向AI转型的程序员都关注了这个号????????????

机器学习AI算法工程   公众号：datayx

一、运行环境的安装：

1、下载好cuda9跟cudnn7，然后在安装好后，cuda其会自动添加到环境变量里，所以使用keras进行GPU加速的时候会自动使用这些库。

2、TensorFlow-gpu版本的安装，这个安装方法有三种，

第一种是直接在pycharm里的安装库里安装。

第二种就是使用pip来安装，这个在安装的时候可以指定安装的版本。例如：

pip install tensorflow-gpu==1.8.0

如果使用pip安装失败的话，则应当升级pip，如果使用pip来升级自身的识别的话，就可以使用conda来安装一个最新的pip来解决这个问题。

3、然后就安装keras就可以了。使用指令

pip install keras

接着就是安装那个labelme打标工具。使用指令：

pip install pyqt5

pip install labelme

然后直接在cmd终端里输入指令：

labelme

5、进行样本打标

点击“open”，打开需要标注的图像，选择对目标区域进行标注

假如你要标注的对象为人和狗，在画掩码过程中，一幅图像中如果有多个person、dog，命名规则为person、person…… dog、dog……。因为labelme生成的标签为一个label.png文件，这个文件只有一通道，在你标注时同一标签mask会被给予一个标签位，其中名字相同的软件会给其填充相同的标签值。所以有多分类的标签名要不一样，同类的标签名要一样，例如人的标签名都是person。而mask要求不同的实例要放在不同的层中。最终训练索要得到的输入为一个w*h*n的ndarray，其中n为该图片中实例的个数

这里的打标的时候不要求每张图片按着类别顺序来进行打标，主要打标的区域选对类别即可。其打标后会生成一个json文件，这个文件里记录了打标的顺序，其中生成的mask图像会按打标顺序分别赋值从1开始的值。其记录的是打标顺序。

数据集 获取：

关注微信公众号 datayx  然后回复  mask  即可获取。

AI项目体验地址 https://loveai.tech

6、把打标后的jison文件转换为对应的五个文件。其中的代码文件是：labelme_json_to_dataset.py，使用的代码是：

其要修改的代码位置是：

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

把这个改为自己的打标好的json文件路径即可。

7、接着就可以使用模型进行训练了，其训练的文件是train_shapes.py.

其中需要修改的为

a、在类DrugDataset()里的

修改为自己的类别顺序

b、在类ShapeConfig()里的

到此就可以测试自己训练的模型结果了。

9、最后的测试结果如下：

---

阅读过本文的人还看了以下文章：

基于40万表格数据集TableBank，用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源！CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

VGG16迁移学习，实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(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在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

---

机大数据技术与机器学习工程

 搜索公众号添加： datanlp

长按图片，识别二维码