轉載：http://www.codingsoho.com/zh/blog/object-detection-api-installatin/
這兩天剛開始研究OpenCV，剛好碰到同事大牛在搞機器學習的識別的算法庫，今天跟他一起研究了一下Object Detection API的安裝，並基本測試通過!
網上資料很多，但或者版本老，或者環境不一樣，總之整個操作下來坑很多。 接下來我的操作是針對Window平台 (Win7), Python 3 (3.6/3.5)
安裝 Tensorflow Object Detection API
建立工程
Object Detection API 對應的源碼位置為https://github.com/tensorflow/models，可參考安裝文檔 https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md
新建Tensorflow文件夾，將https://github.com/tensorflow/models 下載放在Tensorflow目錄下。我習慣git同步，可以用下面命令把代碼git到本地
git clone git@github.com:tensorflow/models.git
安裝Tensorflow及依賴庫
首先安裝Tensorflow, 命令如下
# For CPU
pip install tensorflow
# For GPU
pip install tensorflow-gpu
安裝依賴庫
pip install Cython
pip install contextlib2
pip install pillow
pip install lxml
pip install jupyter
pip install matplotlib
編譯 Protobuf 依賴包
Tensorflow Object Detection API使用Protobufs來配置模型和訓練參數。在使用框架之前，必須編譯 Protobuf 依賴包。在 tensorflow/model目錄運行命令:
cd models/research
protoc object_detection/protos/*.proto --python_out=.
這條手冊上的命令很有可能會讓你碰到兩個問題：
- protoc 命令無法執行，因為沒安裝
- object_detection/protos/*.proto: No such file or directory
安裝 protoc
下載地址： http://code.google.com/p/protobuf/downloads/list，估計你也上不去，可以直接從protocbuf的github網站下載https://github.com/protocolbuffers/protobuf/releases
首先下載protobuf-all-3.6.1.tar 和 protoc-3.6.1-win32.zip 兩個包。分別解壓到各自目錄。
接着將protoc-3.6.1-win32.zip中的protoc.exe拷貝到c:\windows\system32中。
這樣protoc命令找不到的問題就能解決了。
object_detection/protos/*.proto: No such file or directory
這個問題是Object Detection Module的一個bug，說明如下
This is a typical bug of the object detection module working in Windows. Here are detailed discussion #1591.
A solution is to compile those .proto files one by one. You can write a batch to run.
所以我就簡單做了個批處理腳本運行
protoc object_detection\protos\anchor_generator.proto --python_out=.
protoc object_detection\protos\argmax_matcher.proto --python_out=.
protoc object_detection\protos\bipartite_matcher.proto --python_out=.
protoc object_detection\protos\box_coder.proto --python_out=.
protoc object_detection\protos\box_predictor.proto --python_out=.
protoc object_detection\protos\eval.proto --python_out=.
protoc object_detection\protos\faster_rcnn.proto --python_out=.
protoc object_detection\protos\faster_rcnn_box_coder.proto --python_out=.
protoc object_detection\protos\graph_rewriter.proto --python_out=.
protoc object_detection\protos\grid_anchor_generator.proto --python_out=.
protoc object_detection\protos\hyperparams.proto --python_out=.
protoc object_detection\protos\image_resizer.proto --python_out=.
protoc object_detection\protos\input_reader.proto --python_out=.
protoc object_detection\protos\keypoint_box_coder.proto --python_out=.
protoc object_detection\protos\losses.proto --python_out=.
protoc object_detection\protos\matcher.proto --python_out=.
protoc object_detection\protos\mean_stddev_box_coder.proto --python_out=.
protoc object_detection\protos\model.proto --python_out=.
protoc object_detection\protos\multiscale_anchor_generator.proto --python_out=.
protoc object_detection\protos\optimizer.proto --python_out=.
protoc object_detection\protos\pipeline.proto --python_out=.
protoc object_detection\protos\post_processing.proto --python_out=.
protoc object_detection\protos\preprocessor.proto --python_out=.
protoc object_detection\protos\region_similarity_calculator.proto --python_out=.
protoc object_detection\protos\square_box_coder.proto --python_out=.
protoc object_detection\protos\ssd.proto --python_out=.
protoc object_detection\protos\ssd_anchor_generator.proto --python_out=.
protoc object_detection\protos\string_int_label_map.proto --python_out=.
protoc object_detection\protos\train.proto --python_out=.
運行完成之后，對應的python文件就生成了。
注意: 運行上面命令時，不要在protos目錄編譯，安裝手冊步驟，在research目錄下，運行protoc object_detection\protos?.proto，否則會有一些文件依賴相關的報錯
在上面的過程中，我們並沒有去編譯protobuf-all-3.6.1.tar這個包。我也剛開始研究這個庫，所以還不確定它跟tensorflow下面的proto內部是否完全一致，但是它不影響接下來的基本測試，不過，我還是在這兒介紹一下它的編譯方法，有兩種（網上學習到的，待驗證）
1.跟前面一樣，用protoc編譯
2.如它tutorial里說的一樣，完全可以拿它編譯好的python文件
For non-C++ users, the simplest way to install the protocol compiler is to download a pre-built binary from our release page:
https://github.com/protocolbuffers/protobuf/releases
直接進行python安裝
python setup.py install
注意： protoc下載的文件里面也有protobuf，這個用不到，不要去編譯它protoc-3.6.1-win32\include\google\protobuf
特別注意的是，關於這一步網上有的人給的方案是讓你直接用編好的protos文件，但這很有可能會出現版本匹配的問題，這都是血的教訓。
為依賴包添加環境變量
將models\research和models\research\slim添加到環境變量，可以有幾個方法
1.函數添加
import sys
sys.path.append("c:\\")
這需要去改啟動腳本，我這兒只是想完成安裝，所以不是優選項
2.修改環境變量
用戶可以修改系統環境變量PYTHONPATH，因為我是用virtualenv建的工程，還不知道怎么去添加它
3.增加.pth文件，推薦！
在site-packages添加一個路徑文件，如oda.pth，該文件必須以.pth為后綴，在文件里寫上你指定訪問的python庫位置，如下：
E:\Computer\virtualenv\oda\models\research\
E:\Computer\virtualenv\oda\models\research\slim
測試
運行下面命令
python object_detection/builders/model_builder_test.py
如果正常的話你看到的結果應該如下
models\research\object_detection\builders>model_builder_test.py
......................
----------------------------------------------------------------------
Ran 22 tests in 0.438s
OK
運行 Jupyter notebook demo
啟動Jupyter
cd tensorflow/models/
jupyter notebook
它會啟動瀏覽器窗口，進入object_detection文件夾打開object_detection_tutorial.ipynb ，運行該文件Cell -> Run All
耐心點，幾分鍾之后(i5機器，不帶GPU)你就可以看到結果了。如果是i3機器，那你必須得升級了。
顯示效果如下
接下來，開啟你的Object Detection之旅吧!