Object Detection APi物件辨識分類器實作-採用TensorFlow (CPU)

woff

環境設置以及測試範例執行

安裝TensorFlow-GPU， Anaconda

可能你已經有安裝TensorFlow-GPU在你的電腦上，又或是沒有的話採用CPU的版本即可，但是還是強力推薦採用GPU版本，因為訓練的速度真的快很多，但是小弟經費有限，目前這個實作採用CPU來實作。

Anaconda能確保你擁有完善的package，保證一定程度的相依完整度，但缺點也是肚子比較胖，若你是想在小型嵌入式系統，那麼還是先避免這個步驟。

設置TensorFlow 在Windows 10的資料夾目錄

從GitHub下載TensorFlow Repo.，點擊Clone或下載，接著在C碟中創造一個資料夾叫做tensorflow，然後將剛剛下載的models-master壓縮檔解壓縮在剛創建的C：\ tensorflow目錄中，並將名稱改為models。

TensorFlow提供許多Object Detection的模型(預先訓練好的一些特殊的網路架構)在model zoo。

其中包含SSD-MobileNet model，快速但是較低的精準度，還有 Faster-RCNN model，較慢但是精準度較高。個人在實作面喜歡精準度高一點的架構，因此該實作採用 Faster-RCNN-Inception-V2 model，若想實作在手機上，可以考慮採用SSD-MobileNet。

本實作為了精準度採用了與範例不同的 Faster-RCNN model，可以點連結下載。下載之後將檔案接壓縮到

1. C:\tensorflow\models\research\object_detection

複製代碼

接著下載Git Hub 的 repository

下載後進行解壓縮，將壓縮出的檔案貼到

1. C:\tensorflow\models\research\object_detection

複製代碼

下列資料夾會有該實作部分的資料，請自行刪除裡面的圖片以及各個檔案

1. \object_detection\images\train
   
2. \object_detection\images\test
   
3. \object_detection\images
   
4. \object_detection\training
   
5. \object_detection\inference_graph

複製代碼

設定Anaconda的虛擬環境

1. C:\> conda create -n tensorflow pip python=3.6

複製代碼

雖然新版的Anaconda已經將python帶到3.7，但是3.7還是有許多不穩定的地方，這邊將繼續沿用3.6

先進入Anaconda 的CMD.EXE PROMPT

1. C:\> activate tensorflow

複製代碼

請用我們剛剛創建好的環境tensorflow

看到環境由base轉換成tensorflw就代表請用成功，接下來安裝tensorflow，這邊當然可以安裝gpu版本的，但是為了快速建置，這邊還是使用簡單的cpu版本安裝

1. C:\> pip install --ignore-installed --upgrade tensorflow

複製代碼

接著安裝其它必要packages

1. (tensorflow) C:\> conda install -c anaconda protobuf
   
2. (tensorflow) C:\> conda install jupyter
   
3. (tensorflow) C:\> pip install pillow
   
4. (tensorflow) C:\> pip install lxml
   
5. (tensorflow) C:\> pip install Cython
   
6. (tensorflow) C:\> pip install matplotlib
   
7. (tensorflow) C:\> pip install pandas
   
8. (tensorflow) C:\> pip install opencv-python

複製代碼

設置Windows 10的 PYTHONPATH

1. C:\tensorflow\models;
   
2. C:\tensorflow\models\research;
   
3. C:\tensorflow\models\research\slim

複製代碼

編譯Protobufs

Protobufs用來設置TensorFlow的模型與參數，在Anaconda Prompt下將目錄切換至\models\research，接著執行

1. protoc --python_out=.

複製代碼

若是以上執行成功，你會在 \object_detection\protos的資料夾看到 許多name_pb2.py的檔案在裡面。接著在相同的目錄執行

1. (tensorflow) C:\tensorflow\models\research> python setup.py build
   
2. (tensorflow) C:\tensorflow\models\research> python setup.py install

複製代碼

測試一下整個APi是否安裝正確

將目錄切換到research\object_detection，接著執行

1. (tensorflow) C:\tensorflow\models\research\object_detection> jupyter notebook object_detection_tutorial.ipynb

複製代碼

object_detection_tutorial.ipynb是由官方所提供的測試範例，整個環境正確安裝無誤後就可以執行這個教學檔，

執行這部分時取決於你的網路速度，整個執行完之後應該會出現狗狗的辨識結果

以上是整個環境設定以及測試範例的執行，第二個部分要說明的是如何自己訓練自己想要的物件。

未完

參考文章

文章出處：網頁設計,網站架設 ,網路行銷,網頁優化,SEO - NetYea 網頁設計