Tensorflow Object Detection API 训练图表分类模型－ssd_mobilenet_v2（tfrecord数据准备＋训练＋测试）

结合上一章内容，本章节将结合实际需要，使用Tensorflow Object Detection API从头训练符合自己需求的图和表的检测分类模型.

需求说明：输入拍摄的文本页面图片，目标是训练一个可以正确检测图片上的图和表格并在图片画出其bounding box，之前用yolo也做过检测，不过效果不太好，会出现检测不准确甚至漏检情况，于是这次想尝试api的检测效果，模型使用ssd_mobilenet_v2．

１，训练数据准备：

因为之前用yolo做过检测，所以训练数据都放在一个文件夹下，另外还有一个.txt文件，.txt文件包含了图片路径，图标的bounding box及对应的类别，如图：

每行分别代表图片路径　xmin ymin xmax ymax label（０代表graph, 1代表table），一张图片可能有多个图表，所以每一行图片可能有多个xmin ymin xmax ymax label．我分别有两个这样的.txt文件，一个是训练集，一个是测试集，在后续生成tfrecode格式数据的时候分别生成即可．

２，tfrecord格式训练数据生成：

tfrecord训练数据的生成网上有很多，我参照官网代码生成自己的数据，tfrecord生成的时候可以选择生成一个或者多个.record文件，我参照最新代