TensorFlow object detection API应用--配置

目标检测在图形识别的基础上有了更进一步的应用，但是代码也更加繁琐，TensorFlow专门为此开设了一个object detection API，接下来看看怎么使用它。

object detection API 配置

首先，能到目标检测了应该至少已经安装好了TensorFlow及其相关依赖。这里主要讲在TensorFlow可以正常使用的基础上目标检测API的配置。

（1）下载TensorFlow object detection API

　　去TensorFlow github上下载整个models到本地目录（避免中文），解压。

（2）protobuf安装与配置

　　首先看看电脑是否安装了protobuf，可在终端试下：

➜  ~ protoc --version
libprotoc 3.6.1  # 有输出说明已经安装

如果没有安装，先去protobuf github下载安装包，我选择的版本是protobuf-all-3.6.1.tar.gz。Linux安装方法如下：

　　a、解压，编译，安装

#tar -xf  protobuf-all-3.6..tar.gz
#cd protobuf-3.6.
#./configure
#make
#make check
#make install

　　b、安装protobuf的python 模块（不需要python调用的可以不用）

#cd ./python
#python setup.py build
#python setup.py test
#python setup.py install

　　我原先在python模块了安装过了，用 pip install protobuf，但两个版本要一致。

　　c、验证是否安装成功

#protoc --version

#python
>>>import google.protobuf

　　没有报错，说明安装成功

下面进行protobuf的配置，终端进入models\research\目录，输入：

➜  ~ $ cd tensorflow/models/research
➜  research $ protoc object_detection/protos/*.proto --python_out=.

会将protos下所有的proto文件转换为一个对应的Python文件。

（3）添加环境变量PYTHONPATH

tensorflow/models/research/ 和 slim 目录 需要添加到PYTHONPATH环境变量中. 从终端中，切换到tensorflow/models/research/目录，执行:

# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

注意: 这条命令在新打开的终端中需要重新执行一次才会在新终端中生效，如果不想那么麻烦，就在 ~/.bashrc或者~/.zshrc (具体看用的是bash还是zsh)文件上把上面的语句添加到末尾，注意把pwd改成绝对路径。

（4）测试

得到OK，说明安装成功

python object_detection/builders/model_builder_test.py

（5）接下来，跑一个demo，你可以在这个路径下运行jupyter notebook，然后打开/object_detection/object_detection_tutorial.ipynb

注意，下面这个demo里第４步是从网络中下载预训练模型文件，若执行的时候速度很慢，可以单独去下载这个模型文件，然后解压到相应目录，确保存在object_detection/ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb 文件，然后屏蔽到代码中下载指令，如图所示，把Download Model代码块设置MarkDown或直接注释掉也可以。

接下就一步步执行里面的代码，看看最后的结果是否能检测出图片中的object。