导读：深度学习做图像识别有很多不同的途径。谷歌最发布Tensorflow的物体识别API（Object Detection API），让计算机视觉在各方面都更进了一步，我们可以利用这API来训练自己的数据集实现特殊的目标检测。但对于深度学习的初学者，在学习理论知识知识已经够枯燥乏味了，更不用说动手去实现实际效果并解决其中配置的问题。本教程是在macOS系统下实现的，后期由于研究需要，会在Windows系统下配置，到时候会出Windows系统下的教程，请大家及时关注。
小编目前是准研究生，研究方向是基于深度学习的计算机视觉，对于大家在配置的过程中出现的问题，请及时在评论区留言，我会及时与大家交流。小编本着谦虚学习和对学术上严谨的态度在这里和大家交流，若有不足之处，请大家及时指出。
■ 安装环境：
一、安装Python 、TensorFlow和其他依赖项
pip install tensorflow
pip install pillow
pip install lxml
pip install jupyter
pip install matplotlib
二、安装 Protoc, 进入Protoc下载页，下载对应的编译好的zip包。
下载后bin目录下会有一个protoc二进制文件，覆盖到对应目录：
cp Documents/深度学习/Tensorflow/protoc-3.5.1-osx-x86_64/bin/protoc/usr/local/bin/protoc
注意：cp的文件是自己存放下载Protoc目录下的bin/protoc，根据自己存放下载文件的目录修改即可，并且拷贝到/usr/local/bin（可以读写）
三、从github上下载目标检测API的源代码
选择目录下源代码（笔者选择的目录：Documents/深度学习/Tensorflow），下载文件较大（几百兆），请耐心等待
cd Documents/深度学习/Tensorflow
git clonehttps://github.com/tensorflow/models.git
四、编译Protobuf，进入目录models/research，运行命令进行编译：
cd models/research
protoc object_detection/protos/*.proto --python_out=.
五、在当前目录下，添加slim环境变量
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
六、测试目标检测API是否安装成功
python object_detection/builders/model_builder_test.py
在终端出现类似如下结果即安装成功 ：
七、测试模型
1.启动：
此处需要说明：如果你没有安装jupyter开发环境请按照如下步骤安装（1）（2），若已经安装直接跳到步骤（3）。
（1）Homebrew 安装，复制命令到终端，开始自动下载并安装，过程中需要输入密码，其他无需任何操作：
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
（2）在终端输入命令
brew install jupyter
（3）进入目录models/research/objection_detection（具体路径和自己前面下载保存的路径一致）
cd /Users/nikolatesla/Documents/深度学习/Tensorflow/models/research/object_detection
jupyter notebook
（4）点击：object_detection_tutorial进入
（5）点击：Cell 下的 Run All, 耐心等待几分钟
测试结果：
八、修改文件路径，即可以测试自己的图片
训练的照片在models/research/object_detection/test_images下
（1）将需要训练的照片放在该目录下，并按照“imageN.jpg”命名，从1开始编号，直到第N张。
（2）在 jupyter 里面修改代码，只需将划线部分换成N+1
九、修改输出图像的大小（以英寸为单位）
有问题及时在评论区留言
也欢迎大家加我微信和微博相互交流和学习
网友评论