关于object_detection的官网运行案例

pip install tensorflow-tensorboard

首先需要把https://github.com/tensorflow/models/tree/r1.5的代码下载下来

然后进入到https://github.com/tensorflow/models/tree/r1.5/research/object_detection，下面有个README.md

1.installation:

    搭建GPU 环境，反正这个地方，搭建GPU的时候会遇到很多问题，自己多在百度上搜索和尝试，然后在终端依次输入以下命令：

pip install tensorflow-gpu

sudo apt-get install protobuf-compiler python-pil python-lxml

sudo pip install jupyter

sudo pip install matplotlib

sudo pip install pillow

sudo pip install lxml

sudo pip install jupyter

sudo pip install matplotlib

其次 # From tensorflow/models/research/，也就是在research下面的文件下输入：

protoc object_detection/protos/*.proto --python_out=.

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

python object_detection/builders/model_builder_test.py

运行完成会出现

 

2. Configuring an object detection pipeline:

         定义obeject_detection pipeline,就是给他一个配置文件，在配置文件里面写明需要用到的哪些model,可以参考object_detection/samples/configs,可以看到configs下面有很多标准的configs文件，可以根据这些成型的文件进行相应的修改。根据自己的经验来看，再进行自己数据训练之前，最好把官网的模型走一遍，以确定框架本身没有什么问题。

以faster_rcnn_resnet101_voc07.config为例子。

里面的model，包含了模型的本身的超参数

Train