【目标检测_3】基于tensorflow目标识别API执行已有的模型(运行demo coco数据集)

首先装环境 参考链接

一 执行已经训练好的模型 运行demo

1进入模型文件夹下的research文件夹中

进入research文件夹下！如果按照上面参考博客进行，那么路径可以由下面步骤查找：
首先确认tensorflow的路径

python3
import tensorflow as tf
tf.__path__

进入tensorflow文件夹，再依次进models_master/models（看自己下载的models名字命名）再进入research

2执行

jupyter-notebook

如果报错则没有安装jupyter，重新开一个终端先装jupyter

pip3 install jupyter

装好之后重新进行：

jupyter-notebook

显示如下：

点击object_detection文件夹，进入之后再单击下图文件

效果如下：

如下图操作：点击单元格 运行所有

则会开始下载模型运行结果，运行速度与网速有关，因为要下载模型，当下载完成之后可以看到object_detection文件下多了你下载的model
jupyter如何判断运行到哪？
PS：单元格前面是星号表示还未运行或者还在运行，是数字没有报错则表示成功运行～ python的圆圈为实心则在运行，否则运行结束

二 模型修改 _如何将例程中的ssd+mobilenet 改变为faster 或者mask_rcnn

只需要将MODEL_NAME 修改就好模型类别列表链接

进入参考地址之后，往下翻，可以看到训练模型表格如上所示，点击就可以获得全称，就是加上更新日期的～直接复制修改再次运行即可 ，比如我这运行的是mask_rcnn 运行完成后结果为：

三 如何添加自己的图片进行识别

首先可以从object_detection_tutorial 中阅读知道测试图片路径为：PATH_TO_TEST_IMAGES_DIR = ‘test_images’
即本地的：~models-master/research/object_detection/test_image

图片名字修改为image3(image+序号)
TEST_IMAGE_PATHS = [ os.path.join(PATH_TO_TEST_IMAGES_DIR, ‘image{}.jpg’.format(i)) for i in range(1, 4) ]
其中的range(1,4)表示序号1,2,3因此添加图片后此处范围需要修改