MX Mask R-CNN

系统要求

我们是在以下配置上测试的代码：

• Ubuntu 16.04, Python 2.7
• numpy(1.12.1), cv2(2.4.9), PIL(4.3), matplotlib(2.1.0), cython(0.26.1), easydict

训练准备

1. 下载 Cityscapes 数据 (gtFine_trainvaltest.zip, leftImg8bit_trainvaltest.zip). 提取到 'data/cityscape/'。文件夹如下：

2. 下载 Resnet-50 预训练模型

bash scripts/download_res50.sh

3. 使用 ROIAlign 运算符构建MXNet

cp rcnn/CXX_OP/* incubator-mxnet/src/operator/

从源代码建立 MXNet 请参考教程：

https://mxnet.incubator.apache.org/get_started/build_from_source.html

4. 构建相关 cython 代码

make

5. 开始训练

bash scripts/train_alternate.sh

评估准备

1. 准备 Cityscapes 评估脚本

bash scripts/download_cityscapescripts.sh

2. Eval

bash scripts/eval.sh

Demo

1. 模型可以从以下链接中下载，请将其放置在 model 文件夹内。

• Dropbox 链接：https://www.dropbox.com/s/zidcbbt7apwg3z6/final-0000.params?dl=0
• 百度云链接：https://pan.baidu.com/s/1o8n4VMU

2. 请确认你已经把 cityscapes 数据放置在「data/cityscapes」文件夹中。

bash scripts/demo.sh

From: https://blog.csdn.net/Uwr44UOuQcNsUQb60zk2/article/details/78372152