开发环境为Ubuntu16.04，python3。（之前在windows环境下实验，在跑inspect_data.ipynb程序时会出现程序崩溃情况，最终调试发现是因为coco api安装的问题，没有解决，所以转到Ubuntu16.04下进行实验，才跑通）
一、安装
1、从GitHub上克隆代码：手动下载地址点这里
git clone https://github.com/matterport/Mask_RCNN.git如果提示没有安装git，那么先安装git工具
sudo apt install git2、进入到Mask RCNN根目录下，安装Mask RCNN所需依赖项：
在anaconda终端输入：
pip3 install -r requirements.txt如果提示没有安装pip3，则先安装pip3，然后升级到最新版本
sudo apt install python3-pip升级到最新版本：
pip3 install --upgrade pip3、在Mask RCNN根目录下运行setup.py文件
python3 setup.py install4、 安装微软COCO tools(有两种情况：Linux开发环境下，Windows开发环境下)：
（1） Linux环境下：
下载coco API，进入到PythonAPI目录下，修改Makefile文件，将python改为python3，然后编译，安装包
make all
make install（2）Windows环境下（注意：python环境要求是python3）：
下载coco API，在anaconda终端下执行命令：
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI另外还需要Visual C++ 2015编译工具的支持，下载并选择默认值安装（如果之前安装了VS 2015会有冲突，需要先将VS 2015卸载掉）。
4、下载预训练好的COCO权重模型（mask_rcnn_coco.h5）到Mask RCNN根目录下
二、实验Mask RCNN前向传播过程
1、anaconda终端下进入到Mask RCNN根目录下，然后打开jupyter notebook
2、打开samples目录下demo.ipynb文件，然后运行结果如下
三 、训练Mask RCNN在自己的数据集上
Mask RCNN提供了一个程序示例train_shapes.ipynb(Mask RCNN/samples/shapes)，它训练由程序运行时产生的一个shapes数据集（包含正方形、三角形、圆形），并测试训练结果。
用jupyter notebook打开该文件，一步一步运行即可看到训练过程。
四、审查和可视化数据加载和预处理过程
用jupyter notebook打开inspect_data.ipynb(/samples/coco/)
直接运行出错：提示No such file or directory: 'path to COCO dataset/annotations/instances_train2014.json'原因是找不到coco数据集，需要从官网下载coco数据集，从源程序可知缺少的是2014 annotation train数据集，下载后解压。然后修改程序修改coco数据集的路径（这里我把数据集放到了该文件所在目录）
COCO_DIR = "./" # TODO: enter value here继续运行到load and display images and masks这一步出错，提示找不到coco_train2014文件，需要下载coco train2014数据集。下载好后解压到刚才修改的coco数据集路径下
继续一步一步运行，成功。
五、测试、调试和评估Mask R-CNN模型
Mask RCNN也提供了一个程序示例inspect_model.ipynb(samples/coco/)，可以一步一步地可视化Mask RCNN模型的各个组成部分。
首先修改COCO数据集的路径：
COCO_DIR = "./" # TODO: enter value here然后下载minival数据集，解压后放到samples/coco/annotations/下，
