TensorFlow Object Detection API 跑代码过程

TensorFlow Object Detection API 跑代码过程

谷歌在其开源博客上发表了一篇名为《Supercharge your Computer Vision models with the TensorFlow Object Detection API》的文章,通过 TensorFlow Object Detection API 将谷歌内部使用的物体识别系统(2016 年 10 月,该系统在 COCO 识别挑战中名列第一)开源给更大的社区,帮助打造更好的计算机视觉模型。
这个代码库是一个建立在 TensorFlow 顶部的开源框架,方便其构建、训练和部署目标检测模型。我们设计这一系统的目的是支持当前最佳的模型,同时允许快速探索和研究。我们的第一个版本包含:

● 一个可训练性检测模型的集合,包括:
● 带有 MobileNets 的 SSD(Single Shot Multibox Detector)
● 带有 Inception V2 的 SSD
● 带有 Resnet 101 的 R-FCN(Region-Based Fully Convolutional Networks)
● 带有 Resnet 101 的 Faster RCNN
● 带有 Inception Resnet v2 的 Faster RCNN
● 上述每一个模型的冻结权重(在 COCO 数据集上训练)可被用于开箱即用推理。
● 一个 Jupyter notebook 可通过我们的模型之一执行开箱即用的推理
● 借助谷歌云实现便捷的本地训练脚本以及分布式训练和评估管道

除了yolo,剩下的基本上都提供了。特别还提供了轻量化的 MobileNet,这意味着它们可以轻而易举地在移动设备中实时使用。
SSD 模型使用了轻量化的 MobileNet,这意味着它们可以轻而易举地在移动设备中实时使用。在赢得 2016 年 COCO 挑战的研究中,谷歌使用了 Fast RCNN 模型,它需要更多计算资源,但结果更为准确。

参阅谷歌发表在 CVPR 2017 上的论文:https://arxiv.org/abs/1611.10012

进入https://github.com/tensorflow/models/tree/master/object_detection

installation
Dependencies
Tensorflow Object Detection API depends on the following libraries:
● Protobuf 2.6
● Pillow 1.0
● lxml
● tf Slim (which is included in the “tensorflow/models” checkout)
● Jupyter notebook
● Matplotlib
● Tensorflow
For detailed steps to install Tensorflow, follow the Tensorflow installation instructions. A typically user can install Tensorflow using one of the following commands:

For CPU

pip install tensorflow

For GPU

pip install tensorflow-gpu
The remaining libraries can be installed on Ubuntu 16.04 using via apt-get:
sudo apt-get install protobuf-compiler python-pil python-lxml
sudo pip install jupyter
sudo pip install matplotlib
Alternatively, users can install dependencies using pip:
sudo pip install pillow
sudo pip install lxml
sudo pip install jupyter ??
(调试1st:sudo -H pip install jupyter 失败
调试2st:手动下载notebook-5.0.0-py2.py3-none-any.whl
sudo pip install notebook-5.0.0-py2.py3-none-any.whl 失败
调试3st:设置超时时间 pip –default-timeout=100 install -U Pillow失败
)
sudo pip install matplotlib

TensorFlow Object Detection API 是一个开源项目,它提供了一系列基于 TensorFlow 的工具和库,用于实现目标检测任务。对于 macOS 系统,我们可以通过以下步骤来使用 TensorFlow Object Detection API: 1. 安装 TensorFlow:在 macOS 上安装 TensorFlow 是使用 TensorFlow Object Detection API 的前提。你可以通过 pip 命令进行安装,例如在终端中执行 `pip install tensorflow`。 2. 下载 TensorFlow Object Detection API:打开终端并导航到适合你的工作目录中,然后使用 git 命令来克隆 TensorFlow Object Detection API 的 GitHub 仓库,例如执行 `git clone https://github.com/tensorflow/models.git`。 3. 安装依赖项:进入克隆的模型目录中,找到 research 文件夹并进入。然后运行 `pip install -r object_detection/requirements.txt` 命令来安装所需的依赖项。 4. 下载预训练模型:在 TensorFlow Object Detection API 中,我们可以使用预训练的模型来进行目标检测。你可以从 TensorFlow Model Zoo 中下载适合你任务的模型,并将其解压到你的工作目录中。 5. 运行实例代码:在 research/object_detection 目录中,你可以找到一些示例代码,用于训练、评估和使用目标检测模型。可以通过阅读这些示例代码并根据自己的需求进行修改。例如,你可以使用 `python object_detection/builders/model_builder_tf2_test.py` 命令来运行一个模型的测试。 以上是在 macOS 上使用 TensorFlow Object Detection API 的基本步骤,你可以根据你的具体需求进行更多的深入研究和调整。希望这些信息能帮助到你!
评论
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