Object Detection API目标检测

Object Detection API是谷歌开放的一个内部使用的物体识别系统。2016年 10月，该系统在COCO识别挑战中名列第一。它支持当前最佳的实物检测模型，能够在单个图像中定位和识别多个对象。该系统不仅用于谷歌于自身的产品和服务，还被推广至整个研究社区。

一、代码位置与内置的模型

1、Object Detection

Object Detection 模块的位置与slim的位置相近，同在github.com 中TensorFlow 的models\research目录下。类似slim, Object Detection也囊括了各种关于物体检测的各种先进模型:

带有MobileNets的SSD (Single Shot Multibox Detector)。
带有Iception V2的SSD.
带有Resnet 101的R-FCN (Region-Based Fully Convolutional Networks)。
带有Resnet 101的Faster RCNN。
带有Inception-Resenet v2的Faster RCNN。

上述每一个模型的冻结权重 (在COCO数据集上训练)可被直接加载使用。

SSD模型使用了轻量化的MobileNet,这意味着它们可以轻而易举地在移动设备中实时使用。谷歌使用了 Faster R-CNN模型需要更多计算资源，但结果更为准确。

2、COCO数据集

在在实物检测领域，训练模型的最权威数据集就是COCO数据集。
COCO数据集是微软发布的一个可以用来进行图像识别训练的数据集，官方网址为http://mscoco.org 其图像主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。
COCO数据集包括91类目标，分两部分发布，前部分于2014年发布，后部分于2015年发布。

2014年版本:训练集有82783个样本，验证集有40504个样本，测试集有40775个样本，有270KB的人物标注和886KB的物体标注。
2015年版木:训练集有165482个样本，验证集有81208个样本，测试集有81434个样本。

二、准备工作

1.获取protobuf

Objet Detection API使用protobufs来配置模型和训练参数，这些文件以".proto"的扩展名放models\research\object_detection\protos下。在使用框架之前，必须使用protobuf库将其编译成py文件才可以正常运行。
protobuf库的下载地址为：https://github.com/protocolbuffers/protobuf/releases

选择protoc-3.7.0-win32.zip下载(低版本的，比如2.6.0 会出错)
（1）然后将protoc-3.7.0-win32.tar.gz进行解压，将bin里面的protoc.exe拷到models-master\research中
（2）将bin文件夹加入到环境变量中
（3）打开/model-master/research/目录，按住shift健，点鼠标右键--
在此处打开powershell，输入：
Get-ChildItem object_detection/protos/*.proto|Resolve-Path-Relative|%{.\protoc $_--python_out=.}
如果不显示任何信息，则表明运行成功了，为了检验成功效果，来到models\research\object_detection\protos下，可以看到生成很多.py文件。

3、检查API是否正常

如果前面两步都完成了，下面可以测试一下object detection API是否可以正常使用，还需要两步操作：

将models\research\slim下的nets文件夹复制出来放到models\research下。
将models\research\object_detection\builders下的model_builder_test.py复制到models\reasearch下。
将model-master里面的research和slim都配置好环境变量
打开cmd,回到model-master/research/目录下,执行如下命令：
python object_detection/builders/model_builder_test.py
会出现如下情况

表明object detection API正常

4、将Object Detection API加入Python库默认搜索路径

为了不用每次都将文件复制到Object Detection文件夹外，可以将Object Detection加到python引入库的默认搜索路径中，将Object Detection文件整个复制到anaconda3安装文件目录下lib\site-packages下.
这样无论文件在哪里，只要搜索import Objec Detection xxx，系统到会找到Objec Detection。

三执行已经训练好的模型

之前已经说过Objec Detection API默认提供了5个预训练模型。他们都是使用COCO数据集训练完成的，如何使用这些预训练模型呢？官方已经给了一个用jupyter notebook编写好的例子。首先在research文件下下.

打开jupyter notebook,打开model-master/research文件夹
接着打开object_detection文件夹，并单击object_detection_tutorial.jpynb运行示例文件

该代码使用Object Detection API基于COCO上训练的ssd_mobilenet_v1模型，对任意图片进行分类识别。
找到cell然后运行Run All,如果你的网速够快电脑性能够好，顺利的情况下将会出现正常的结果