Tensorflow Object Detection API介绍和应用(mac版)——（1.安装跑测试程序）

╰+哭是因爲堅強的太久メ 2021-12-17 03:05 268阅读 0赞

### 1、前言 ###

Tensorflow Object Detection API是谷歌TensorFlow下面的物体检测项目，可以实现图像内物体检测，支持视频和图片，可以在图片上框框出实体，标注出实体具体类别（类别是自己打的标签，或者项目内提供的预训练模型和标签数据）。原理呢，目前还一点没看。看教程安装了2天，顺利跑通了test程序和在pre-trained model基础上自定义训练模型。在安装过程中也遇到了一些问题——比如：文档略微过期，git项目文件名改了；自己漏了安装一些包等。特此完成记录一下安装到使用的流程。

### 2 参考文档 ###

先给出开源项目git地址和主要参开的安装教程如下：  
（1）项目git地址：[https://github.com/tensorflow/models][https_github.com_tensorflow_models]  
（2）git下使用教程：[https://github.com/tensorflow/models/tree/master/research/object\_detection][https_github.com_tensorflow_models_tree_master_research_object_detection]  
（3）另一个参考教程（6节）：[https://pythonprogramming.net/introduction-use-tensorflow-object-detection-api-tutorial/][https_pythonprogramming.net_introduction-use-tensorflow-object-detection-api-tutorial]  
（4）可能遇到问题：[https://github.com/tensorflow/models/issues][https_github.com_tensorflow_models_issues]

### 3、object detection api 安装和测试 ###

#### 3.1 Anaconda安装 ####

官网下载安装，这里用的python3.5。用Anaconda安装后发现省了一些手动安装python包的过程，同时安装好了jupyter，还算方便。

#### 3.2 其它依赖下载安装 ####

打开终端，下面文件路径改一下自己真实存放位置

1.  安装TensorFlow（cpu版本）：pip install tensorflow
2.  下载git项目到指定目录  
    （1）mac要先安装和配置好git，不再赘述  
    （2）命令行到指定项目要下载的目录,例如我的目录：cd /Users/bjjoy/JupyterProjects  
    （3）git clone [https://github.com/tensorflow/models.git][https_github.com_tensorflow_models.git]
3.  protoc安装（该包貌似是编译项目里边一些文件，解析文件流用的）  
    （1）查看是否安装（没有安装执行后续步骤）：protoc --version  
    （2）[https://github.com/protocolbuffers/protobuf/releases][https_github.com_protocolbuffers_protobuf_releases]，下载protoc-3.9.0-rc-1-osx-x86\_64.zip  
    （3）解压，将文件 protobuf/bin/protoc 移动到 /usr/local/bin 下  
    （4）终端查看版本（完成有 libprotoc 3.9.0）：protoc --version
4.  编译项目内proto文件  
    （1）到models项目路径：cd /Users/bjjoy/JupyterProjects/models/research  
    （2）编译文件：protoc object\_detection/protos/\*.proto --python\_out=.  
    （3）修改项目路径环境变量（每次重启终端都需要到 models/research路径下执行）：export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
5.  测试程序  
    （1）启动jupyter（点击Anaconda->Jupyter Launch），到chrome浏览器  
    （2）到models下面，[http://localhost:8888/tree/models/research/object\_detection][http_localhost_8888_tree_models_research_object_detection]  
    （3）object\_detection\_tutorial.ipynb，运行该文件，点击俩右三角符号（像快进，鼠标停留在上面会悬浮显示 restart the kernel …）  
    （4）等一会（第一次运行会下载预训练模型到object\_detection下，下载貌似需要vpn翻墙，从google下载的，文件名是ssd\_mobilenet\_v1\_coco\_2017\_11\_17.tar.gz，如果没有vpn就需要搜索找一下，下载到object\_detection路径下，然后修改代码In \[5\]，注释掉下面2行  
    opener = urllib.request.URLopener()  
    opener.retrieve(DOWNLOAD\_BASE + MODEL\_FILE, MODEL\_FILE))  
    （5）结果会看到  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70]  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70 1]

### 4、总结 ###

protoc安装浪费了一下时间，本机Anaconda和git都是安装好的，跑通还算顺利。测试文件（object\_detection\_tutorial.ipynb）代码流程很容易读懂，通过修改In \[4\]，In \[5\]，In\[9\]里边的文件路径，就能实现调用不同模型和图片，识别其它实体。

下一章：[https://blog.csdn.net/bjjoy2009/article/details/94962333][https_blog.csdn.net_bjjoy2009_article_details_94962333]  
将介绍2个已经训练好的模型，利用object\_detection\_tutorial.ipynb进行实体检测。

下下章再介绍比较麻烦的，如何利用pre-trained model，训练属于自己的自定义模型。

[https_github.com_tensorflow_models]: https://github.com/tensorflow/models
[https_github.com_tensorflow_models_tree_master_research_object_detection]: https://github.com/tensorflow/models/tree/master/research/object_detection
[https_pythonprogramming.net_introduction-use-tensorflow-object-detection-api-tutorial]: https://pythonprogramming.net/introduction-use-tensorflow-object-detection-api-tutorial/
[https_github.com_tensorflow_models_issues]: https://github.com/tensorflow/models/issues
[https_github.com_tensorflow_models.git]: https://github.com/tensorflow/models.git
[https_github.com_protocolbuffers_protobuf_releases]: https://github.com/protocolbuffers/protobuf/releases
[http_localhost_8888_tree_models_research_object_detection]: http://localhost:8888/tree/models/research/object_detection
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70]: /images/20211214/a7e24d9b98b74c90abae161050159e96.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70 1]: /images/20211214/2b225c510c38483b986d5f88fcab43da.png
[https_blog.csdn.net_bjjoy2009_article_details_94962333]: https://blog.csdn.net/bjjoy2009/article/details/94962333