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: