一、开发环境

 1)python3.5

 2)tensorflow1.12.0

 3)Tensorflow object detection API :https://github.com/tensorflow/models下载到本地,解压

  我们需要的目标检测代码在models-research文件中:

Tensorflow object detection API 搭建物体识别模型(一)

 

  其中object_detection中的README.md记录了API的使用指导:

Tensorflow object detection API 搭建物体识别模型(一)

  注意:models包含了众多的模块,可以根据需要选择下载,也可以将整个models一块儿下载,大概420M

 4)Protobuf 安装与配置

  Protobuf(Google Protocol Buffers)是GG开发的的一套用于数据存储,网络通信时用于协议编解码的工具库。和XML,Json数据差不多,把数据按某种形式保存起来。相对与XML和Json的不同之处,它是一种二进制的数据格式,具有更高的传输,打包和解包效率。

  在https://github.com/google/protobuf/releases 网站中选择windows 版本,解压后将bin文件夹中的【protoc.exe】放到models中的research目录下,执行下面的代码,将object_detection/protos下的.proto文件转换成.py文件

'''
需要到protoc所在的目录下执行protoc
protoc object_detection/protos/*.proto --python_out=./
'''

import os
os.chdir( 'models-master/research' )

for each in os.listdir( 'object_detection/protos' ):
    if each.endswith('proto'):
        os.system('protoc object_detection/protos/%s --python_out=.' % each)

Tensorflow object detection API 搭建物体识别模型(一)

 5)jupyter notebook下运行实例

  在object_detection那输入cmd命令,然后运行jupyter notebook

Tensorflow object detection API 搭建物体识别模型(一)

Tensorflow object detection API 搭建物体识别模型(一)

 

  打开如下文件,然后依次点击Cell->Run All

Tensorflow object detection API 搭建物体识别模型(一)

 6)demo结果

  如果代码成功运行的话,运行结果如下图所示:

Tensorflow object detection API 搭建物体识别模型(一)

 

 下一步我们可以在此基础上对代码进行适当的修改,可以用已有的模型来检测自己的图片,甚至视频,并输出结果。

 接着请读者参考:Tensorflow object detection API 搭建物体识别模型(二)