Tensorflow Object Detection API使用

Tensorflow提供了基于深度学习方法的目标检测库Object Detection API，库中提供了目前比较流行的Faster-RCNN和SSD框架用于目标检测任务，也可以自定义模型框架进行学习用于目标检测。库中基于目前比较流行的数据集coco，PASCAL，Oxford Pet等数据集对一部分模型进行了预训练，用户可以基于这些预训练模型利用自己的数据集对自己的应用进行微调训练得到自己所需要的模型并导出应用。

1.安装

（1）单独目录下使用
即直接在自定义目录下运行使用
参考博客：安装 Tensorflow Object Detection API
Win7配置和运行TensorFlow:Object_Detection_API步骤
TensorFlow:Object_Detection_API在Windows10上的配置

（2）利用setup.py安装至Python至安装目录下使用
在setup.py目录下运行代码，将object detection模块安装至python\Lib\sit-packages目录下

python setup.py install

2.准备数据集

工具：labelImg

参考博客：
图片标注工具LabelImg使用教程

3.实例操作

（1）Tensorflow对象检测API构建玩具检测器

（2）目标检测（Google object_detection） API 上训练自己的数据集

（3）
TensorFlow Object Detection API教程——制作自己的数据集
TensorFlow Object Detection API教程——利用自己制作的数据集进行训练预测和测试

（4）动动手，用TensorFlow API训练出自己的目标检测模型

4.一些问题

（1）基于coco数据集训练出来的预训练模型利用pet数据集进行微调训练，但使用时无法检测出任何目标

猜测原因：可能是训练次数较小，模型精度不够

（2）利用Pete数据集微调训练时，验证算法出错，暂未知原因

Corrupt JPEG data: 245 extraneous bytes before marker 0xd9