目标检测第4步-模型测试

致谢声明

本文在学习《Tensorflow object detection API 搭建属于自己的物体识别模型（2）——训练并使用自己的模型》的基础上优化并总结，此博客链接：https://blog.****.net/dy_guox/article/details/79111949，感谢此博客作者。

0.前言

本文作者的环境：python3.6、Windows10、tensorflow_gpu1.10
跟随本篇文章实践之前，需要先阅读前置文章。
《目标检测第2步-数据准备》，链接：https://www.jianshu.com/p/3d9436b4cb66
《目标检测第3步-模型训练》，链接：https://www.jianshu.com/p/0e5f9df4686a

1.下载并解压文件

在已经阅读并且实践过前3篇文章的情况下，读者会有一些文件夹。
因为每个读者的实际操作不同，则文件夹中的内容不同。
本文作者为了保持本篇文章的独立性，制作了可以独立运行的文件夹目标检测。
本文作者对文件夹目标检测做了压缩，形成的压缩文件目标检测.zip已经上传百度网盘。
链接: https://pan.baidu.com/s/1aL2WOZ_e9380caeJxbcYrQ 提取码: fea6
压缩文件目标检测.zip只有60.8M，下载好后放在桌面，选择提取到当前位置。
现在桌面有1个文件夹目标检测，文件夹目标检测中有3个文件夹nets、object_detection、training。
文件夹training中含有训练了200000次的模型。
如下图所示：

image.png

要求：读者需要用本文中的文件夹object_detection替换自己的文件夹object_detection。
原因：在文章《目标检测第3步-模型训练》中的文件夹object_detection与本文中的文件夹object_detection有区别，但是因为时间较久，没有找到修改的代码文件。之前的文件夹object_detection可能无法完成导出模型的操作

2.导出训练好的模型

在桌面的文件夹目标检测中，打开cmd，如下图所示：

image.png

即在资源管理器的路径中输入cmd，按Enter键运行。

2.1 添加环境变量

使用cmd添加永久环境变量，适用于熟悉cmd命令的读者。
cmd中运行命令：setx -m PYTHONPATH "C:\Users\Administrator\Desktop\目标检测"
命令成功运行后，如下图所示：
要保持下图中的2个红色方框内容一致，路径加双引号可以增加命令的强壮性。

image.png

运行成功会有提示成功: 指定的值已得到保存，如下图所示：

image.png

2.2 导出模型命令

在桌面的文件夹目标检测中，打开cmd。
在cmd中运行命令：python object_detection/export_inference_graph.py --input_type=image_tensor --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --trained_checkpoint_prefix=training/model.ckpt-200000 --output_directory=fish_inference_graph
运行成功的结果如下图所示：

image.png

在桌面的文件夹目标检测中产生了文件夹fish_inference_graph，如下图所示：

image.png

3. 下载测试数据

下载链接: https://pan.baidu.com/s/1NksESNqBX--YqMJ4zptGdw 提取码: 6p3u
压缩文件n01440764.tar下载完成后，复制到桌面的文件夹目标检测中，解压时选择提取到"n01440764"。
进行到此步，桌面的文件夹目标检测如下图所示：