熟悉TensorFlow的人都知道，tf在Github上的主頁是：tensorflow，然後這個主頁下又有兩個比較重要的repo（看star數就知道了），分別是TensorFlow的原始碼repo：tensorflow/tensorflow，還有一個tensorflow/models。後者tensorflow/models是Google官方用TensorFlow做的各種各樣的模型，相當於示例程式碼，比如用於影象分類的Slim，深度文字OCR，以及用於NLP任務的句法分析模型syntaxnet，Seq2Seq with Attention等等等等。這次公佈的Object Detection API同樣是放在了tensorflow/models裡。

再來說下這次公佈的程式碼的實現方式。首先，對於目標檢測這個任務來說，前面必須有一個像樣的ImageNet影象分類模型來充當所謂的特徵提取（Feature Extraction）層，比如VGG16、ResNet等網路結構。TensorFlow官方實現這些網路結構的專案是TensorFlow Slim，而這次公佈的Object Detection API正是基於Slim的。Slim這個庫公佈的時間較早，不僅收錄了AlexNet、VGG16、VGG19、Inception、ResNet這些比較經典的耳熟能詳的卷積網路模型，還有Google自己搞的Inception-Resnet，MobileNet等。我們在TensorFlow Object Detection API的官方安裝指南（地址：tensorflow/models）中，可以看到這樣一句程式碼：
From tensorflow/models/
export PYTHONPATH=$PYTHONPATH:pwd

很顯然，這就是欽點用Slim作特徵抽取了。另外，以Faster RCNN為例，之前在github上，可以找到各種各樣非官方的TensorFlow實現，但是這些實現使用的特徵抽取層都不是Slim，而是五花八門的什麼都有，另外一方面實現程式碼大量copy自原始的caffe的實現：rbgirshick/py-faster-rcnn，這次公佈的程式碼裡已經一點也找不到原始caffe實現的痕跡了。最後，原來非官方的Object Detection實現的質量參差不齊，去年我調過一個Faster RCNN，過程比較痛苦，在執行之前瘋狂debug了三天才勉強跑了起來。這次Google官方公佈的Object Detection API別的不說，程式碼質量肯定是過的去的，因此以後應該不會有人再造TensorFlow下Faster RCNN、R-FCN、SSD的輪子了。

說完了程式碼，再簡單來說下公佈的模型。主要公佈了5個在COCO上訓練的網路。網路結構分別是SSD+MobileNet、SSD+Inception、R-FCN+ResNet101、Faster RCNN+ResNet101、Faster RCNN+Inception_ResNet。後期應該還會有更多的模型加入進來。

————————————–分割線——————————————————————
最後，給新手朋友提供一個可以跑出官方Demo效果的小教程，非常簡單，用5分鐘的時間就可以跑一遍感受一下，只要安裝了TensorFlow就可以，有沒有GPU都無所謂。1. 安裝或升級protoc首先需要安裝或升級protoc，不然在後面會無法編譯。安裝/升級的方法是去protobuf的Release介面：google/protobuf，下載對應的已經編譯好的protoc。

比如我是64位的ubuntu，那麼就下載protoc-3.3.0-linux-x86_64.zip。下載解壓後會有一個protoc二進位制檔案，覆蓋到對應目錄即可（如果不放心的可以用cp /usr/bin/protoc ~/protoc_bak先備份一下）：
sudo cp bin/protoc /usr/bin/protoc
2. 下載程式碼並編譯下載tensorflow/models的程式碼：
git clone https://github.com/tensorflow/models.git
進入到models資料夾，編譯Object Detection API的程式碼：# From tensorflow/models/
protoc object_detection/protos/*.proto –python_out=.
3. 執行notebook demo在models資料夾下執行：jupyter-notebook
訪問資料夾object_detection，執行object_detection_tutorial.ipynb：

依次shift+enter執行到底就行了。這個Demo會自動下載並執行最小最快的模型ssd+mobilenet。

最後的檢測效果，一張是汪星人圖片：

debug 時可能出現的問題：
1當執行“ protoc object_detection/protos/*.proto –python_out=.”,

出現 No such File or directory
解決方法：檢視自己的路徑是否完全按照tensorflow/model/research/object-detction/protocs 進行轉換的。
2 ImportError: cannot import name _imaging
重新 install Pillow 下：
conda install pillow