上一篇博客介紹了Google的tensorflow object detection API 的配置和使用， 這次介紹一下如何用這個API訓練自己的數據，製作特定的目標檢測模型。
第一步：製作數據集
下載數據集製作軟件（12.7M）：labelImg
鏈接：https://pan.baidu.com/s/1a3GqPXqrkvl07PrDMEqlaA
提取碼：jdpa
這是一個綠色軟件，下載都任意文件夾解壓後，可以看到如下目錄：
點擊labelImg.exe就可以運行了，界面如下：
點擊open dir 打開圖片所在文件夾，然後按W進行標註，添加label，然後點擊save，自動保存爲xml文件。
對於Tensorflow，需要輸入專門的 TFRecords Format 格式。
寫兩個小python腳本文件，第一個將文件夾內的xml文件內的信息統一記錄到.csv表格中（xml_to_csv.py），第二個從.csv表格中創建TFRecords格式（generate_tfrecord.py）
未完，待續。。。。。。。。
下面內容可以忽略。
解壓後將3個.ckpt文件放如自己的fine_tune_model文件夾下
然後下載模型對應的配置文件https://github.com/tensorflow/models/tree/master/research/object_detection/samples/configs
放到data文件夾下；