Windows下测试TensorFlow Object Detection API

一、安装TensorFlow Object Detection API

1、在磁盘内新建Tensorflow文件夹（顺便哪个盘都可以），在  https://github.com/tensorflow/models  下载models,放在Tensorflow目录下。（建议直接下载，不要在终端下载，太慢了）

2、安装tensorflow

# For CPU
pip3 install tensorflow
# For GPU
pip3 install tensorflow-gpu

3、安装依赖包

pip3 install pillow
pip3 install lxml
pip3 install jupyter
pip3 install matplotlib

4、编译 Protobuf 依赖包 

Tensorflow Object Detection API使用Protobufs来配置模型和训练参数。在使用框架之前，必须编译 Protobuf 依赖包。

使用方法：在Google的git仓库下载需要的版本：依赖需要Protobuf 2.6，我们只需要它的编解码功能，所以只需要下载win32版本即可。（建议下载protoc3.4，楼主经验，版本低了和高了都会报错）解压后将bin文件夹里面的protoc.exe文件复制到C:\Windows\System32（也可以自己添加环境变量）。打开终端运行到 tensorflow/model/reserch目录，运行命令:

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

若运行成功则可以看到object_detection/protos/目录下的所有*.proto都生成了对应的py文件。

5、为依赖包添加环境变量 

PYTHONPATH  C:\tensorflow\models\research;C:\tensorflow\models\research\slim

测试是否安装成功：输入

python object_detection/builders/model_builder_test.py

按照以上输入会报错找不到object_detection，将model_builder_test.py文件复制到research目录下再运行即可。

如果报错：ImportError: No module named nets

将reserch/slim目录下的BUILD删除，然后运行该文件夹里面的setup.py

python setup.py install

可以参见： 此处

二、运行官方的检测demo

运行 jupyter notebook

运行后浏览器自动启动，显示 Jupyter 界面，进入object_detection文件夹中的object_detection_tutorial.ipynb

点击 Cell 的Run All ，显示检测结果。

可以修改路径检测自己的图像：

同样的可以修改模型：

可直接将MODEL_NAME修改为如下值调用其他模型：

MODEL_NAME = 'ssd_inception_v2_coco_11_06_2017'

MODEL_NAME = 'rfcn_resnet101_coco_11_06_2017'

MODEL_NAME = 'faster_rcnn_resnet101_coco_11_06_2017'

MODEL_NAME = 'faster_rcnn_inception_resnet_v2_atrous_coco_11_06_2017'