目標檢測在圖形識別的基礎上有了更進一步的應用，但是代碼也更加繁瑣，TensorFlow專門為此開設了一個object detection API，接下來看看怎麽使用它。

一、object detection API 配置

首先，能到目標檢測了應該至少已經安裝好了TensorFlow及其相關依賴。這裏主要講在TensorFlow可以正常使用的基礎上目標檢測API的配置。

（1）下載TensorFlow object detection API

　　去TensorFlow github上下載到本地目錄（避免中文），解壓。

（2）protobuf安裝與配置

　　首先看看電腦是否安裝了protobuf，可在終端試下：

?  ~ protoc --version
libprotoc 3.6.1  # 有輸出說明已經安裝

如果沒有安裝，先去protobuf github下載安裝包，我選擇的版本是protobuf-all-3.6.1.tar.gz。Linux安裝方法如下：

　　a、解壓，編譯，安裝

#tar -xf  protobuf-all-3.6.1.tar.gz
#cd protobuf-3.6.1
#./configure 
#make 
#make check 
#make install

　　b、安裝protobuf的python 模塊（不需要python調用的可以不用）

#cd ./python 
#python setup.py build 
#python setup.py test 
#python setup.py 
 
install

　　我原先在python模塊了安裝過了，用 pip install protobuf，但兩個版本要一致。

　　c、驗證是否安裝成功

#protoc --version

#python 
>>>import google.protobuf

　　沒有報錯，說明安裝成功

下面進行protobuf的配置，終端進入models\research\目錄，輸入：

?  ~ $ cd tensorflow/models/research 
?  research $ protoc object_detection/protos/*.proto --python_out=.

會將protos下所有的proto文件轉換為一個對應的Python文件。

（3）添加環境變量PYTHONPATH

tensorflow/models/research/ 和 slim 目錄 需要添加到PYTHONPATH環境變量中. 從終端中，切換到tensorflow/models/research/目錄，執行:

# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

註意: 這條命令在新打開的終端中需要重新執行一次才會在新終端中生效，如果不想那麽麻煩，就在 ~/.bashrc或者~/.zshrc (具體看用的是bash還是zsh)文件上把上面的語句添加到末尾，註意把pwd改成絕對路徑。

（4）測試

得到OK，說明安裝成功

python object_detection/builders/model_builder_test.py

（5）接下來，跑一個demo，你可以在這個路徑下運行jupyter notebook，然後打開/object_detection/object_detection_tutorial.ipynb

註意，下面這個demo裏第４步是從網絡中下載預訓練模型文件，若執行的時候速度很慢，可以單獨去下載這個模型文件，然後解壓到相應目錄，確保存在object_detection/ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb 文件，然後屏蔽到代碼中下載指令，如圖所示，把Download Model代碼塊設置MarkDown或直接註釋掉也可以。

接下就一步步執行裏面的代碼，看看最後的結果是否能檢測出圖片中的object。

TensorFlow object detection API應用一