（windows）tensorflow-object-detection-api 训练自己的检查器

训练前准备：

1. 在训练自己的检查器之前，需要能通过官方tensorflow-object-detection-api的运行测试，详见上一篇博客：
   https://blog.csdn.net/holidayun/article/details/82378201
2. 从github上面下载xml_to_csv.py 与 generate_tfrecord.py，地址如下：
   https://github.com/holidayun/Tesorflow-Object-Detection-API-Training-Windows-Tutorial
   将下载完成的文件放入到
   \tensorflow\models\research\object_detection 目录下
3. 在\tensorflow\models\research\object_detectio 下新建images文件夹
4. 在\tensorflow\models\research\object_detectio\imgaes 新建test文件夹与train文件夹

5. 模型下载，可根据自己的需求，下载对应的模型，
   
   https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

   SDD-MobileNet模型训练速度较快，但是精确度不太理想，本教程使用
   使用Faster-RCNN-Inception-V2模型。下载地址：

   http://download.tensorflow.org/models/object_detection/faster_rcnn_inception_v2_coco_2018_01_28.tar.gz
   下载完成之后，将faster_rcnn_inception_v2_coco_2018_01_28文件夹解压缩到tensorflow \ models \ research \ object_detection目录下。（注意：模型日期和版本将来可能会发生变化，但它仍应适用于本教程。）

1.收集图片

1. 收集的图片中包含检测目标。
2. 确保图片不是太大，每个应小于200KB，分辨率不应超过720x1280。图像越大，训练分类器所需的时间越长。
3. 将 收集到的图片放入\tensorflow\models\research\object_detectio\imgaes 目录下

2.标签图片

1. 收集完所有图片后，就可以在每张图片中标记所需的对象。LabelImg是一个很好的标记图像的工具，它的GitHub页面有关于如何安装和使用它的非常明确的说明：
   https://github.com/tzutalin/labelImg

2. 使用LabelImg生成的xml文件，其中80%放入
   \tensorflow\models\research\object_detectio\imgaes\train 目录下，用于训练使用。20%的放入\object_detection\imgaes\test 目录下，用于训练时测试使用。

3.生成培训数据

1. 首先将生成的xml数据，转换为csv格式的数据。
   使用编辑器打开 \object_detection 目录下的 xml_to