Object_detection的配置
下载models-master
1、打开网址:https://github.com/tensorflow/models
2、下载所有文件
3、下载完成后解压缩到目标文件夹下。
进行配置
安装Pycocotools
1、安装需要vc++14.0开发环境,如果没有安装可以在网址http://go.microsoft.com/fwlink/?LinkId=691126下载,完成后双击即可进行安装
2、需要Git工具,网址https://git-scm.com/downloads下载完成后一路默认选项即可
3、安装命令:pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
编译Object_detection文件夹下的protos文件
打开models-master\research文件夹,shift+鼠标右键,打开powershell界面输入命令 Get-ChildItem object_detection/protos/*.proto |Resolve-Path -Relative | %{protoc $_ --python_out=.}。当.\research\object_detection\protos 文件夹出现py文件,即编译文件成功
添加环境变量
需要将models-master\resarch,models-master\resarch\object_detection,models-master\resarch\slim
三个文件夹路径添加到系统环境变量。
方法
打开.\Anaconda3\Lib\site-packages(Anaconda的安装路径下),新建一个后缀名为pth的文件,打开并添加上面的三个文件夹的绝对路径,即可完成环境变量的添加
校验:
方法一
在research文件夹下打开powershell,运行命令:
python object_detection/builders/model_builder_test.py
出现类似以下界面即配置成功:
方法二
使用现有的模型、代码
识别图片
1、下载模型
网址:https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md
下载第一个模型ssd_mobilenet_v1_coco。下载完成后解压到object_detection
文件夹下,文件夹名不变。
2、代码
本文没有使用jupyter-notebook方法,而是使用本地运行文件,这样出结果的速度会快很多(代码地址)
需要更改的位置:第47行、第49行、第51行、第54行、第56行、第60行。
更改完毕运行即可
可在输出图片的文件夹查看结果
至此object_detection的配置基本完成
错误解决
1、删除slim文件夹下的BUILD文件,重新运行该文件夹下的setup.py文件,运行方法:在该slim文件夹下打开power shell,输入python setup.py回车