提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

1. 采用了mask rcnn的方法进行了气球的语义分割测试。

---

提示：以下是本篇文章正文内容，下面案例可供参考

2.本机采用了tensorflow=2.2 tensorflow_gpu=2.2 cuda=10.1

3. 开始下载相关源码
   源码地址：https://github.com/matterport/Mask_RCNN

4. 安装相应的包
   pip3 install -r requirements.txt

5. 如果pip下载速度太慢采用清华镜像下载
   安装tensorflow时，如果使用直接安装速度相对较慢，采取清华大学的镜像会提高速度。
   GPU版本：
   pip install tensorflow-gpu==2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
   或

pip install tensorflow==2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

注明：tensorflow2.2， 后面的数字是任意一个你想安装的tensorflow版本

6. 将源码和电脑进行一波绑定
   python3 setup.py install

7. 下载预训练权重（mask_rcnn_coco.h5）放到mask_rcnn-master/文件夹下

8. 下载coco的接口，安装好了，放到sample/coco/文件夹下
   https://github.com/philferriere/cocoapi

9. 下载气球的预训练权重，可以在release里面找到，放到sample/balloon/下面

10. 用pycharm打开sample/balloon/balloon.py

11. 设置路径： 训练就设置另一个路径
    

12.点击run，生成权重

13.将权重改名，放到mask_rcnn-master下面新建的weights文件夹下。然后路径改成上图所示。

14.在sample/balloon/x下面找到生成的测试结果。

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。