金子邦彦研究室 ▶ 人工知能 ▶ Windows でのインストールと動作確認（人工知能関係） ▶ matterport/Mask_RCNN のインストールと動作確認（Mask RCNN によるインスタンス・セグメンテーション）（Python 3.7，TensorFlow 1.15.5, Keras 2.3.1 を使用）（Windows 上）

サイトマップ サイト内検索 まとめ

サイトの全体構成

matterport/Mask_RCNN のインストールと動作確認（Mask RCNN によるインスタンス・セグメンテーション）（Python 3.7，TensorFlow 1.15.5, Keras 2.3.1 を使用）（Windows 上）

全体構成 人工知能 ３次元，地図 プログラミング 情報工学全般 インストール 支援 連絡先，業績
Mask RCNN を用いた画像の物体認識．

手順の要点: 前準備として，NVIDIA CUDA 10.0, NVIDIA cuDNN 7.6.5, Python 3.7, TensorFlow 1.15.5 等をインストール．

ソフトウェア等の利用条件等は，利用者で確認すること．

謝辞：ソフトウェアの作者に感謝します．

前準備

Git のインストール

Python 3.7 64 ビット版のインストール，pip と setuptools の更新，Python 開発環境のインストール（Windows 上）

① Python 3.7 64 ビット版のインストール（Windows 上）

【Python のインストールでの注意点】

【Python 3.7 のインストール手順の詳細（別ページ） 】

Windows での Python 3.7 のインストール: 別ページ »で説明

【Python の公式ページ】

https://www.python.org/

【インストール手順の概要】

  1. Python の URL を開く

    URL: https://www.python.org

  2. Windows 版の Python 3.7 をダウンロード

    ページの上の方にある「Downloads」をクリック，「Downloads」の下にメニューが出るので，その中の「Windows」をクリック．

    そして，Python 3.7.x (x は数字）を探す．

    そして，Windows の 64ビット版のインストーラをダウンロードしたいので，「Windows x86-64 executable installer」を選ぶ

    [image]
  3. インストール時の設定
    1. いまダウンロードした .exe ファイルを右クリック， 右クリックメニューで「管理者として実行」を選ぶ．

      [image]
    2. Python ランチャーをインストールするために，「Install launcher for all users (recommended)」をチェック．

      ※ すでに Python ランチャーをインストール済みのときは， 「Install launcher for all users (recommended)」がチェックできないようになっている場合がある．そのときは，チェックせずに進む．

    3. 「Add Python 3.7 to PATH」をチェック.

      [image]
    4. 「Customize installation」をクリック．

      [image]
    5. オプションの機能 (Optional Features)は，既定（デフォルト）のままでよい． 「Next」をクリック

      [image]
    6. 「Install for all users」を選ぶ．

      Python のインストールディレクトリは，「C:\Program Files\Python37」のように自動設定されることを確認．

      「Install」をクリック

      [image]
    7. 「Disable path length limit」が表示される場合がある．クリックして，パス長の制限を解除する

      [image]
    8. インストールが終了したら，「Close」をクリック
  4. インストールのあと，Windows のスタートメニューに「Python 3.7」が増えていることを確認．
  5. システムの環境変数 Path の確認のため，新しくコマンドプロンプトを開き，次のコマンドを実行する．

    py とpip にパスが通っていることの確認である． 

    where py
where pip

    where py では「C:\Windows\py.exe」 が表示され， where pip では「C:\Program Files\Python37\scripts\pip.exe」 が表示されることを確認．

    [image]

② pip と setuptools の更新（Windows 上）

  1. Windows で，コマンドプロンプトを管理者として実行

    Windows で pip を実行するときは，コマンドプロンプトを管理者として開き，それを使って pip を実行することにする．

    コマンドプロンプトを管理者として実行: 別ページ »で説明

  2. 次のコマンドを実行する

    Python の使用は「py -3.7」で行う． 

    py -3.7 -m pip install -U pip setuptools

    [image]

③ Python 開発環境として，Python の隔離された環境に，Python コンソール（Jupyter Qt Console）, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract をインストール

  1. Windows で，コマンドプロンプトを管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

  2. venv を用いて，Python の隔離された環境を作成

    次のコマンドを実行する 

    py -3.7 -m pip install -U pip setuptools
py -3.7 -m venv C:\venv\py37
  3. Python の隔離された環境の使用開始と，Python 開発環境のインストール

    次のコマンドを実行する

    Python の使用は「C:\venv\py37\scripts\activate.bat」の後，「python」で行う． 

    C:\venv\py37\scripts\activate.bat
python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter PySide6

Visual Studio Community 2017，NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストール（Windows 上）

Windows での Visual Studio Community 2017，NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストール: 別ページ »で説明

インストール

  1. Windows で，コマンドプロンプトを管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

  2. matterport/Mask_RCNN のインストール 

    cd %HOMEPATH%
rmdir /s /q Mask_RCNN
git clone https://github.com/matterport/Mask_RCNN
cd Mask_RCNN
C:\venv\py37\scripts\activate.bat
python -m pip install -r requirements.txt
python -m pip uninstall tensorflow tensorflow-gpu tensorflow-intel keras tensorboard tensorflow-estimator
python -m pip install tensorflow-gpu==1.15.5 keras==2.3.1 pycocotools
python setup.py build
python setup.py install

Mask RCNN によるインスタンス・セグメンテーションを動かしてみる

Python コンソールで，SSD.ipynb に記載のコマンドを実行しながら結果を確認したい．結果は，画像などでプロットされる場合がある．

Windows での手順を下に示す．Ubuntu でも同様の手順になる．

  1. Windows で，コマンドプロンプトを実行．
  2. カレントディレクトリ 

    cd %HOMEPATH%\Mask_RCNN

    [image]
  3. jupyter qtconsole の起動

    これ以降の操作は，jupyter qtconsole で行う． 

    C:\venv\py37\scripts\activate.bat
jupyter qtconsole
  4. ROOT_DIR の設定

    エラーメッセージが出ないことを確認 

    import os
ROOT_DIR = os.environ['HOMEPATH'] + '\\Mask_RCNN'

    [image]
  5. 前準備

    前準備 として、mask_rcnn_coco.h5 のダウンロードなどを行う 

    import os
import sys
import random
import math
import numpy as np
import skimage.io
import matplotlib
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
import imgaug

# Import Mask RCNN
sys.path.append(ROOT_DIR)  # To find local version of the library
from mrcnn import utils
import mrcnn.model as modellib
from mrcnn import visualize
# Import COCO config
sys.path.append(os.path.join(ROOT_DIR, "samples/coco/"))  # To find local version


# Directory to save logs and trained model
MODEL_DIR = os.path.join(ROOT_DIR, "logs")

# Local path to trained weights file
COCO_MODEL_PATH = os.path.join(ROOT_DIR, "mask_rcnn_coco.h5")
# Download COCO trained weights from Releases if needed
if not os.path.exists(COCO_MODEL_PATH):
    utils.download_trained_weights(COCO_MODEL_PATH)

# Directory of images to run detection on
IMAGE_DIR = os.path.join(ROOT_DIR, "images")

    [image]
  6. 設定 
    import coco
class InferenceConfig(coco.CocoConfig):
    # Set batch size to 1 since we'll be running inference on
    # one image at a time. Batch size = GPU_COUNT * IMAGES_PER_GPU
    GPU_COUNT = 1
    IMAGES_PER_GPU = 1

config = InferenceConfig()
config.display()

    [image]
  7. 学習済みデータのロード 
    # Create model object in inference mode.
model = modellib.MaskRCNN(mode="inference", model_dir=MODEL_DIR, config=config)

# Load weights trained on MS-COCO
model.load_weights(COCO_MODEL_PATH, by_name=True)

    [image]
  8. クラス名の設定 
    # COCO Class names
# Index of the class in the list is its ID. For example, to get ID of
# the teddy bear class, use: class_names.index('teddy bear')
class_names = ['BG', 'person', 'bicycle', 'car', 'motorcycle', 'airplane',
               'bus', 'train', 'truck', 'boat', 'traffic light',
               'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird',
               'cat', 'dog', 'horse', 'sheep', 'cow', 'elephant', 'bear',
               'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie',
               'suitcase', 'frisbee', 'skis', 'snowboard', 'sports ball',
               'kite', 'baseball bat', 'baseball glove', 'skateboard',
               'surfboard', 'tennis racket', 'bottle', 'wine glass', 'cup',
               'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple',
               'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza',
               'donut', 'cake', 'chair', 'couch', 'potted plant', 'bed',
               'dining table', 'toilet', 'tv', 'laptop', 'mouse', 'remote',
               'keyboard', 'cell phone', 'microwave', 'oven', 'toaster',
               'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors',
               'teddy bear', 'hair drier', 'toothbrush']

    [image]
  9. 画像からのオブジェクト検出 
    # Load a random image from the images folder
file_names = next(os.walk(IMAGE_DIR))[2]
image = skimage.io.imread(os.path.join(IMAGE_DIR, random.choice(file_names)))

# Run detection
results = model.detect([image], verbose=1)

# Visualize results
%matplotlib inline 
r = results[0]
visualize.display_instances(image, r['rois'], r['masks'], r['class_ids'], 
                            class_names, r['scores'])

    実際の動作画面

    画像はランダムで選択されるので、違う画像が表示されても問題なし

    [image]

本サイトは金子邦彦研究室のWebページである．

資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには， 「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページ »で説明 再配布や資料改変の際には，そのページをご確認ください．

サイトマップは，サイトマップのページをご覧下さい． 本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先： 金子邦彦（かねこ くにひこ） [image]