我的AI之路(18)--Tensorflow的模型安装之object_detection

       https://github.com/tensorflow/models下有不少各种用途的模型用于图片、语音、视频等方面的处理，这里以现在不少公司都使用来做对象检测或目标识别的object_detection为例来说明模型的安装和使用过程。

       如果你不嫌慢，可以使用clone 或checkout https://github.com/tensorflow/models.git来下载源码，不过我一般喜欢下载zip文件然后到本地解压展开，这样比使用git逐个获取多个源码文件快多了，下载的链接是https://github.com/tensorflow/models/archive/master.zip，这个大压缩包里包含了所有的模型的源码。

    如果你已经安装好了Tensorflow环境并且测试了Tensorflow能正确运行，那么把模型使用起来是比较简单的，对于object_detection模型的安装过程，如果你是在linux上安装的话，按照https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md里说的做就行了，前面部分说的依赖库，在安装Tensorflow时应该都已经安装解决不用看，对于COCO API，如果你需要用到就按照里面的说明去安装，不需要用到就可以略过，后面需要时再回头安装。

      不过为了方便和我安装的Windows版OpenCV的目标检测对照效果，我是直接在Windows下也安装了Tensorflow，然后在Windows下使用object_detection，下载完上面说的Tensorflow的模型文件包master.zip后，我展开到了路径D:\AI\tensorflow\models下。  

      然后从https://github.com/protocolbuffers/protobuf/releases/这里下载个最新版3.6.1版的编译好了的Windows版本的protoc文件压缩包protoc-3.6.1-win32.zip 到本地D:\AI\tensorflow\protoc-3.6.1-win32后解压后把D:\AI\tensorflow\protoc-3.6.1-win32\bin加入到path路径

   set PATH=D:\AI\tensorflow\protoc-3.6.1-win32\bin;%PATH%

然后cd D:\AI\tensorflow\models\research\object_detection\protos，再对protos目录下的每个文件执行类似如下命令由.proto文件生成对应的.py文件，这里比较恶心的是高版本的protoc不支持文件通配符*了，只能指定具体的完整的文件名，这点很恼火，不知道为何要这么倒退，以前比较老的版本的protoc是支持通配符一次处理多个文件的：

    

...

然后设置PYTHONPATH环境变量：

然后回到上层目录：cd D:\AI\tensorflow\models\research，再执行 

python object_detection/builders/model_builder_test.py

这就准备好object_detection模型了，下面跑个例子试试，执行：jupyter notebook 以启动jupyter notebook:

在弹出的浏览器页面中的列表里点击object_detection进入:

然后点击object_detection_tutorial.ipynb文件:

在进入的页面中连续点击run按钮单步执行里面的python脚本块直至最后：

然后等一会儿，会出现两张图片和目标识别结果：

 

OK，这说明object_detection模型完全可以正确使用了。

 

我的AI之路(1)--前言

我的AI之路(2)--安装Fedora 28

我的AI之路(3)--安装Anaconda3 和Caffe

我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

我的AI之路(6)--在Anaconda3 下安装PyTorch

我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

我的AI之路(9)--使用scikit-learn

我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

我的AI之路(14)--Caffe example：使用MNIST数据集训练和测试LeNet-5模型

我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

我的AI之路(17)--Tensorflow和Caffe的API及Guide

我的AI之路(18)--Tensorflow的模型安装之object_detection

我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

我的AI之路(22)--使用Object_Detection_Tensorflow_API

我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow