物體檢測TensorFlow Object Detection API （一）安裝
在計算機視覺任務中，區分一下圖像分類和物體檢測，一部分任務的數據標注形式是
圖片-標簽1，標簽2，標簽3
這種類型的數據，我們最終的目的，也是測試的圖片，打標簽，姑且將其認為屬于圖片分類任務。
而另外一種數據
圖片中的某一塊-標簽1
圖片中的另一塊-標簽2
這種任務，我們的目的是在某張圖片中檢測（查找）某物體。
TensorFlow Object Detection API 是 TensorFlow models 里的一個 research project 其中預設了很多網絡模型可供我們直接調用和調參，也可以根據其自定義模型。大大簡化了我們進行實驗的流程。然而，即便如此，TensorFlow 依然不是一個新 friendly 的一個項目。在開發過程中可能遇到各種各樣的問題。在此做此記錄。
——2018.8.10
安裝
此處參考了 Installation TensorFlow models 官方 GitHub doc.
依賴
- Protobuf >= 3.0.0
- Python-tk
- Pillow
- lxml
- tf Slim
- Jupyter notebook
- matplotlib
- TensorFlow
- Cython
- contextlib2
- cocoapi
TensorFlow 如何安裝不再說明，Protobuf 可通過 brew 安裝。
coco api 選裝
其余通過 pip 安裝
其中 probuf 被用來設置模型和訓練參數，在正式使用前，需要將 protobuf 庫進行編譯
# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.
注意看好路徑。
jupyter notebook 是交互式的筆記本應用，可以邊寫代碼邊記筆記。非常實用的工具，使用它可以看作者預設的一個最簡單的模型。
將 slim directories 加入 PYTHONPATH
# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
任何位置使用此 api 都要首先運行此命令。
如果沒有運行此命令可能會出現
ModuleNotFoundError: No module named 'object_detection'
這樣的錯誤
測試安裝效果
python object_detection/builders/model_builder_test.py
因為在本人機器上 python 命令默認調用 python2， python3 命令才會調用 python3 所以在測試命令改為：
python3 object_detection/builders/model_builder_test.py
如果出現以下場景，表明運行成功。
代表安裝成功了。
一件趣事：
在測試這個8月6號，7號測試時候，總是出現錯誤，后來發現是一處 xrange（python2）用法沒有改成 range。 然后我把它改了就能運行了，發了 pull request 被 Google 的哥哥回復了，說他們正在更新一個大版本，里面已經改了這個錯誤，然后 8月8號就確實更新了一個新版本，改了很多地方。
