【TensorFlow】基于ssd_mobilenet模型实现目标检测

<div class="blogpost-body" id="cnblogs_post_body">
　　最近工作的项目使用了TensorFlow中的目标检测技术，通过训练自己的样本集得到模型来识别游戏中的物体，在这里总结下。
　　本文介绍在Windows系统下，使用TensorFlow的object detection API来训练自己的数据集，所用的模型为ssd_mobilenet，当然也可以使用其他模型，包括ssd_inception、faster_rcnn、rfcnn_resnet等，其中，ssd模型在各种模型中性能最好，所以便采用它来进行训练。
<h2>配置环境</h2>
　　1. 在GitHub上下载所需的models文件，地址：<a href="https://github.com/tensorflow/models">https://github.com/tensorflow/models</a>
　　2. 安装pillow、Jupyter、matplotlib、lxml，打开anaconda prompt输入以下命令，并安装成功
<div class="cnblogs_code">
 <pre class="blockcode">pip install pillow
pip install jupyter
pip install matplotlib
pip install lxml</pre>
</div>
　　3. 编译protobuf，object detection API是使用protobuf来训练模型和配置参数的，所以得先编译protobuf，下载地址：<a href="https://github.com/google/protobuf/releases">https://github.com/google/protobuf/releases</a>，具体配置过程可参考：<a href="https://blog.csdn.net/dy_guox/article/details/79081499" title="这篇博文">https://blog.csdn.net/dy_guox/article/details/79081499</a> 。
<h2>制作自己的样本集</h2>
　　1. 下载labelImg，并标注自己收集的图片样本，标注的标签自动保存为xml格式，
<img alt="" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-6fccc2bc61282538179cd39339b2b2e5.png">
<div class="cnblogs_code">
 <pre class="blockcode"><annotation>
<folder>images1</folder>
<filename>0.png</filename>
<path>C:\Users\White\Desktop\images1\0.png</path>
<source>
 <database>Unknown</database>
</source>
<size>
 <width>1080</width>
 <height>1920</height>
 <depth>3</depth>
</size>
<segmented>0</segmented>
<object>
 <name>box</name>
 <pose>Unspecified</pose>
 <truncated<