【DeepLearning】Windows1064位下的TensorFlowobject_detectionAPI安装使用

object_detection API是谷歌提供的目标检测模块，这个API的目的创建一个能够在单幅图像中分类和定位多个对象的精确学习模型，这在最近来说是一个比较火的板块，今年的CVPR 2017和ICCV 2017都是研究热点，最近的ICCV 2017最佳论文奖就是何凯明的Mask RCNN获得的。目前谷歌已经将此API应用在自己的视觉项目中，这在目前来说还是计算机视觉领域的核心挑战问题，目前在精确度上Faster RCNN RFCN SSD YOLO算法已经达到了极致，剩下的需要提升的就是提高整个API的运算效率。

1、下载tensorflow/models文件

首先去下载tensorflow/models文件，根据官网说明，tensorflow/models文件目录下有四个文件目录，分别是official，research，sample，tutorial。

其中official是谷歌官方更新的最新的API，并且谷歌建议新手一开始就用official下的API；research是研究者们的实现方案，这篇文章中我们应用的就是research文件目录下的object_detection API；sample和tutorial对应的是特征示例和教程；本篇文章中我们只应用research目录下的API。

2、安装依赖库

下载好tensorflow/models文件后，随便解压到自己喜欢的文件目录下，同时可以在github上打开tensorflow/models/object_detection目录下，往下翻可以看到安装和使用说明，根据说明，我们需要安装以下依赖库：

Protobuf 2.6
Pillow 1.0
lxml
tf Slim (which is included in the "tensorflow/models/research/" checkout)
Jupyter notebook
Matplotlib
Tensorflow

其中Windows 10 64位下的tensorflow安装请参考：tensorflow window 10 64位安装。

然后就是安装各个依赖库，安装这些依赖库之前，你需要安装好Python，这里我用的是Python3.5.在cmd或者powershell命令中输入一下命令进行安装依赖库：

pip install pillow
pip install lxml
pip install jupyter
pip install matplotlib

3、安装protoc

然后就是安装protoc，protoc是用来将API目录下的.proto文件转换为Python文件.py。建议下载protoc-3.4.0-win32.zip，我一开始下载了最新的protoc-3.5.0-win32.zip，然后运行protoc时一直无法找到proto文件，换成protoc-3.4.0-win32.zip就成功了。

下载好protoc-3.4.0-win32.zip文件后，随便解压到自己喜欢的目录下，解压后将bin目录下的protoc.exe文件拷贝到C:\Windows目录下，或者是其他path包含的路径下皆可。

然后在tensorflow/models/research文件目录下打开cmd或者powershell，运行：

# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.

没有报错即正确。一开始我用的是protoc-3.5.0直接报错找不到文件：

命令运行后，可以观察到在tensorflow/model/research/object_detection/protos目录下所有的.proto文件都转换出了对应的.py文件：

4、安装model和slim

然后就是按照tensorflow/model和tensorflow/model/research/slim。

在tensorflow/model/research目录下打开cmd或者powershell窗口运行：

python setup.py install

然后在tensorflow/model/research/slim目录下同样运行命令行：

python setup.py install

安装完成后，在系统变量中新建pythonPath环境变量，变量值设置为你的object_detection的上一级目录以及slim目录，这里我的电脑里添加的是：

G:\CNNprograms\models-master\research
G:\CNNprograms\models-master\research\slim

然后在tensorflow/model/research目录下运行命令行：

python object_detection/builders/model_builder_test.py

如图所示，没有报错，就成功了。

5、运行官方的demo

在tensorflow/model/research目录下打开powershell或者cmd输入：

jupyter notebook

然后找到并打开object_detection目录下的object_detection_tutorial.ipynb文件，然后在main menu中的cell中打击run all，就可以看到官网的目标检测demo了：

到这里小伙伴们就可以愉快的玩耍了。