Tensorflow object detection API 搭建属于自己的物体识别模型（1）——环境搭建与测试

最新推荐文章于 2025-02-09 07:41:22 发布
最新推荐文章于 2025-02-09 07:41:22 发布
阅读量8.3w 收藏 308
点赞数 74
文章标签： tensorflow Object Detection 物体识别 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/dy_guox/article/details/79081499
版权
本文详细介绍了如何在Windows 10环境下搭建Tensorflow Object Detection API，包括安装Python、Tensorflow、CUDA、cuDNN，下载API，配置Protobuf和PYTHONPATH，以及测试API的步骤。通过测试自带案例验证了环境配置的成功。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

 

https://blog.youkuaiyun.com/dy_guox/article/details/79111949

后续博客地址（附带视频教程）

--------------------------------------------------------------------------------------------------

 

 

最近对深度学习比较感兴趣，看了网上很多资料，尝试了一下Tensorflow object detection API，想要在自己的数据集上调用API完成识别，积累了不少经验，记录下来，以后给需要的人。

1.开发环境搭建

在自己笔记本上完成。

操作系统：windows 10  64位

内存：8G

GPU：Nvidia MX 150

Tensorflow: 1.4

(1) 安装python

建议选择 Anaconda3-5.0.1 版本，已经集成大多数库，并将其作为默认python版本（3.6.3），配置好环境变量（Anaconda安装则已经配好）

（2）安装Tensorflow

Tensorflow有CPU版本与GPU版本，首先安装CPU版本。采用pip原生安装。“开始-Anaconda3-Anaconda Prompt”调出命令行。

 


                

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        


    

      

        

            

              
                
                  dy_guox
                
              
            

            

                关注
              
            

        

        

          
      

      









                



	

		

			

				
					
论 object_detection API 环境的搭建

				
			

			

				

					weixin_42206625的博客
				

				

					07-30
					
					321
					
				

			

		

		

			
				
object_detection API 环境的搭建–>模型训练->模型导出
	object_detection API 基于 tensorflow 在自己电脑上训练自己的模型和导出模型，进行部署。
	本项目以 C:\ 为根目录
	经查阅多方资料，对相关步骤进行详细说明和记录。

一：环境搭建
基本环境描述：
- —win10
- —python3.6.3
- —tensorflow1.6
安装 Anaconda3-5.0.1-Windows-x86_64
清华镜像 https://mirror

			
		

	



                

            
              



	

		

			

				
					
爬坑之旅——Tensorflow object detection API 搭建属于自己的物体识别模型

				
			

			

				

					Leon_zm的博客
				

				

					07-15
					
					6758
					
				

			

		

		

			
				
      最近由于想需要，转战机器学习。在看了很多机器学习理论的情况下，想实战一把，于是在网上翻阅了大量的blog和GitHub之后，心中也大概有了一些眉目。

      再次先感谢前人的贡献，使他们的经验总结，才让我逐步实现我的自己的物体识别模型的搭建！现在也是相当于做一点笔记，让后面的小伙伴们如果遇到我一样的问题的时候能够有一些参考，能够快速从坑里爬出来。

一、环境搭建与测试

    ...

			
		

	



              


  
              

                


	

		

			

				
					
Java 中 TensorFlow API 详解

					
最新发布

				
			

			

				

					横竖撇折点
				

				

					02-09
					
					1052
					
				

			

		

		

			
				
嗨，大家好！今天咱们深入探讨一下 Java 中的 TensorFlow API。TensorFlow 的 Java API 提供了一系列工具和方法来帮助你在 JVM 环境中构建、训练和部署机器学习模型。下面我将详细讲解这些 API，并附上相应的示例代码。


			
		

	





	

		

			

				
					
基于谷歌开源的TensorFlow Object Detection API视频物体识别系统搭建自己的应用（一）

				
			

			

				

					gmHappy
				

				

					05-25
					
					3854
					
				

			

		

		

			
				
基于上篇安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系统，搭建自己的应用。替换官网提供的图片

			
		

	



		

			
		



	

		

			

				
					
tensorflow 物体识别

				
			

			

				

					hscoder的博客
				

				

					02-04
					
					5935
					
				

			

		

		

			
				
tensorflow推出的object detection模块，为我们做物体检测提供了极大的便利，如果还没有安装该模块，可以参照 
http://blog.youkuaiyun.com/hanshuobest/article/details/79222685 
下面的示例演示如何用已训练的模型做物体检测



import numpy as np
import os
import tensorflow as

			
		

	





	

		

			

				
					
Tensorflow实现物体识别

				
			

			

				

					mec_zhang的博客
				

				

					04-13
					
					2824
					
				

			

		

		

			
				


系统环境 Ubuntu16.04 64位 
Python 3.5 (Ubuntu默认python3版本) 
软件 PyCharm




安装PyCharm

下载压缩包，解压之  
设置快捷方式
新建PyCharm项目

下载tensorflow/models源文件

git clone https://github.com/tensorflow/models.git
安装API 
以下内容...

			
		

	





	

		

			

				
					
使用TensorFlow进行物体识别1

				
			

			

				

					08-08
				

			

		

		

			
				
hl=zh-cnHA中TensorFlow图像处理配置说明image_processing: - platform: tensorflow scan_inter

			
		

	





	

		

			

				
					
（更新视频教程）Tensorflow object detection API 搭建属于自己的物体识别模型（2）——训练并使用自己的模型

					
热门推荐

				
			

			

				

					dy_guox的博客
				

				

					01-20
					
					10万+
					
				

			

		

		

			
				
2019.06.19



Tensorflow 学习交流6群

点击链接加入群聊【Tensorflow 学习交流6群】：https://jq.qq.com/?_wv=1027&k=5bBaezq



---------------------------------------------------------------------------------------------...

			
		

	





	

		

			

				
					
Tensorflow object detection API 搭建属于自己的物体识别模型——常见问题汇总 Q&A

				
			

			

				

					dy_guox的博客
				

				

					04-28
					
					1万+
					
				

			

		

		

			
				
在上一篇博客《（更新视频教程）Tensorflow object detection API 搭建属于自己的物体识别模型（2）——训练并使用自己的模型》中，有很多读者提出各种问题，也有不少热心读者在评论区进行了讨论，为了方便读者查询及备忘，现把部分问题及解决方案更新到这个博客，不定期更新新的解决方案。

建议 Ctrl + F 在页面内搜索问题。

如果对问题有新的更好的解决方案欢迎留言。


...

			
		

	





	

		

			

				
					
Tensorflow object detection API 搭建属于自己的物体识别模型（3）——将自己的模型迁移到手机上运行

				
			

			

				

					dy_guox的博客
				

				

					05-04
					
					1万+
					
				

			

		

		

			
				
上一篇博客中介绍了如何使用Tensorflow object detection API 搭建属于自己的物体识别模型(https://blog.youkuaiyun.com/dy_guox/article/details/79111949)，由于我们的模型是基于ssd_mobilenet训练，这个模型本身是相对较为轻量级的，也可以在手机上使用，因此，这篇博客将介绍如何将Tensorflow object de...

			
		

	





	

		

			

				
					
TensorFlow物体检测

				
			

			

				

					11-13
				

			

		

		

			
				
需要环境anaconda、sublime text、TensorFlow。亲测可用

			
		

	





	

		

			

				
					
TensorFlow 之 物体检测

				
			

			

				

					04-24
				

			

		

		

			
				
NULL
博文链接：https://rensanning.iteye.com/blog/2381885

			
		

	





	

		

			

				
					
谷歌Tensorflow 物体识别模块

				
			

			

				

					04-11
				

			

		

		

			
				
从tensorflow的GitHub上扒出来的一部分代码，完整的物体识别功能，官方网张下载太慢了。

			
		

	





	

		

			

				
					
Android-tensorflow在android上实现物体识别

				
			

			

				

					08-13
				

			

		

		

			
				
tensorflow在android上实现物体识别

			
		

	





	

		

			

				
					
基于谷歌tensorflow开发的物体识别

				
			

			

				

					10-15
				

			

		

		

			
				
基于谷歌tensorflow开发的物体识别，模型用于识别识别1000种物品分类，模型格式tlite

			
		

	





	

		

			

				
					
深度学习之 物体识别 Tensorflow object detection API 训练自己的模型 完整例子

				
			

			

				

					ClarkChang的博客
				

				

					07-04
					
					7350
					
				

			

		

		

			
				
 
   记录 Tensorflow object detection API 物体识别  训练自己的模型
 
1、搭建环境
 本例子，基于win10 64位 + Anaconda环境
安装和验证(自带例子)过程中会遇到缺失包及各种版本匹配问题(公司网络有些限制)，如果想节省时间的，可以安装如下版本的
Anaconda及相关包
  1、安装Anaconda，版本建议如下
Anaconda3-5.2...

			
		

	





	

		

			

				
					
Linux下搭建Object Detection API深度学习环境

				
			

			

				

					weixin_42578915的博客
				

				

					08-16
					
					853
					
				

			

		

		

			
				
Linux下搭建Object Detection API深度学习环境
本文是作者入门期间成功搭建环境后写的总结记录，也方便自己以后浏览。
前言
朋友你好！初步进入深度学习领域，大家都可能或多或少的因环境搭建中出现的错误而焦虑，这个时候希望你沉下心来逐个解决，希望本文可以帮助到你。
本身电脑环境
Ubuntu 19.04和python3.7
查看自己的ubuntu版本发行，在终端输入命令：
得到结果...

			
		

	





	

		

			

				
					
TensorFlow物体识别——通过机器学习搭建属于自己的物体识别库

				
			

			

				

					迷途无归的博客
				

				

					06-03
					
					2万+
					
				

			

		

		

			
				
       由于每个项目需要检查的目标对象都不一定相同，一个大而全面的库固然是好多，但是如果仅仅是为了识别一个视角中的一种或少数种类的物体，庞大的库就会显得笨重，严重占用cpu资源和存储空间。       所以这就需要我们通过机器机器学习完成特殊物体的库。本次我的检测目标物体是茶杯，所以我在网上收集了大量的图标并进行了标记，然后通过机器训练生产了自己的库，最后完成物体有有效识别。        ...

			
		

	





	

		

			

				
					
利用 Tensorflow 构建自己的物体识别模型(一)

				
			

			

				

					月小水长
				

				

					12-03
					
					7933
					
				

			

		

		

			
				
本文首发于: 我的简书
安装tensorflow
利用Tensorflow训练搭建自己的物体训练模型，万里长征第一步，先安装tensorflow。
tensorflow分为cpu版和gpu版，gpu版的运行速度是cpu的50倍，但是gpu版的坑太多，要安装许多开发套件,对windows的支持不够友好；更为致命的是,它需要Nvida的中高端显卡，我的电脑系统是windows10,显卡是入门级显卡，开...

			
		

	





	

		

			

				
					
基于tensorflow object datection api搭建属于自己的物体识别模型代码

				
			

			

				

					09-21
				

			

		

		

			
				
基于TensorFlow Object Detection API搭建自己的物体识别模型的代码如下：

1. 准备工作：
   - 安装TensorFlow Object Detection API
   - 准备训练和测试数据集
   - 下载预训练的模型权重

2. 导入所需库：
   ```python
   import tensorflow as tf
   from object_detection.utils import dataset_util
   from object_detection.utils import label_map_util
   from object_detection.utils import visualization_utils as vis_util
   ```

3. 加载label map和模型：
   ```python
   PATH_TO_LABELS = 'path_to_label_map.pbtxt'
   PATH_TO_MODEL = 'path_to_pretrained_model'

   label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
   categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=90, use_display_name=True)
   category_index = label_map_util.create_category_index(categories)

   detection_graph = tf.Graph()
   with detection_graph.as_default():
       od_graph_def = tf.GraphDef()
       with tf.gfile.GFile(PATH_TO_MODEL, 'rb') as fid:
           serialized_graph = fid.read()
           od_graph_def.ParseFromString(serialized_graph)
           tf.import_graph_def(od_graph_def, name='')
   ```

4. 定义函数进行物体识别：
   ```python
   def detect_objects(image):
       with detection_graph.as_default():
           with tf.Session(graph=detection_graph) as sess:
               image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
               detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
               detection_scores = detection_graph.get_tensor_by_name('detection_scores:0')
               detection_classes = detection_graph.get_tensor_by_name('detection_classes:0')
               num_detections = detection_graph.get_tensor_by_name('num_detections:0')

               image_expanded = np.expand_dims(image, axis=0)
               (boxes, scores, classes, num) = sess.run(
                   [detection_boxes, detection_scores, detection_classes, num_detections],
                   feed_dict={image_tensor: image_expanded})

       vis_util.visualize_boxes_and_labels_on_image_array(
           image,
           np.squeeze(boxes),
           np.squeeze(classes).astype(np.int32),
           np.squeeze(scores),
           category_index,
           use_normalized_coordinates=True,
           line_thickness=8)

       return image
   ```

5. 加载测试图像并进行物体识别：
   ```python
   image = cv2.imread('test_image.jpg')
   image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
   output_image = detect_objects(image)
   cv2.imshow('Object Detection', output_image)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   ```

通过以上代码，可以使用自己的训练数据集、预训练模型权重和标签映射文件来搭建自己的物体识别模型。设置好路径并加载模型后，将待识别的图像传入`detect_objects`函数即可返回识别结果，并在图像上进行可视化展示。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 205

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值