Tensorflow object detection API(1)---環境搭建與測試
參考：
https://blog.csdn.net/dy_guox/article/details/79081499
https://blog.csdn.net/u010103202/article/details/79899293
https://blog.csdn.net/u010103202/article/details/79899293
一、開發環境搭建
作業系統：Windows7 64位
TensorFlow：1.8
python：3.5
1、下載TensorFlow object detection API
https://github.com/tensorflow/models
我們需要的目標檢測在model資料夾下的research資料夾裡
也可以直接訪問：
https://github.com/tensorflow/models/tree/master/research/object_detection
下載程式碼庫
在models程式碼庫的介面中，有下載整個程式碼庫的按鈕，如下圖紅色箭頭標註處所示：
下載完後解壓到桌面目標檢測資料夾（需要自己建立）
2.下載Protobuf
目的是將proto檔案轉成py檔案
下載Protobuf網址： https://github.com/google/protobuf/releases
下載Protobuf網址頁面如下圖所示，下圖中紅色箭頭標註處是Protobuf在作業系統Windows中可以直接執行的protoc程式，下載該壓縮檔案
protoc-3.6.1-win32.zip
將壓縮檔案protoc-3.6.1-win32.zip解壓後的bin資料夾protoc.exe複製到路徑：C:\\Windows
將object_detection\protos資料夾下的.proto檔案轉成.py
可以看到有很多proto檔案
用這段程式碼將object_detection\protos資料夾下的.proto檔案轉成.py，只需將E:\目標檢測\models-master\research\object_detection\protos/改成你的檔案路徑
1 import os 2 file_list = os.listdir(r'E:\目標檢測\models-master\research\object_detection\protos/') 3 proto_list = [file for file in file_list if '.proto' in file] 4 print('object_detection/proto資料夾中共有%d個proto檔案' %len(proto_list)) 5 for proto in proto_list: 6 execute_command = 'protoc object_detection/protos/%s --python_out=.' %proto 7 os.popen(execute_command) 8 file_list = os.listdir(r'E:\目標檢測\models-master\research\object_detection\protos/') 9 py_list = [file for file in file_list if '.py' in file] 10 print('通過protoc命令產生的py檔案共有%d個' %(len(py_list) - 1))
結果是：
object_detection/proto資料夾中共有29個proto檔案
通過protoc命令產生的py檔案共有29個
就是修改成功，你可以進入protos資料夾檢視每個proto檔案下都有一個對應的py檔案。
3、安裝model和slim
在research目錄下執行
pythonsetup.py install
在slim目錄下執行
pythonsetup.py build
pythonsetup.py install
在slim安裝時會出現
error:could not create 'build': 當檔案已存在時，無法建立該檔案。
這是因為原來clone的資料夾裡有一個BUILD檔案，將其刪除後執行上述命令安裝slim即可。
4、PYTHONPATH 環境變數設定
在 ‘此電腦’-‘屬性’- ‘高階系統設定’ -‘環境變數’-‘系統變數’ 中新建名為‘PYTHONPATH’的變數，將
models/research/ 及 models/research/slim 兩個資料夾的完整目錄新增，分號隔開。
接下來可以測試API，在 models/research/ 資料夾下執行命令列：
python object_detection/builders/model_builder_test.p
二、測試自帶案例
“開始-Anaconda3-Anaconda Prompt”調出命令列，改變工作目錄至 models\research\object_detection
然後輸入jupyter notebook，就會呼叫瀏覽器開啟當前資料夾，點開 object_detection_tutorial.ipynb，
在新標籤頁中開啟 Object Detection Demo，點選上方的 “Cell”-"Run All"，
就可以直接看到結果，最後輸出的是兩張圖片的識別結果，分別是狗，以及沙灘。第一次執行由於需要下載訓練好的模型，耗時較長。第二次之後可以將 .ipynb檔案中 Download Model 即 in[5]部分的程式碼註釋掉，以加快執行速度。
如果在notebook中執行有問題，可以將.ipynb中in[]的程式碼複製到.py中，然後在 開始-Anaconda3-spyder 中執行。
至此Tensorflow object detection API 的環境搭建與測試工作完成。