TensorFlow Object Detection API 跑代碼過程
谷歌在其開源博客上發表了一篇名爲《Supercharge your Computer Vision models with the TensorFlow Object Detection API》的文章，通過 TensorFlow Object Detection API 將谷歌內部使用的物體識別系統（2016 年 10 月，該系統在 COCO 識別挑戰中名列第一）開源給更大的社區，幫助打造更好的計算機視覺模型。
這個代碼庫是一個建立在 TensorFlow 頂部的開源框架，方便其構建、訓練和部署目標檢測模型。我們設計這一系統的目的是支持當前最佳的模型，同時允許快速探索和研究。我們的第一個版本包含：
● 一個可訓練性檢測模型的集合，包括：
● 帶有 MobileNets 的 SSD（Single Shot Multibox Detector）
● 帶有 Inception V2 的 SSD
● 帶有 Resnet 101 的 R-FCN（Region-Based Fully Convolutional Networks）
● 帶有 Resnet 101 的 Faster RCNN
● 帶有 Inception Resnet v2 的 Faster RCNN
● 上述每一個模型的凍結權重（在 COCO 數據集上訓練）可被用於開箱即用推理。
● 一個 Jupyter notebook 可通過我們的模型之一執行開箱即用的推理
● 藉助谷歌雲實現便捷的本地訓練腳本以及分佈式訓練和評估管道
除了yolo，剩下的基本上都提供了。特別還提供了輕量化的 MobileNet，這意味着它們可以輕而易舉地在移動設備中實時使用。
SSD 模型使用了輕量化的 MobileNet，這意味着它們可以輕而易舉地在移動設備中實時使用。在贏得 2016 年 COCO 挑戰的研究中，谷歌使用了 Fast RCNN 模型，它需要更多計算資源，但結果更爲準確。
參閱谷歌發表在 CVPR 2017 上的論文：https://arxiv.org/abs/1611.10012
進入https://github.com/tensorflow/models/tree/master/object_detection
installation
Dependencies
Tensorflow Object Detection API depends on the following libraries:
● Protobuf 2.6
● Pillow 1.0
● lxml
● tf Slim (which is included in the “tensorflow/models” checkout)
● Jupyter notebook
● Matplotlib
● Tensorflow
For detailed steps to install Tensorflow, follow the Tensorflow installation instructions. A typically user can install Tensorflow using one of the following commands:
For CPU
pip install tensorflow
For GPU
pip install tensorflow-gpu
The remaining libraries can be installed on Ubuntu 16.04 using via apt-get:
sudo apt-get install protobuf-compiler python-pil python-lxml
sudo pip install jupyter
sudo pip install matplotlib
Alternatively, users can install dependencies using pip:
sudo pip install pillow
sudo pip install lxml
sudo pip install jupyter ？？
(調試1st：sudo -H pip install jupyter 失敗
調試2st：手動下載notebook-5.0.0-py2.py3-none-any.whl
sudo pip install notebook-5.0.0-py2.py3-none-any.whl 失敗
調試3st：設置超時時間 pip –default-timeout=100 install -U Pillow失敗
)
sudo pip install matplotlib