在安装并使用tensorflow中的Object-detection模块时遇到的一些问题汇总及解决方法

前言:

     由于一些业务上的原因,需要做目标检测相关的部分。本来的想法是做特征值提取然后模式匹配,然后发现需要检测的目标种类比较多特征值也不太好提取。后来发现了一个名叫YOLO的用来目标检测的神经网络(https://pjreddie.com/darknet/yolo/)。效果非常好,但是似乎使用起来比较麻烦……和我目前用的开发环境不太相符,另外那台机器被我丢在学校了,所以放弃了。

     但是相应的,我的目光开始转向机器学习方面,比如tensorflow的目标检测模块,google为windows,macOS,Linux提供了api以及很丰富的资料(虽然官网的自疗非常混乱,但是依然可以发现一些有用的)。但是由于我选择的是windows开发环境,所以在面对前几个版本还不支持windows的tensorflow的时候有些力不从心,在调试配置运行demo的过程中遇到了很多问题,消耗了相当多的时间,仅此记录以为后人前鉴,也算是一份笔记,方便以后重新配置时查看。

·0——官方教程

    可以在这里看到一份官方的配置环境并测试的教程。这份教程也在

### TensorFlow Object Detection API安装方法 #### 准备工作 为了顺利安装 TensorFlow Object Detection API,需先确认环境配置满足需求。通常推荐使用虚拟环境来隔离依赖项[^1]。 #### 安装步骤 以下是基于 Ubuntu 18.04 平台的安装指南: 1. **克隆 TensorFlow Models 存储库** 需要从 GitHub 上获取官方存储库中的 `object_detection` 文件夹。 ```bash git clone https://github.com/tensorflow/models.git cd models/research/ ``` 2. **编译 Protobufs** 使用 Protocol Buffers 编译器 (`protoc`) 将 `.proto` 文件转换为 Python 可读文件。 ```bash protoc object_detection/protos/*.proto --python_out=. ``` 如果未安装 `protoc`,可以通过以下命令安装: ```bash sudo apt-get install protobuf-compiler python-pil python-lxml python-tk ``` 3. **设置路径变量** 修改当前用户的环境变量以便加载自定义模块。 ```bash export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim echo $PYTHONPATH ``` 4. **运行单元测试** 测试安装是否成功完成。 ```bash python object_detection/builders/model_builder_test.py ``` 若无错误提示,则说明安装正常[^4]。 5. **验证依赖版本** 确认所使用TensorFlow 版本兼容目标硬件架构(CPU 或 GPU)。对于较新版本模型可能仅支持特定范围内的 TF 版本[^2]。 6. **额外组件准备** 根据实际项目需求下载预训练模型权重放置到指定位置;同调整配置参数适配数据集结构[^3]。 ```python import tensorflow as tf from object_detection.utils import config_util from object_detection.protos import pipeline_pb2 ``` 以上即完成了基本框架搭建过程,请依据具体应用场景进一步定制化开发流程。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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