tensorflow（3）：Object Detection API使用

TensorFlow Object Detection API 可實作基于給定模型檢測圖像中的特定目标，是典型的深度學習在計算機視覺中的應用。本文以此為例，開始應用TensorFlow解決實際問題。

首先，需要下載下傳TensorFlow的model檔案，可在GitHub的Tensorflow/models上找到，下載下傳models檔案。

可通過git clone下載下傳，或者在頁面上直接點選綠色的Clone or Download按鈕，下載下傳master分支。在此分支中，存在research檔案夾。research檔案夾下，可以找到object_detection檔案夾，Object Detection API 就在其中。

在應用Object Detection API 之前，需要進行一下依賴環境的安裝，可參考官方的安裝說明。如果僅跑目标檢測執行個體，也不用都安裝，以後用到了随時安裝即可。

首先要安裝tensorflow，我安裝的是gpu版本，可以參考我的部落格tensorflow（2）：Ubuntu 16.04安裝（GPU版本）。我的系統是Ubuntu 16.04，需要安裝如下環境：

sudo apt-get install protobuf-compiler python-pil python-lxml python-tk
sudo pip install Cython
sudo pip install jupyter
sudo pip install matplotlib
           

然後是對Protobuf libraries進行編譯，剛才安裝了protobuf-compiler編譯環境，指令如下。

這裡注意object_detection的路徑不要寫錯。編譯之後，protos檔案夾下的.proto檔案會生成同名的.py檔案，後期再應用程式中，需要調用這些python包。

本文通過PyCharm編寫Object Detection API的應用程式，可參考Ubuntu16.04環境下PyCharm安裝和配置進行基本配置。建立一個python project，将編譯過Protobuf libraries的object_detection檔案夾拷貝到project目錄下，在工程根目錄下，建立python file，“TestTFImg.py”，用于調用Object Detection API 。

然後，即可參考官方簡明使用文檔編寫程式了。

這裡說明幾點需要個性化修改的地方：

• model并不在下載下傳的models檔案夾中，需要單獨從model zoo中下載下傳，我下載下傳的是ssd_mobilenet_v2_coco，下載下傳之後解壓檔案，放到object_detection檔案夾下，要将MODEL _ NAME寫成下載下傳的model的目錄名。
• 還要修改CKPT和LABELS的路徑，使其指向真正存在的路徑，這裡我設定了一個系統路徑變量，通過os.getcwd()獲得目前路徑，然後拼接得到兩個路徑。

  

• 測試圖檔路徑，也要根據目前路徑修改，同上。

  

• 由于PyCharm不支援IPython的%matplotlib inline指令，是以在plt.imshow之後，要通過plt.show将圖檔顯示出來。

  

這樣程式就可以正常運作了，運作結果如下。