Anaconda

前言 目前Python的版本已经到了3.8.5，但是在实际的开发中并木有太多的使用者，或者说很的多包和插件都还不支持。（我java猿一枚）目前自己属于一个量化的初学者，对python生态还不是很了解。全程靠着伸手党的本事，在搜索引擎的海洋里打怪升级，今天在这里记录下升级的心酸。 基础 Python3.6 （不要选高了，我开始就用的3.8.5，基本上和用java14一个道理） PyCharm （编码工具） Anaconda3（包及其依赖项和环境的管理工具） 安装Python 教程地址： 传送门 PyCharm安装 这个怪，你的自己打。也可选择别的怪，不强求。 Anaconda3 简介 ： 包及其依赖项和环境的管理工具 资料： anaconda官网：https://www.anaconda.com/ miniconda官网：https://docs.conda.io/en/latest/miniconda.html 外国语大学：https://mirrors.bfsu.edu.cn/help/anaconda/ 清华大学的：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 创建配置量化的环境 Anaconda3创建环境 打开Anaconda3 Prompt 创建pydev环境： conda create -n pydev python

概述 Mask-RCNN,是一个处于像素级别的目标检测手段.目标检测的发展主要历程大概是：RCNN,Fast-RCNN,Fster-RCNN,Darknet,YOLO,YOLOv2,YOLO3（参考 目标检测：keras-yolo3之制作VOC数据集训练指南 ）,Mask-RCNN.本文参考的论文来源于 https://arxiv.org/abs/1703.06870 . 下面，开始制作用于Mask训练的数据集。 首先展示一下成果，由于个人设备有限，cpu仅迭代5次的结果。 使用labelme进行图片标注 注意： 　　**标注之前将图片的名字通过linux或者python脚本改名，改为有序即可，我的命名格式为 升序 ， 下面为linux脚本。 i= 1 ; for x in *; do mv $x $i.png; let i=i+ 1 ; done 　　**将所有图片的尺寸改为 600*800 .(一般设置为2的整数次幂，否则，后序训练时会报错). 脚本自取 https://github.com/hyhouyong/Mask-RCNN/blob/master/train_data/resize.py pip install labelme labelme 1.新建文件夹train_data,并创建子文件夹json，将标注后的json格式的文件放入该文件夹中 2