谷歌开源的 TensorFlow Object Detection API 玩起来还不错，虽然我还没深度的剖析其内部的东西，这里只是做个记录，防止自己以后忘记，重新捡起来，浪费时间~
当时，我把自带的demo跑起来的时候，可是花了不少的时间，而且遇到了不少的坑~
一步一步重新捡起来吧~
一 、下载模型
直接给出链接：https://github.com/tensorflow/models
（版本一直在更新~）
有装Git的话，就直接clone下来，么有的话就下载下来吧，会有点慢~
内容长这样~
二 、安装protoc
为什么要安装这个呢？
那是因为我们想把proto文件编译为python文件，（注意：protoc的版本大于2.6.0）
获取地址：https://github.com/protocolbuffers/protobuf/releases
这里面有所有版本~
我这里选择的是3.7.0的~
最好版本是不要太新啦~
下载后解压得到：
我把它放在了C:\Program Files\protoc-3.7.0-win64这个路径下面~
然后配置环境变量~
配好了之后，控制台输入protoc --version查看版本好~
ok，这就装好了，那就开始转换文件吧~
在目录文件夹下面 \models\research\执行：
protoc object_detection/protos/*.proto --python_out=.
得到python文件：
三、Anaconda下配置
我是参考这篇文章的：
连接：https://blog.csdn.net/qq_28019591/article/details/82023949
在Anaconda（或者你tensorflow安装的环境）\Lib\site-packages添加一个路径文件，如tensorflow_model.pth，必须以.pth为后缀，写上你要加入的模块文件所在的目录名称，如下图：
这里的路径是你model/research存放的路径，自行修改
运行models/research下的setup.py
python setup.py build
python setup.py install
在models/research下运行如下命令：
python object_detection/builders/model_builder_test.py
出现如下信息，说明已安装成功：
四、执行已经训练好的模型
在research文件夹下运行命令：jupyter notebook，接着在jupyter中打开object_detection文件夹，并单击object_detection_tutorial.ipynb运行试例文件。如下所示：
运行所有代码后的结果如下：
