[目标检测之路一] win10+anaconda+tensorflow object detection API 搭建及DEMO实现

写在前面的话

最近，由于科研项目上的需要，笔者开始接触基于深度学习的目标检测。今天，笔者将给大家分享在windows10上利用Anaconda完成对Tensorflow Object Detection API的环境搭建及其DEMO实现。关于该API的介绍，百度/谷歌一查一大堆，笔者就不在这里作介绍。

为什么要写这篇博客

笔者一开始在Github上找到了该API的项目（链接：https://github.com/tensorflow/models/tree/master/research/object_detection ）在这上面可以看到该API的介绍以及提供的使用方法，但可惜地是，对方只提供了Linux和MacOS两种系统的安装方式。笔者在Linux上试过，安装起来的确比在windows上要方便很多，MacOS没试（其实是买不起0.0）。后来，笔者也在网上找到很多关于在windows10下安装该API的教程，于是便想试试，真是不试不知道，一试吓一跳，尝试了好多教程的方法但都没有成功，总能出现一些奇奇怪怪的BUG。不过皇天不负有心人，最后磕磕碰碰也算是完成了。因此，便想写下这篇博客，让后来人少走点弯路。
话不多说，进入今天的正题。

实现步骤

1.借助Anaconda配置API所需的基本库
2.下载tensorflow/models
3.Protobuf安装与配置
4.PYTHONPATH环境变量设置
5.测试API
6.测试DEMO

PS：笔者个人真心非常推荐Anaconda这款软件，管理环境极其好用。

1.1 安装Anaconda及创建虚拟环境
Anaconda软件安装比较简单，可以参考笔者之前的文章（链接：https://blog.csdn.net/qq_40434140/article/details/84800901 ），当然也可以网上找，教程很多，这里不赘述。软件安装最新版即可（记得用python3系列的）。
安装完成后可以在菜单中找到Anaconda Prompt，这是Anaconda Navigator对应的命令行终端，我们打开Prompt。


我们利用prompt创建一个虚拟环境，这是一个独立于系统环境的另一个环境，两者互不干扰，这是Anaconda环境管理的功能也是它最突出的优点。我们在prompt输入 conda create -n tensorflowAPI python=3.5按下回车，便可以创建一个基于python3.5的虚拟环境，其中“tensorflowAPI”是该虚拟环境的名称，你也可以取别的名字，方便自己理解就行。
出现如下图的提示信息，就说明虚拟环境已经创建完成。

接下来，输入conda activate tensorflowAPI 以激活该虚拟环境（或者说进入该虚拟环境）。如图所示，前面括号里从“base”变成了“tensorflowAPI”便说明成功进入该环境。

1.2 API所需的基本库安装
打开Anaconda Navigator软件，在左侧“Environments”选项中，可以看到我们之前创建的名为“tensorflowAPI”的虚拟环境，点击该环境，可以在右侧看到该环境中已经安装的基本库。如下图所示。

在该API对应的Github项目上，提供了该API所依赖的基本库，如下图所示。

我们在Anaconda Navigator中将“Installed”切换为“Not installed”，并在右侧搜索框输入对应库的名称，进行安装即可。以安装“protobuf”为例，进行说明。如图所示，输入“protobuf”后，下面会检索到对应的库，选择最下面一项，在右下角点击“Apply”，便会出现对应将要安装库的一些信息以及它自身所依赖的包，再点击“Apply”便会进行安装。


其他几个库都能以这样的方式安装（注意：tf Slim库除外，本文后面会介绍该库的安装方法；Python-tk及cocoapi不需要安装）
通过以上方法安装后，要注意查看tensorflow的版本，如果版本低于1.9，可以右键tensorflow，选择对应版本。如下图所示的方式更新到1.9.0版本。

当然，如果觉得上面的方法太繁琐，也可以在prompt中用命令行的方式进行库的安装。将当前环境切换至（tensorflowAPI），然后输入相应命令行进行安装。

1. 安装tensorflow：pip install --upgrade tensorflow（这是CPU版本，若要安装GPU版本，可以参考我之前的博客：https://blog.csdn.net/qq_40434140/article/details/84800901 ）
2. 安装protobuf、Cython、pillow、lxml、jupyter、matplotlib：
   conda install protobuf；
   conda install Cython；
   conda install pillow；
   conda install lxml；
   conda install jupyter；
   conda install matplotlib；

2. 下载tensorflow/models
下载地址：https://github.com/tensorflow/models

如上图所示，从右上角所圈处下载。下载完成后解压到某一文件夹（路径可以自己设置）。
如下图所示，笔者把文件放到了“D:\TensorflowDET\models”

3. protobuf安装与配置
下载链接：https://github.com/protocolbuffers/protobuf/releases?after=v3.4.1
找到如图所示的protobuf-3.4.0-win32.zip，点击下载。

下载完成后解压压缩包，把解压后的文件夹里的文件都复制到“D:\TensorflowDET”目录下，如下图所示。

把bin文件夹的路径添加到环境变量的path路径中，如下图所示。

在“D:\TensorflowDET\models\research”目录下打开cmd命令行窗口，输入以下命令并回车：
protoc object_detection/protos/*.proto --python_out=.
如果不报错那就没问题，“D:\TensorflowDET\models\research\object_detection\protos”下会出现对应的python文件
如果报错并出现“No such File or directory”，很有可能是版本的问题，笔者推荐下载Protocol Buffers v3.4.0版本的，然后再按上述步骤运行命令一般就没问题了。

4. PYTHONPATH环境变量设置
在环境变量中的系统环境变量中新建名为“PYTHONPATH”的变量，如下图所示。

打开prompt，激活“tensorflowAPI”虚拟环境，将路径切换至“D:\TensorflowDET\models\research”，如下图所示，输入以下命令并回车：python setup.py install，等待程序执行完成。

再将路径切换至“D:\TensorflowDET\models\research\slim”，如下图所示，输入以下命令并回车：python setup.py install，等待程序执行完成。

如果slim文件下已经有了BUILD，需要先删掉这个，然后再python setup.py install
这就是前面提到的 tf slim 库的安装

5. 测试API
prompt中路径切换回“D:\TensorflowDET\models\research”，输入以下命令并回车：python object_detection/builders/model_builder_test.py，等待程序执行完成，不报错则说明运行成功。
至此，我们已经成功配置好API环境极其所需基本库，

6. 测试DEMO
prompt中路径切换至“D:\TensorflowDET\models\research\object_detection”，然后输入命令并回车：jupyter notebook浏览器会打开当前文件夹，点开object_detection_tutorial.ipynb，见图可知。


在新打开 的网页中，点击上方的 “Cell”-“Run All”，即下图所圈处。

程序运行过程中，会有一段出现warning，可以不用管，稍等一会，就可以看见DEMO演示的结果，如下图所示。

至此，Tensorflow object detection API的DEMO就跑了通了一次。