Tensorflow提供了基於深度學習方法的目標檢測庫Object Detection API，庫中提供了目前比較流行的Faster-RCNN和SSD框架用於目標檢測任務，也可以自定義模型框架進行學習用於目標檢測。庫中基於目前比較流行的數據集coco，PASCAL，Oxford Pet等數據集對一部分模型進行了預訓練，用戶可以基於這些預訓練模型利用自己的數據集對自己的應用進行微調訓練得到自己所需要的模型並導出應用。
1.安裝
（1）單獨目錄下使用
即直接在自定義目錄下運行使用
參考博客：安裝 Tensorflow Object Detection API
Win7配置和運行TensorFlow:Object_Detection_API步驟
TensorFlow:Object_Detection_API在Windows10上的配置
（2）利用setup.py安裝至Python至安裝目錄下使用
在setup.py目錄下運行代碼，將object detection模塊安裝至python\Lib\sit-packages目錄下
python setup.py install2.準備數據集
工具：labelImg
參考博客：
圖片標註工具LabelImg使用教程
3.實例操作
（2）目標檢測（Google object_detection） API 上訓練自己的數據集
（3）
TensorFlow Object Detection API教程——製作自己的數據集
TensorFlow Object Detection API教程——利用自己製作的數據集進行訓練預測和測試
（4）動動手，用TensorFlow API訓練出自己的目標檢測模型
4.一些問題
（1）基於coco數據集訓練出來的預訓練模型利用pet數據集進行微調訓練，但使用時無法檢測出任何目標
猜測原因：可能是訓練次數較小，模型精度不夠
（2）利用Pete數據集微調訓練時，驗證算法出錯，暫未知原因
Corrupt JPEG data: 245 extraneous bytes before marker 0xd9