本文介绍了Mask Rcnn目标分割算法如何训练自己数据集，对训练所需的文件以及训练代码进行详细的说明。

官方提供了coco数据集和balloon数据集两种，可以基于以上数据集进行训练，也可以基于自己采集的数据集进行训练，下面将对两种不同方式进行详细的介绍。

使用balloon气球数据集训练（使用coco数据集步骤相同）

下一篇博文介绍如何训练自己采集的数据集

1、balloon气球训练数据集

数据集和权重文件mask_rcnn_balloon.h5在我的github里，可以直接下载（后续附上，现在有需要可以直接留言，我发你）

balloon气球训练数据集中包含图片和对应标签，无需我们再去制作标签，训练步骤比较简单

2、测试

首先测试用已有的mask_rcnn_balloon.h5权重测试检测代码能否正常运行

（1）ballon.py文件的修改：

把–dataset、–weights、–logs路径替换成自己的。

（2）之前以为在这里设置好了参数，就可以直接运行，但是每次运行时还是报错没有参数，所以最后还是只能在pycharm参数里添加这些参数，点击运行旁边的向下箭头选择Edit Configuratios

在Parameters这里输入程序运行的相关参数：

我这里输入的是：

splash

--weights="D:/2021file/Biye/Mask_RCNN-master/samples/balloon//mask_rcnn_balloon.h5"

--image="D:/2021file/Biye/Mask_RCNN-master/samples/balloon/val/24631331976_defa3bb61f_k.jpg"

分别对应：测试、权重文件、测试图片路径

（3）顺利的话就能看到结果了

原图：

分割结果： 

3、训练

（1）下载的balloon_dataset.zip：气球数据集下载后，解压放到当前项目中（放到samples/中，代码里面我都放的绝对路径，所以解压到哪其实都可以），该数据集文件下分为train、val两个文件夹。

每个文件下包含图片和对应的标签文件.json

（2）然后修改balloon.py对应的参数，

train

--dataset="D:/2021file/Biye/Mask_RCNN-master/samples/balloon/"

--weights="D:/2021file/Biye/Mask_RCNN-master/samples/balloon//mask_rcnn_balloon.h5"

分别对应：训练、数据集路径、权重文件

（3）点击运行就开始训练了

我这有很多警告，不过不影响程序运行，我就没管了

每轮的训练参数会保存到logs文件中

（4）使用tensorboard查看训练过程
tensorboard --logdir="D:/2021file/Biye/Mask_RCNN-master/logs/balloon20220415T1019"

=后面输入自己保存的文件夹名称

运行后在浏览器打开下面地址：（有时候运行框给我的地址是http://ComputerDing:6006，并不可用，所以我直接手动进入下面地址 ）

http://localhost:6006/

（5）训练好后按照本文2中的测试方法进行测试即可，注意将代码中的权重路径修改为对应训练logs中的路径