1.前置工作
- 安装Tensorflow，要求1.4及以上版本。
- 安装pillow、jupyter、matplotlib、lxml。
- 下载Tensorflow Object_detection API框架：框架
- 下载Protobuf，下载地址：Protobuf
这里说下window环境下protobuf的编译。下载Protobuf后解压缩，然后将其文件bin的路径配置到环境变量中，然后以管理员方式打开CMD并进入到Tensorflow Object_detection API框架解压后的model-master中的research目录下，执行下面命令：
protoc object_detection/protos/*.proto --python_out=. 注意：如果你下载的是protoc3.5的版本，执行上面命令可能会报object_detection/protos/*.proto: No such file or directory错误，这是因为protoc3.5版本有bug，换成3.4的就行了。
接着再将model-master、research以及slim的路径都添加到环境变量中即可。
再说下linux环境下protobuf的编译。在linux下配置protobuf和在window上差不多：
在model-master中的research目录下，执行下面命令：
protoc object_detection/protos/*.proto --python_out=. 打开.bashrc将model-master、research以及slim的路径都添加到环境变量中。添加object_detection到环境变量 python path,在tensorflow/models/research/目录下(根据自己的绝对路径进行修改即可):
export PYTHONPATH=$PYTHONPATH:xxx/model_master:xxx/research:xxx/slim
- 进入models-master\research\object_detection\builders下执行下面命令进行环境检测：
python model_builder_test.py出现以下结果则说明环境搭建成功
2.运行官方Demo
下面我们先来运行官方的demo，看看检测的效果。首先我们进入models-master\research\object_detection路径下，在这个路径下可以看到有一个名为object_detection_tutorial.ipynb的文件，这个文件就是我们接下来要运行的demo文件。然后打开终端输入命令：
jupyter notebook以window系统为例，输入命令后如下所示。
这时候会自动打开我们系统上的浏览器，找到object_detection_tutorial.ipynb文件并点击打开并执行“Run All”命令，等待一小会就行可以看到demo运行的效果了。
可以看到官方给我提供了两张测试图片，可以很好的检测出图片中的事物。可以将test_images文件夹下的图片替换为其它的图片进行测试，只需要修改对应的代码（下图）即可。
当前使用的是API默认的SSD+Mobilenet模型，其还提供了其它几种目标检测模型，下载地址：模型
那么如何使用其它模型呢，方法很简单，只需要修改object_detection_tutorial.ipynb 文件中MODEL_NAME的地方就可以了，例如使用ssd_inception_v2_coco 模型：
# What model to download.
#MODEL_NAME = 'ssd_mobilenet_v1_coco_2017_11_17'
MODEL_NAME = 'ssd_inception_v2_coco_2017_11_17'
当然我们还想使网络模型来训练自己的数据，这些内容后续文章再详细介绍。