TensorFlow+SSD+OpenCV+python完成自训练数据的实时目标检测

介绍：利用tensorflow进行ssd实时目标检测，并实现自己的数据集训练，利用object_detection api具体步骤，并且将模型实现opencv调用，可以实现无tensorflow环境下的模型调用实时检测。本案例只采用了一类目标，可以自行增加！

1 准备图片训练集

图片命名最好是classname+num(图片格式为jpg，如果为png后面会报错)

2 利用labelimg软件进行目标边框的处理，得到xml文件

此处注意修改labelimg软件文件夹中的data文件，这是自己制作边框时可选择的label名。

选择边框之后就可以保存为xml文件了，保存的xml文件名与图片名字一一对应。

3 生成tfrecod数据格式文件

生成的xml文件全部存入xmls文件夹内，原始图片全部存入images，并把xmls文件夹放入annotations中，利用split.py文件生成四个训练验证的txt，txt文件其实就是索引图片的位置。

修改文件pbtxt，这是label_map文件，放在data中。修改dog_labe