Tensorflow Object Detection API
2017-10-28 11:07
746 查看
1 首先下载源码
https://github.com/tensorflow/models2 按照官方说明文档安装 依赖库:
Tensorflow Object Detection API depends on the following libraries:Protobuf 2.6
Pillow 1.0
lxml
tf Slim (which is included in the “tensorflow/models” checkout)
Jupyter notebook
Matplotlib
Tensorflow
(一般地:直接安装anacnonda基本这些库都会有,不过要手动安装tensoflow)
3 配置环境变量
models/research/ 和 slim 目录需要添加进 PYTHONPATH:d:\tensorflow\models\research
d:\tensorflow\models\research\slim
(斜体部分按照你放置models文件夹的盘符来定。)
4 安装protoc
我下载的版本是protoc-3.3.0-win32.zip,解压后将bin文件夹中的【protoc.exe】放到C:\Windows5 编译proto模型(重点)
进入目录:**/models/research/在命令行下执行下面命令,protobuf 2.6不再支持文件名通配符,吐一下血,建议做个.bat文件,批量执行下述命令,同时将–proto_path中指定的目录添加进PATH环境变量。:
【D:\tensorflow\要换成你的电脑放置models文件夹的盘符位置】
protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\anchor_generator.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\argmax_matcher.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\bipartite_matcher.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\box_coder.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\box_predictor.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\eval.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\faster_rcnn.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\faster_rcnn_box_coder.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\grid_anchor_generator.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\hyperparams.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\image_resizer.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\input_reader.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\keypoint_box_coder.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\losses.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\matcher.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\mean_stddev_box_coder.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\model.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\optimizer.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\pipeline.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\post_processing.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\preprocessor.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\region_similarity_calculator.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\square_box_coder.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\ssd.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\ssd_anchor_generator.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\string_int_label_map.proto protoc --proto_path=D:\tensorflow\models\research\ --python_out=. D:\tensorflow\models\research\object_detection\protos\train.proto
6 检测模型安装成功
在 object_detection/builders/目录下,cmd命令行运行运行python model_builder_test.py,检测是否安装成功
相关文章推荐
- TensorFlow Object Detection API 跑代码过程
- (更新视频教程)Tensorflow object detection API 搭建属于自己的物体识别模型(2)——训练并使用自己的模型
- 记录Tensorflow Object Detection API训练,测试
- 初窥Tensorflow Object Detection API 源码之(1.2)FeatureExtractor.Config
- tensorflow object detection API 使用记录2
- 初窥Tensorflow Object Detection API 源码之(2.1.1)FasterRCNNMetaArch.predict
- 对于谷歌开源的TensorFlow Object Detection API视频物体识别系统实现教程
- Tensorflow Object Detection API 安装
- TensorFlow Object Detection API 跑代码过程
- TensorFlow object detection api------ssd_mobilenet使用
- 4000 装tensorflow object detection API遇到的问题
- Tensorflow Object Detection API训练自己的数据集
- 计算机视觉实时目标检测 TensorFlow Object Detection API
- TensorFlow Object Detection API
- tensorflow object_detection API使用
- 目标检测 - Tensorflow Object Detection API
- Windows下测试TensorFlow Object Detection API
- tensorflow object detection API 使用记录3
- Tensorflow object detection API 源码阅读笔记:Fast r-cnn
- TensorFlow学习——Tensorflow Object Detection API(win10,CPU)