介绍 该代码用于从学习maskrcnn算法。 我对此做了非常详细的代码注释。 并且我创建了maskrcnn的ros节点来抓取机器人。 当前过程 进行详细的代码注释 写一个maskrcnn的ros节点 编写数据增强python脚本以生成更多数据 文件功能 mrcnn文件：maskrcnn的核心算法 data_aug.py：数据扩充 train_segment.py：模型训练和测试 MaskRCNNTrainGraph.mmap：maskrcnn算法流程图 segment_node.py：maskrcnn推断的ros节点 安装 您应该安装以下库： numpy scipy Pillow cython matplotlib scikit-image tensorflow>=1.3.0 keras>=2.0.8 opencv-python h5py imgaug IPython 模型 预训练

PubLayNet PubLayNet是文档图像的大型数据集，其布局用边框和多边形分割标注。 有关更多信息，请参见 PMC4334925_00006.jpg PMC538274_00004.jpg 最近更新 15/Sept/2020年15/Sept/2020 -添加培训代码。 29/Feb/2020年29/Feb/2020 -为maskrcnn_resnet50_fpn添加基准测试。 22/Feb/2020年22/Feb/2020 -（Pytorch）中的预训练Mask-RCNN模型。 标杆管理 建筑学 Iter num（x16） 美联社 AP50 AP75 AP小 AP培养基 AP大 MD5SUM 196k 0.91 0.98 0.96 0.41 0.76 0.95 393e6700095a673065fcecf5e8f264f7 演示版 在上面的基准测试

Mask RCNN：Pytorch实现 使用Pytorch框架屏蔽RCNN实现。 banchmark： : 要求 Python> = 3.6。 PyTorch> = 1.5，并且Torchvision与PyTorch安装匹配。 执照 该存储库是根据MIT许可发布的。

行业分类-作业装置-一种基于MaskRCNN的变电设备异常识别定位方法及系统.7z

instances_valminusminival2014.json.zip Keras实现maskrcnn需要的coco数据集

maskrcnn_nuclei 该存储库包含使用Mask R-CNN进行核实例分割的完整教程，包括图像预处理，具有训练增强功能的Mask R-CNN，测试阶段集成和后处理。 Mask R-CNN模型的代码改编自。 data/示例数据来自和。 要求 TensorFlow 1.4.0 凯拉斯2.1.3 NumPy 科学 OpenCV scikit图像 scikit学习 大熊猫 怎么跑 步骤1： 将您的训练和测试图像放在数据/训练和数据/测试下。 第2步： （如果不需要马赛克，请跳过） 一些小的训练图像（例如，在）可能来自同一幅大图像。 运行nuclei_mosaic.py以恢复原始图像-这对于数据扩充和图像边界上的对象分割非常有用。 python nuclei_mosaic.py --TRAIN_DIR data/train --MOSAIC_TRAIN_DIR data

pytorch MaskRCNN-Benchmark框架训练自己的数据集，类别数量不同-附件资源

一个基于Keras和TensorFlow实现的Mask R-CNN用于对象检测和实例分割

maskrcnn_resnet50_fpn_coco-bf2d0c1e模型参数

基于coco格式来训练，此种数据格式训练不需要自动提出mask，mask会根据label标记的多边形自动生成instance，故该种模式只需要原图片文件,整合的.json文件。