Tensorflow object detection API 搭建属于自己的物体识别模型——环境搭建与测试

Posted 嗨_放飞梦想

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Tensorflow object detection API 搭建属于自己的物体识别模型——环境搭建与测试相关的知识,希望对你有一定的参考价值。

1、开发环境搭建

①、安装Anaconda

  建议选择 Anaconda3-5.0.1 版本,已经集成大多数库,并将其作为默认python版本(3.6.3),配置好环境变量(Anaconda安装则已经配好)。也可以直接安装python,安装各种包比较麻烦,因此直接装了Anaconda集成环境。

  安装完Anaconda后,打开Anaconda Prompt,逐个输入conda --version和python --version,出现下图所示内容则安装成功。

 

②、安装TensorFlow

  如果是初学者,我们安装cpu版本的tensorflow足够使用。安装TensorFlow-cpu很简单,打开Anaconda Prompt,输入pip install tensorflow。稍等一会就安装成功。通过输入以下代码,检测是否安装成功。

python

import tensorflow as tf

 hello = tf.constant(\'Hello, TensorFlow!\')

 sess = tf.Session()

 print(sess.run(hello))

  如果输出如下图所示,则安装成功。

 

如果输入import tensorflow as tf出现如下警告:

  FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.from ._conv import register_converters as _register_converters。则需要打开Anaconda Prompt,输入pip install h5py==2.8.0rc1解决。

如果输入 sess = tf.Session()出现Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2,则表明TensorFlow版本太低了,需要打开Anaconda Prompt,输入pip install --upgrade tensorflow解决。

③、下载Tensorflow object detection API模型,从https://github.com/tensorflow/models下载。解压文件到磁盘指定目录,例如C:\\Users\\CFF\\Desktop,重命名为models(此包内包括各种内容,我们所用到的object_detection文件夹在C:\\Users\\CFF\\Desktop\\models\\research文件夹下)

④、Protobuf 编译。从https://github.com/google/protobuf/releases下载windows版的工具,如protoc-3.6.1-win32.zip,解压到C:\\Users\\CFF\\Desktop,生成:bin, include两个文件夹。打开Anaconda Prompt,cd C:\\Users\\CFF\\Desktop\\models\\research ,输入C:\\Users\\CFF\\Desktop\\bin\\protoc ,编译结果如下说明可以开始编译。

 

Protobuf 编译,用protoc可执行文件编译目录object_detection/protos下的proto文件,生成Python文件。如:C:\\Users\\CFF\\Desktop\\bin\\protoc object_detection/protos/*.proto --python_out=.。如何出现object_detection/protos/*.proto目录没有发现,可以将*号改成对应的文件逐个编译,生成对应的Python文件。 

⑤、测试。打开Anaconda Prompt,cd C:\\Users\\CFF\\Desktop\\models\\research目录,输入jupyter notebook,跳转到网页界面。

在cell中选择runAll,正常的话稍等一会儿就会有结果:

到此,已经成功完成了环境搭建与测试。

⑥、用来测试自己的图片,改变PATH_TO_TEST_IMAGES_DIR 的路径,我的如下所示。测试图片命名为image1.jpg   image2.jpg... 相应的数量for i in range(1, 3)也要根据自己的图片数量进行改变。

运行后,输出结果如下:

 

 

 

 

 

 

 

 

以上是关于Tensorflow object detection API 搭建属于自己的物体识别模型——环境搭建与测试的主要内容,如果未能解决你的问题,请参考以下文章

如何安装 TensorFlow 2 和 object_detection 模块?

TensorFlow Object Detection API

TensorFlow object_detection 使用

TensorFlow object detection API

TensorFlow object detection API应用一

TensorFlow使用object detection训练并识别自己的模型