如何用tensorflow中的object detection API来训练自己的数据集上的目标检测器

这仍然是一个学习记录博~欢迎讨论

安装tensorflow object detection API

首先当然是要先安装tensorflow object detection API啦，网上有很多教程可以参考，比如：Ubuntu 16.04下安装TensorFlow Object Detection API(对象检测API)

P.S. 安装时需要注意的就是tensorflow-gpu的版本问题，你的tensorflow和tensorflow-gpu以及tensorflow API的版本都要一致，如果tensorflow-gpu版本是1.x的，那就不能安装2.x的API啦，有很多版本问题，使用的时候会报错的，比如：

ModuleNotFoundError: No module named 'tensorflow.contrib'; 'tensorflow' is not a package

我的tensorflow-gpu是1.13.1，我的tensorflow也是1.13.1，而我安装的API的版本是1.13.0~

基于浣熊的object detection

这个部分可以参考：用TensorFlow训练一个物体检测器（手把手教学版），写的真的蛮详细的。

不过文章里还是有点小问题的，所以在这里补充说明一下：

• train.txt和test.txt文件的生成代码，博客里没有给全代码，下面给大家一段直接可以运行的代码来参考（路径自己改一下，运行一次就好了，不要重复运行，会一直追加写入的）

import os
import random

train_txt = open("xx/xx/dataset/train.txt", 'a+')
test_txt = open("xx/xx/dataset/test.txt", 'a+')

pt = "xx/xx/xx/raccoon_dataset/images"
image_name = os.listdir(pt)

count = 0
for temp in image_name:
   if temp.endswith(".jpg"):
       print(temp.replace('.jpg', ''))
       if count < 160:
           train_txt.write(temp.replace('.jpg', '')+'\n')
       else:
           test_txt.write(temp.replace('.jpg', '') + '\n')
       count += 1

• 训练之前不要忘记添加环境变量

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

这里的pwd就是当前路径，一般我们都是切换到models/research/object_detection目录下来运行的，所以这个pwd就是object_detection所在的路径。

• 训练所用的文件train.py，eval.py不在object_detection目录下，而在object_detection/legacy目录下，可能是版本变了，所以把train.py什么的挪了位置。

使用model_train.py代替train.py

如果不想使用老版本的train.py的话，可以用object_detection下的model_train.py进行训练，它把老版本的train.py和eval.py集合到了一起，model_train.py的源码解释可以参考一下：Tensorflow Object Detection API 源码分析之 model_main.py。

在终端输入：

python model_main.py \
    --pipeline_config_path=config文件所在路径 \
    --model_dir=模型数据输出的保存路径 \
    --num_train_steps=60000 \
    --num_eval_steps=20 \
    --alsologtostderr

不出意外的话就可以正常训练了，训练之后可以在model_dir文件夹中看到保存下来的模型。

注：接下来冻结模型的导出以及模型的测试都还是和用TensorFlow训练一个物体检测器（手把手教学版）中介绍的一样。