù)與機(jī)器學(xué)習(xí)工程

?搜索公眾號(hào)添加：?datanlp

長(zhǎng)按圖片，識(shí)別二維碼

總結(jié)

以上是生活随笔為你收集整理的detectron2训练自己的数据集_keras版MaskRCNN来训练自己的目标检测数据集的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。