在Windows下使用Tensorflow Object Detection API

环境

Windows7/10

Python 3.6

Tensorflow-gpu 1.2

CUDA Toolkit 8与 cuDNN v5

首先我们安装Tensorflow，最新的版本为1.2/1.8。在python 3.5+使用Tensorflow非常的简单，不需要过多的流程，只需要使用pip进行安装，所有相关的依赖就会自动安装完成。

Tensorflow Object Detection API使用Protobufs来配置模型和训练参数。 在使用框架之前，必须编译Protobuf库。对于protobuf，在Linux下我们可以使用apt-get安装，在Windows下我们可以直接下载已经编译好的版本，这里我们选择下载列表中的protoc-3.3.0-win32.zip。

第一步：配置protoc3.3

下载：Github：https://github.com/google/protobuf/releases

我们将bin文件夹加入到环境变量中，然后在CMD执行protco命令，可以看到protobuf要求输入文件：

接下来我们下载tensorflow/models:

​
git clone https://github.com/tensorflow/models.git

然后打开文件下的research，将research作为根目录来执行cmd操作，输入以下命令可得：

protoc object_detection/protos/*.proto --python_out=.

运行结果：

打开object_detection/protos/文件夹，如果每个.proto文件都生成了对应的.py文件代表编译成功了。

第二步：将models/research文件下的Slim添加到PYTHONPATH

配置protoc3.3后运行(在research目录下cmd)：

python object_detection\builders\ model_builder_test.py

解决方法：到D:\Python364anzhuang\Lib\site-packages目录下，新建一个tensorflow_model.pth，注意：这里先建一个.txt文件,然后重命名为tensorflow_model.pth，然后拷贝到python下用pycharm打开编写即可，打开后在tensorflow_model.pth中添加如下路径保存即可：

D:\protobufanzhuang\models\research

D:\protobufanzhuang\models\research\slim

再次运行：

以上表明环境搭建完成。

运行官方给定好的jupyter-notebook文件，即object_detection_tutorial.ipynb，将它转写成object_detection_tutorial.py文件后运行：

运行后会有如下警告错误，

解决方法是：

将它：from matplotlib import pyplot as plt

改成：import matplotlib; matplotlib.use('Agg')
import matplotlib.pyplot as plt

最终模型运行文件在model中的research中的object_detection中

 参考网址：在Windows下使用Tensorflow Object Detection API - 简书

TensorFlow Object Detection API（Windows下测试） - 负赑屃 - 博客园

 Object_Detector_API使用（静态图像识别）_xingwei_09的博客-CSDN博客