使用tensorflow object detection API 训练自己的目标检测模型 （一）labelImg的安装配置过程

上一篇博客介绍了goggle的tensorflow object detection API 的配置和使用， 这次介绍一下如何用这个API训练一个私人定制的目标检测模型。

第一步：准备自己的数据集。比如我要检测车牌。

首先用到的是labelImg软件：

先简要介绍一下labelimg安装的步骤。

下载labelImg-master文件：解压文件，如下图所示：

接下来需要安装一些python的包：我的环境是

win10

anaconda

pythonn36

需要安装的库有：lxml, pyqt5,一般anaconda会有lxml和pyqt包，下面提一下pyqt5的安装：

如果在cmd下使用pip install pyqt5, 安装会非常的慢。建议直接下载whl文件， 再通过pip安装， 速度快，

其他比较大的包也可以这样安装，但是要注意于自己的python版本对应：

下面就可以尝试打开labelImg了，打开cmd, 进入labelImg目录：

运行：

pyrcc5 -o resources.py resources.qrc命令

python labelImg.py

就可以打开labelImg了

开始给图片做标注，这里先修改一下data文件夹下的predefined_classes.txt文件，用notepad 打开：输入自己的分类类别

如下图所示，比如我要检测的车辆和车牌。

保存修改后的predefined_classes.txt文件。

再次打开labelImg, 按快捷键CTRL+R, 修改默认的输出文件的保存路径， 可以设置为自己的路径

点击open dir， 添加图片所在的路径。会有如下显示。

点击edit->create rectbox就可以进行标记了。 标记完后点击save即可， 点击next page进行下一张标记。

后面持续更新模型的训练步骤。。。。