Object_Detector_API使用（静态图像识别）
环境搭建
1. 从GitHub上下载models，网址：https://github.com/tensorflow/models
2. Protobuf下载，我下载的版本为 （3.5.0版本后面运行有问题），网址：https://github.com/google/protobuf/releases
3. 解压下载的压缩包，并将bin文件夹中的 复制到C:\Windows目录下，如下：
4. 打开cmd窗口批，cd到models/research/目录下，如下：
5. 输入如下命令：
6. 不报错即可，如下：
7. 在路径下生成一堆python文件，如下图所示：
8. 测试安装，输入如下命令：
提示错误如下：
解决方法：到C:\ProgramFiles\Anaconda3\Lib\site-packages目录下，找到tensorflow_model.pth文件，如下：
在文件内添加如下路径：
9. 再次运行即可，提示OK：
以上即环境搭建完成；
读取实例程序
1. 进入object_detection文件中，点右键新建一object_detection_tutorial.py文件；
用Notepad++打开，选择上面的“语言”—“P”—“Python”；
2. 然后将下面的代码复制进去；
3. 然后，点“编码”——“以UTF-8无BOM格式保存”；
4. 打开Spyder软件，打开object_detection_tutorial.py文件，运行，主要是读取object_detection\test_images中的图片：image1和image2，做目标检测；
模型的选择
可用的模型在object_detection\samples\configs目录下，主要使用热门的FasterR-CNN、R-FCN、SSD模型，文件命令形式为：“模型+框架+数据集.config”，如下：
3种模型运行准确率如下表，Speed表示速度，COCO mAP表示在COCO数据集上的平均准确率，第一个ssd_mobilenet就是我们默认使用的pre-train模型
程序默认使用的是SSD模型，可以对其进行修改，可用的模型为：
代码修改如下：
运行结果
主要时间用于下载模型，目标识别还是蛮快的（使用训练好的模型进行目标识别）；
测试自己的图片
修改【PATH_TO_TEST_IMAGES_DIR】路径，要在models-master\object_detection目录下。相应的数量for i in range(1, 3)也要进行改变。
源码为：
只需修改图片路径及路径下的哪些图像（例如：修改为D盘下的图），代码为：
点 运行，结果如下：
代码修改为：
运行结果如下：
修改模型并测试
1. 将模型修改为：faster_rcnn_resnet101，代码修改如下：
2. 在工程目录下，会下载此模型的压缩包，如下：
3. 测试，修改测试图片，如下：
4. 测试效果如下：
第一行图为faster_rcnn模型测试效果，第二行是SSD模型测试效果图