一、開發環境

　1）python3.5

　2）tensorflow1.12.0

　3）Tensorflow object detection API ：https://github.com/tensorflow/models下載到本地，解壓

　　我們需要的目標檢測程式碼在models-research檔案中：

　　其中object_detection中的README.md記錄了API的使用指導：

　　注意：models包含了眾多的模組，可以根據需要選擇下載，也可以將整個models一塊兒下載，大概420M

　4）Protobuf 安裝與配置

　　Protobuf(Google Protocol Buffers)是GG開發的的一套用於資料儲存，網路通訊時用於協議編解碼的工具庫。和XML，Json資料差不多，把資料按某種形式儲存起來。相對與XML和Json的不同之處，它是一種二進位制的資料格式，具有更高的傳輸，打包和解包效率。

　　在https://github.com/google/protobuf/releases 網站中選擇windows 版本，解壓後將bin資料夾中的【protoc.exe】放到models中的research目錄下，執行下面的程式碼，將object_detection/protos下的.proto檔案轉換成.py檔案

'''
需要到protoc所在的目錄下執行protoc
protoc object_detection/protos/*.proto --python_out=./
'''

import os
os.chdir( 'models-master/research' )

for each in os.listdir( 'object_detection/protos' ):
    if each.endswith('proto'):
        os.system('protoc object_detection/protos/%s --python_out=.' % each)

　5）jupyter notebook下執行例項

　　在object_detection那輸入cmd命令，然後執行jupyter notebook

　　開啟如下檔案，然後依次點選Cell->Run All

　6）demo結果

　　如果程式碼成功執行的話，執行結果如下圖所示：

　下一步我們可以在此基礎上對程式碼進行適當的修改，可以用已有的模型來檢測自己的圖片，甚至視訊，並輸出結果。

　接著請讀者參考：Tensorflow object detection API 搭建物體識別模型（二）