从0.1开始Tensorflow object detection API使用教程（特别详细）tensorflow目标检测教程

如果需要查看Ubuntu系统及Linux上的安装教程请查看文档博客：https://blog.csdn.net/m0_43505377/article/details/91040507
一、 环境配置；
⑴ Anaconda （可不装，但在教程之后的教程中，请直接使用系统环境）:
Anaconda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换
https://www.anaconda.com/distribution/#download-section
请在官网下载（对应自己的操作系统下载python3.7版本）；

可以新建一个tensorflow（python环境请选择3.6或者3.7）环境，也可以使用基础base（默认python3.7）环境

需要的库有：tensorflow（GPU或者CPU版） ， pillow, lxml, matplotlib, jupyter, 请自行安装。
⑵ 下载Tensorflow object detection API：
https://github.com/tensorflow/models （GitHub）
它基于tensorflow构造的开源框架，易于构建、训练和部署目标检测模型，在GitHub中下载。由于国内的网络限制使用下载速度很慢，可以选择我分享的百度云连接进行下载：
链接：https://pan.baidu.com/s/1zp22K5zHVRyrpoQqB5xi1g
提取码：2xiu
复制这段内容后打开百度网盘手机App，操作更方便哦
⑶ 下载protoc：
1、Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准
在GitHub中下载
https://github.com/protocolbuffers/protobuf
下载对应自己的系统的版本，如：protoc-3.7.1-win64.zip
选择windows 版本（最下面），解压后将bin文件夹中的【protoc.exe】放到C:\Windows下
2、找到Tensorflow object detection API的目录，打开models\research文件，在当前节目按住Shift右击打开选择打开命令行窗口（或者powershell窗口）
A：输入activate 激活anconda环境

如： activate tensorflow

B：继续输入:

protoc object_detection/protos/*.proto --python_out=.

如果报错：是因为不兼容原因，则打开当前目录的object_detection/protos/文件，将其中以.proto结尾的文件全名，代替*.proto，再进行逐一运行，每运行都会对应的.py结尾的文件。
如：

Protoc object_detection/protos/anchor_generator.proto --python_out=.

3、在系统变量中新建名为：“PYTHONPATH”的变量，将Tensorflow object detection API目录下的research/ 及 research/slim 两个文件夹的完整目录进行添加。（注意用分号隔开)同时将…\models-master\research\object_detection路径加入到系统变量中（自己的路径）
打开系统环境变量方法：右击计算机；选择属性；打开高级系统设置；找到环境变量并打开；

4、加载slim文件夹模块：
A：打开cmd切换到research/slim文件夹下（方法：输入在哪个分区下 如：E： 继续输入： cd 路径）将路径改为research/slim文件夹下的完整路径。
B：将research/slim文件夹下的BUILD文件放入一个新建文件夹（名称随意）
C:返回cmd窗口输入：activate加载anconda环境
继续输入：

python setup.py build

再输入：

python setup.py install

5、安装pycocotools：
A:在GitHub上下载COCO
https://github.com/philferriere/cocoapi
B:打下载后的目录，在cmd窗口&