Object_detection的配置

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