物体检测TensorFlow Object Detection API （一）安装
在计算机视觉任务中，区分一下图像分类和物体检测，一部分任务的数据标注形式是
图片-标签1，标签2，标签3
这种类型的数据，我们最终的目的，也是测试的图片，打标签，姑且将其认为属于图片分类任务。
而另外一种数据
图片中的某一块-标签1
图片中的另一块-标签2
这种任务，我们的目的是在某张图片中检测（查找）某物体。
TensorFlow Object Detection API 是 TensorFlow models 里的一个 research project 其中预设了很多网络模型可供我们直接调用和调参，也可以根据其自定义模型。大大简化了我们进行实验的流程。然而，即便如此，TensorFlow 依然不是一个新 friendly 的一个项目。在开发过程中可能遇到各种各样的问题。在此做此记录。
——2018.8.10
安装
此处参考了 Installation TensorFlow models 官方 GitHub doc.
依赖
- Protobuf >= 3.0.0
- Python-tk
- Pillow
- lxml
- tf Slim
- Jupyter notebook
- matplotlib
- TensorFlow
- Cython
- contextlib2
- cocoapi
TensorFlow 如何安装不再说明，Protobuf 可通过 brew 安装。
coco api 选装
其余通过 pip 安装
其中 probuf 被用来设置模型和训练参数，在正式使用前，需要将 protobuf 库进行编译
# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.
注意看好路径。
jupyter notebook 是交互式的笔记本应用，可以边写代码边记笔记。非常实用的工具，使用它可以看作者预设的一个最简单的模型。
将 slim directories 加入 PYTHONPATH
# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
任何位置使用此 api 都要首先运行此命令。
如果没有运行此命令可能会出现
ModuleNotFoundError: No module named 'object_detection'
这样的错误
测试安装效果
python object_detection/builders/model_builder_test.py
因为在本人机器上 python 命令默认调用 python2， python3 命令才会调用 python3 所以在测试命令改为：
python3 object_detection/builders/model_builder_test.py
如果出现以下场景，表明运行成功。
代表安装成功了。
一件趣事：
在测试这个8月6号，7号测试时候，总是出现错误，后来发现是一处 xrange（python2）用法没有改成 range。 然后我把它改了就能运行了，发了 pull request 被 Google 的哥哥回复了，说他们正在更新一个大版本，里面已经改了这个错误，然后 8月8号就确实更新了一个新版本，改了很多地方。
