# 基于tensorflow1.7.0 + object detection API 实现视频识别、语言识别、文本识别功能 前言:在搭建环境的时候,如果采用源码安装,到处都是坑,估计2天时间都未必能弄好, 所以,建议尽量不采用源码安装。 一 、TensorFlow 环境搭建(为了保证本项目运行成功)请严格按照下面步骤按照
python3.5(3.5或以上 ,其中pip3 需要升级到 10.1) Protobuf 3.3 (官方说的2.6 在用protoc编译时出错 ) Python-tk Pillow 1.0 lxml tf Slim (which is included in the "tensorflow/models/research/" checkout) Jupyter notebook Matplotlib Tensorflow Cython cocoapi 二、ubuntu16.4下安装 #For CPU pip install tensorflow
For GPU
pip install tensorflow-gpu (如果安装gpu) 三、依赖包安装( 下面仅仅举例,包括第一点所说的所有软件包都需要安装) sudo apt-get install protobuf-compiler python-pil python-lxml python-tk sudo pip install Cython sudo pip install jupyter sudo pip install matplotlib sudo pip ..... 直接用download方式从 github.com/tensorflow/models 下载models包,大概470M,如果用git 太慢。 四、COCO API 安装 git clone https://github.com/cocodataset/cocoapi.git cd cocoapi/PythonAPI make cp -r pycocotools <path_to_tensorflow>/models/research/
五、Protobuf 编译(非常重要,编译不成功,后面无法执行)
From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.
六、设置PYTHONPATH路径 (非常重要)
From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:pwd
:pwd
/slim
七、测试安装 python object_detection/builders/model_builder_test.py 不报错,则表示安装成功 八、运行 jupyter 在 ~/tensorflow/models/research 目录下运行 jupyter nohup jupyter notebook --ip=* --no-browser --allow-root 2>&1 > my.log & 然后 在浏览器输入 http://xxx.xxx.xxx.xxxx:8888/ ,其中xxx.xxx.xxx.xxx表示安装jupyter的IP地址,8888表示端口 九 、在浏览器中运行 object_detection_tutorial.ipynb ,这个demo是图片识别,但需要改进!有些 识别不出来。