四、模型测试

　1）下载文件

　　在已经阅读并且实践过前3篇文章的情况下，读者会有一些文件夹。因为每个读者的实际操作不同，则文件夹中的内容不同。为了保持本篇文章的独立性，制作了可以独立运行的文件夹目标检测。

　　链接：https://pan.baidu.com/s/1tHOfRJ6zV7lVEcRPJMiWaw 提取码：mf9r，下载到桌面，并解压，目标检测目录下存在：nets、object_detection、training三个文件夹，文件夹training中含有训练了200000次的模型

　　要求：读者需要用本文中的文件夹object_detection替换自己的文件夹object_detection

　　

　2）导出训练好的模型

　　在目标检测目录下，打开dos窗口，cmd中运行命令：setx -m PYTHONPATH "C:\Users\Administrator\Desktop\目标检测"

　　运行成功会有提示成功: 指定的值已得到保存

　　然后，在cmd中运行：

python object_detection/export_inference_graph.py --input_type=image_tensor --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --trained_checkpoint_prefix=training/model.ckpt-200000 --output_directory=fish_inference_graph

　　在桌面的文件夹目标检测中产生了文件夹fish_inference_graph

 

　3）下载测试数据

　　下载地址：https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取码: wib3

 

　4）下载并运行测试代码

　　链接: https://pan.baidu.com/s/1ipn9u-Gj4bVmXpIHlxMgCw 提取码: dqd1

　　并将该文件：fish_detection.ipynb移动到目标检测文件夹下，打开dos窗口后输入jupyter notebook，然后运行

　　文件夹n01440764中共有1300张图片，测试图片是随机选的10张图片

Tensorflow object detection API 搭建物体识别模型（四）

Tensorflow object detection API 搭建物体识别模型（四）

 

五、感谢

　该Tensorflow object detection API 搭建物体识别模型（一），（二），（三），（四）参考了简书：https://www.jianshu.com/p/0e5f9df4686a，感谢作者的详细步骤，其认真负责的态度值得学习。