谷歌宣布开源其内部使用的 TensorFlow Object Detection API 物体识别系统。本教程针对ubuntu16.04系统,快速搭建环境以及实现视频物体识别系统功能。
https://yq.aliyun.com/ziliao/405237
https://www.cnblogs.com/wmr95/p/7563173.html
https://blog.csdn.net/pkokocl/article/details/82596089
1、安装Tensorflow
请参考官方说明及其它博客安装tensorflow,要使用Tensorflow Object Detction API,tensorflow版本需1.4及以后版本。
我的系统已经安装Ubuntu 16.04系统,基础软件安装如下表,tensorflow,opencv均正常工作
2、安装必要的包及库
sudo apt-get install protobuf-compiler
sudo apt-get install python-pil
sudo apt-get install python-lxml
sudo pip3 install jupyter
sudo pip3 install matplotlib
3、安装TensorFlow Object Detection API
在home目录下新建tensroflow目录。TensorFlow Object Detection API 存放在 tensorflow /models 项目下的。(地址: https://github.com/tensorflow/models)
mkdir tensorflow
cd tensorflow
git clone https://github.com/tensorflow/models.git
在clone的时候有可能比较慢,或提示网络超时。多试几次即可。clone完成后在tensorflow文件夹下有名为models的文件夹,在models文件夹下有research文件夹
~~~~~~~~~~`
下载TensorFlow Model模型库
TensorFlow 模型库包含了很多开源的模型,包括图像分类、检测、自然语言处理NLP、视频预测、图像理解等等,我们要学习的对象检测API也包括在这里面,可以用git checkout到本地,也可以直接在github下载zip包,本文直接下载的zip包(大概415M,虽然我们只会用到里面很少一部分内容)
下载后,解压到~/tensorflow目录下,为了与github目录结构一致,我们将models-master目录重命名为models
得到如下目录结构~/tensorflow/models/research/object_detection
原文:https://blog.csdn.net/chenmaolin88/article/details/79371891
~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~
4、protobuf编译
在research/object_detection/protos目录下有很多.proto文件,需要将这些.ptoto文件编译成.py文件。使用protoc对proto文件进行编译
protoc ~/tensorflow/models/research/object_detection/protos/*.proto --python_out=.
执行上述命令后,提示如下错误:
object_detection/protos/ssd.proto:104:3: Expected "required", "optional", or "repeated".
object_detection/protos/ssd.proto:104:12: Expected field name.
object_detection/protos/model.proto: Import "object_detection/protos/ssd.proto" was not found or had errors.
object_detection/protos/model.proto:12:5: "Ssd" is not defined.
查看protoc的版本是2.6.1,在以前的文章中说明2.6.1版本上OK的。但我下载的TensorFlow Object Detection API是2018年9月初的版本,protoc的2.6.1版本太低了。
protoc --version
libprotoc 2.6.1
需要升级protoc版本。首先卸载protoc旧版本。注意与第1步骤中安装protoc的命令参数对应
sudo apt-get remove protobuf-compiler
protoc --version
bash: /usr/bin/protoc: No such file or directory
到 https://github.com/google/protobuf/releases 下载最新的protoc安装包 protobuf-all-3.6.1.tar.gz
下载完后解压,然后执行下面的命令编译安装:
$ cd protobuf-3.6.1
$ ./configure --prefix=/usr
$ make -j15
$ make check -j15
$ sudo make install -j15
$ sudo ldconfig
$ protoc --version
libprotoc 3.6.1
安装后查看protoc版本为3.6.1 版本。再重新执行编译命令
$ protoc ./object_detection/protos/*.proto --python_out=.
命令执行成功,没再报错。查看protos目录下,有相应的.py文件
anchor_generator_pb2.py
anchor_generator.proto
argmax_matcher_pb2.py
argmax_matcher.proto
bipartite_matcher_pb2.py
bipartite_matcher.proto
5、将slim添加到PYTHONPATH
TensorFlow Object Detection API 是以 Slim 为基础实现的,需要将 Slim 的目录加入 PYTHONPATH 后才能正确运行。为方便起见,直接在.bashrc 文件中添加如下一行。
export PYTHONPATH=$PYTHONPATH:/your home path/tensorflow/models/research:/your home path/tensorflow/models/research/slim
其中/your home path/请根据你自己的安装目录修改。然后执行
source ~/.bashrc
6、验证测试
执行如下命令:(注意,下述命令必须是python3 ,而不能是python)
kou@aikou:~/tensorflow/models/research$ python3 object_detection/builders/model_builder_test.py
运行结果:
......................
----------------------------------------------------------------------
Ran 22 tests in 0.098s
OK
---------------------
作者:pkokocl
来源:CSDN
原文:https://blog.csdn.net/pkokocl/article/details/82596089
版权声明:本文为博主原创文章,转载请附上博文链接!
7、跑demo:https://blog.csdn.net/chenmaolin88/article/details/79371891
接下来,我们跑一个demo,你可以在这个路径下运行jupyter notebook打开笔记本,然后用笔记本打开/object_detection/object_detection_tutorial.ipynb
(然后输入jupyter notebook,就会调用浏览器(Chrome)打开当前文件夹,点开 object_detection_tutorial.ipynb,
在新标签页中打开 Object Detection Demo,点击上方的 “Cell”-"Run All",就可以直接看到结果,最后输出的是两张图片的识别结果,分别是狗,以及沙滩。第一次运行由于需要下载训练好的模型,耗时较长。第二次之后可以将 .ipynb文件中 Download Model 即 in[5]部分的代码注释掉,以加快运行速度。)
注意,下面这个demo里第4步是从网络中下载预训练模型文件,若执行的时候速度很慢,可以单独去下载这个模型文件,然后解压到相应目录,确保存在object_detection/ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb 文件,然后屏蔽到代码中下载指令,如图所示,把Download Model代码块设置MarkDown或直接注释掉也可以。
接下就一步步执行里面的代码,看看最后的结果是否如下图,更多的细节和功能大家自己去研究研究吧:
~~~~~~~~~~~~~~~~~~~~~~`
https://blog.csdn.net/pkokocl/article/details/82596089
报错:解决办法见上述博客
liuliu@liuliu:/usr/local/lib/python3.5/dist-packages/tensorflow/models/research$ sudo protoc object_detection/protos/*.proto --python_out=.
[sudo] password for liuliu:
object_detection/protos/ssd.proto:110:3: Expected "required", "optional", or "repeated".
object_detection/protos/ssd.proto:110:12: Expected field name.
object_detection/protos/model.proto: Import "object_detection/protos/ssd.proto" was not found or had errors.
object_detection/protos/model.proto:12:5: "Ssd" is not defined.
报错分析:
查看protoc的版本是2.6.1,在以前的文章中说明2.6.1版本上OK的。但我下载的TensorFlow Object Detection API是2018年9月初的版本,protoc的2.6.1版本太低了。
protoc --version
libprotoc 2.6.1
需要升级protoc版本。首先卸载protoc旧版本。注意与第1步骤中安装protoc的命令参数对应
sudo apt-get remove protobuf-compiler
protoc --version
bash: /usr/bin/protoc: No such file or directory
到 https://github.com/google/protobuf/releases 下载最新的protoc安装包 protobuf-all-3.6.1.tar.gz
下载完后解压,然后执行下面的命令编译安装:
$ cd protobuf-3.6.1
$ ./configure --prefix=/usr
$ make -j15
$ make check -j15
$ sudo make install -j15
$ sudo ldconfig
$ protoc --version
libprotoc 3.6.1
安装后查看protoc版本为3.6.1 版本。再重新执行编译命令
$ protoc ./object_detection/protos/*.proto --python_out=.
命令执行成功,没再报错。查看protos目录下,有相应的.py文件
anchor_generator_pb2.py
anchor_generator.proto
argmax_matcher_pb2.py
argmax_matcher.proto
bipartite_matcher_pb2.py
bipartite_matcher.proto
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~·
https://blog.csdn.net/Allen__Iverson/article/details/84038113
解决Failed to get convolution algorithm. cudnn failed to initialize...
服务器环境
Ubuntu16.04、cuda9.0、cudnn7.0、tensorflow1.12.0、python3.5、1080ti
错误
Failed to get convolution algorithm. cudnn failed to initialize…
原因
tensorflow版本太高
解决方案
sudo pip3 install --upgrade --force-reinstall tensorflow-gpu==1.9.0 --user
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~·