2017 年 6 月， Google 公司开放了 TensorFlow Object Detection API 。 这 个项目使用 TensorFlow 实现了大多数深度学习目标检测框架，真中就包括Faster R-CNN。

本系列文章将

（1）先介绍如何安装 TensorFlow Object Detection API；

（2）再介绍如何使用已经训练好的模型进行物体检测 ；

（3）最后介绍如何训练自己的 模型；

下载tensorflow /models

TensorFlow Object Detection API 是存放在 tensorflow /models 项目（地址： https://github.com/tensorflow/models）下的。

可用如下命令来下载：

git clone https://github.com/tensorflow/models.git

建议使用Anaconda开发库，若果提示未安装git,在anaconda 的prompt中有conda install git命令安装git即可，然后再使用上面命令下载models项目。（同样可用conda install tensorflow安装tensorflow）

下载得到的models文件夹中有个research文件夹。

安装TensorFlow Object Detection API

step1:安装或升级protoc

在models/research/object_detection/protos/目录下有很多以“.proto”结尾的文件，这些文件需要使用protoc程序编译成python文件。需要下载安装2.6.0以上版本的protoc进行编译。安装或升级的方法是登录 protobuf 的发布页面 ： https://github.com/ google/protobuf/releases 下载已经编译好的文件包。用protoc --version查看自己安装的protoc版本。

step2: 使用protoc对proto文件进行编译

命令为： 

protoc /yourpath/models/research/object_detection/protos/*.proto --python_out=.

可以在protos/文件夹下看到每个.proto文件生成了对应的.py文件，说明编译成功。有时你看到该目录下还有.pyc文件，（.pyc文件介绍）

win10 CPU环境的同学请参考这篇文章，照样能让你的低配置电脑运行起该API：win10 CPU运行Tensorflow object detection API（含配置过程和代码，及检测结果）在用protoc编译过程中尽量使用3.4.0版本，该版本经本人实际测试证明可行，而3.5和3.6版本的有点问题。

注：：：

高版本的protoc可能会提示如下错误：

protoc object_detection/protos/*.proto --python_out=.

object_detection/protos/*.proto: No such file or directory

对上述的解决——

方法1：维持高版本protoc，用上述指令对protos目录下的每个以.proto结尾的文件各自一条条执行；

方法2：下载低版本的如3.4.0，将解压得到的bin文件夹中的protoc.exe 拷贝到object_detection这个文件下同级目录执行上述指令（这个指令根据你protoc.exe具体位置而定）

方法3：参考这篇文章protoc编译proto文件为py文件 ；（本人未尝试）

step3: 将Slim加入PYTHONPATH

TensorFlow Object Detection API 是以 Slim 为基础实现的，需要将 Slim 的目录加入 PYTHONPATH 后才能正确运行，命令如下：

export PYTHONPATH=$PYTHONPATH :/yourpath/models/research：/yourpath/models/research/slim

step4：安装完成测试

运行如下指令检查是否完成Tensorflow Object Detection API的安装。

接下来文章将讲解用这个API调用现成的模型直接测试图片和视频。