mask-RCNN(mxnet版本)的安装与使用

mask-RCNN(mxnet版本)的安装与使用

• tuSimple(https://github.com/TuSimple/mx-maskrcnn)实现的代码使用python2写的，因此我在anaconda中新建了一个python2.7的kernel，用来测试maskRCNN。
• 在安装mxnet的时候，我将原来的mxnet版本(0.12.0)替换成了最新的1.3.0版本的，旧的版本一直报错。（在import mxnet的过程中一直有遇到'undefined symbol: cblas_sgemm'之类的问题）
• 如果提示找不到cublas.h，则需要在config.make中添加ADD_CFLAGS=-I/usr/include/openblas ADD_LDFLAGS=-L/usr/lib64。
• 使用openblas的话，我在make.config中修改USE_BLAS也会报错，在命令行make -j后面添加选项即可。参考链接:https://zhuanlan.zhihu.com/p/31107408
• 如果在make的过程中报错compile error "fatal error: ../mshadow_op.h"，则需要将roiAlign拷贝到src/operator/contrib中。参考链接：https://github.com/TuSimple/mx-maskrcnn/issues/123。
• 因为需要编译mxnet的python版本(主要是需要编译roiAlign，不然直接用gluon就行了)。进入python文件夹，python setup.py install即可
• 测试：说明python没有找到openblas的库之类的，因此需要在.bashrc中添加库目录，添加方式如下export LIBRARY_PATH="$LIBRARY_PATH:/usr/lib64"。参考链接：https://github.com/apache/incubator-mxnet/issues/245

其他参考链接

• https://blog.csdn.net/zpp13hao1/article/details/78581767

其他库的安装

• opencv：pip install opencv-python
• 安装特定版本的库：pip install requests==2.18.4

训练和测试

• 安装好并准备好数据之后就可以直接进行训练了
• 如果遇到out of memory的问题，则可以减少roi的个数，在rcnn/tools/train_maskrcnn.py中，之前设置的是256，训练会报错，减少至128个之后，就没有报错了。参考链接：https://github.com/TuSimple/mx-maskrcnn/issues/69
• 下载之前的pretrained模型，应该是256个roi训练出来的，训练开始，TrainRPN ACC会下降一些。。。之后再慢慢升高。
• 按照github上的readme进行train和eval就可以了，需要几天时间（我把rcnn的train epoch由24改成了4，其他的不变，最终3块卡用了2天时间）
• 也可以对单张图片进行测试scripts/demo_single_image.sh。这里需要注意的是，maskRCNN对输入图像的大小没有要求（训练的时候用的是2048X1024的，我测试单张图片的时候，用的是1368X720的图像也没有问题。）
• 如果在train的过程中， 遇到了LocalFileSystem::Open "model/res50-fpn/cityscape/alternate//rcnn1-0000.params": No such file or directory的问题，则运行train_alternate.sh即可。