简单介绍
第一个目标检测例子
- 实验环境
- 代码下载
- 安装相关依赖
- 编译Protobuf
- Run起来
- 简单分析
- 参考
简单介绍
TensorFlow Object Detection API是一个基于Tensorflow之上的开源框架，它使得构建、训练和部署目标检测模型变得更加容易。这是一个google的项目，对于计算机视觉研究有很大的帮助。
项目的github地址是：
https://github.com/tensorflow/models/tree/master/research/object_detection 下图是github主页上的一个效果图：
第一个目标检测例子
实验环境
- Win 10 64位
- TensorFlow 1.12.0
代码下载
整个代码的工程地址是：https://github.com/tensorflow/models/ 整个工程还包括很多其他的模块，不光有目标检测。 两种方式下载：
- 使用Github客户端用命令行方式下载，如下图：
- 直接在代码仓库页面下面压缩包，如下图：
安装相关依赖
- protobuf （具体干什么的自己去百度吧 ? ） 这里使用3.4.0版本，下载地址为：https://github.com/protocolbuffers/protobuf/releases/tag/v3.4.0 由于笔者的实验环境是win10，因此下载了windows版本
- 这里笔者是使用直接下载安装包再解压到固定目录的方式（git clone实在太慢 ? ），笔者目录结构如下：
- 另外还需要安装一些python包的库，包括下面这些：
pip install cython contextlib2 pillow lxml jupyter matplotlib
编译Protobuf
由于TensorFlow Object Detection API使用Protobufs来配置模型和训练参数（和caffe一样？），因此需要先编译一下，最简单的方式是把protoc-3.4.0-win32\bin\protoc.exe拷贝到models-master\research\目录下面（也就是让protoc.exe和object_detection同级），然后打开cmd命令行，切换models-master\research\目录，执行下面命令：
protoc.exe object_detection/protos/*.proto --python_out=.
如果有错误就是路径没设置正确！（此外，尽量使用v3.4版本，其他版本可能出错 ? ）
Run起来
cmd切换object_detection目录，然后执行：
jupyter notebook
默认浏览器会打开jupyter notebook目录，如下图：
打开object_detection_tutorial.ipynb文件：
打开以后直接Cell→Run All看效果吧：
最后会得到下面两个目标检测的结果：
简单分析
- 上面的代码下载使用了pre-trained模型：
MODEL_NAME = ‘ssd_mobilenet_v1_coco_2017_11_17’ MODEL_FILE = MODEL_NAME + ‘.tar.gz’ DOWNLOAD_BASE = ‘http://download.tensorflow.org/models/object_detection/’完整的模型路径是：http://download.tensorflow.org/models/object_detection/ssd_mobilenet_v1_coco_2017_11_17.tar.gz
- 测试图片在目录test_images下，有两张，分别叫image1.jpg和image2.jpg。
参考
- https://github.com/tensorflow/models/tree/master/research/object_detection
- https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md
