TensorFlow对象检测API是一个建立在TensorFlow之上的开源框架,可以轻松构建,训练和部署对象检测模型。
安装:
Tensorflow对象检测API依赖于以下项:
Protobuf 2.6
Pillow 1.0
lxml
tf Slim (which is included in the “tensorflow/models” checkout)
Jupyter notebook
Matplotlib
Tensorflow
以下是安装步骤:
我是pip安装的tensorflow1.2版本,1以下版本好像不兼容该API,命令如下:
sudo pip install –upgrade
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp27-cp27mu-manylinux1_x86_64.whl
pip安装的tensorflow里面不知道怎么没有model文件夹,这儿Tensorflow Object Detection API的model我是在guthub上下载下来https://github.com/tensorflow/models ,并解压在home目录(不用放在tensorflow目录),以下操作大多在解压后的model目录下操作
其余的库可以通过apt-get安装:
sudo apt-get install protobuf-compiler python-pil python-lxml
sudo pip install jupyter
sudo pip install matplotlib
以上命令也可以使用以下四条pip命令代替:
sudo pip install pillow
sudo pip install lxml
sudo pip install jupyter
sudo pip install matplotlib
注:安装jupyter时可能遇到错误,更新一下pip再安装,sudo -H pip install –upgrade pip
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库。这应该通过从下载解压的models/目录运行以下命令来完成:
protoc object_detection/protos/*.proto –python_out=.
当在本地运行时,models /和slim目录应该附加到PYTHONPATH。这可以通过从models /运行以下来完成:
export PYTHONPATH=$PYTHONPATH:pwd
:pwd
/slim
注意:此命令需要从您启动的每个新终端运行。如果您想避免手动运行,可以将其作为新行添加到〜/ .bashrc文件的末尾。
至此安装完毕,可以通过运行以下命令来测试是否正确安装了Tensorflow Object Detection API:
python object_detection / builders / model_builder_test.py
这儿我测试了SSDmobilenet和SSDinception等模型,提前下载好模型,修改里面