Mask RCNN 顯微鏡下細胞檢測示例測試
參考連結：
https://blog.csdn.net/l297969586/article/details/79140840/
https://cloud.tencent.com/developer/news/189753
1、首先參考細胞檢測對應連結：https://github.com/matterport/Mask_RCNN/tree/master/samples/nucleus
2、在path目錄下新建資料夾cell，在cell目錄下新建資料夾weights
3、下載資料集
官方下載地址：https://www.kaggle.com/c/data-science-bowl-2018/data
百度網盤地址：https://pan.baidu.com/s/1KaLW7wfGw6Q7Q47N4zCbgw
下載後將所有檔案解壓放在cell資料夾下，裡面的CSV檔案可以全部刪除
4、修改引數：
#每次迭代GPU上訓練的圖片數量，可以根據自己視訊記憶體大小來設定，一般1個大點的GPU設定2個就可以了，如果配置差點就設定為1吧，不然按照預設的6會出記憶體溢位的錯誤
IMAGES_PER_GPU = 2
5、開始訓練及測試
方式1：使用train資料集（stage1_train減去驗證集）從ImageNet權重開始訓練新模型
新增命令列引數：
train --dataset=../../path/cell-- subset=train --weights=imagenet
方式2：使用完整stage1_train資料集從特定權重檔案開始訓練新模型
該方式是使用之前沒訓練完的權重檔案
複製/home/ubuntu/.keras/models/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5
到目錄/path/cell/weights下，並修改resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5為weights.h5
新增命令列引數：
train --dataset=../../path/cell --subset=stage1_train --weights="../../path/cell/weights/weights.h5"
方式3：繼續訓練您之前訓練過的模型
新增命令列引數：
train --dataset=../../path/cell --subset=train --weights=last
6、開始測試
新增命令列引數：
detect --dataset=../../path/cell --subset=stage1_test --weights=last
7、貼幾張最後檢測的結果圖
