导读：深度学习做图像识别有很多不同的途径。谷歌最发布Tensorflow的物体识别API（Object Detection API），让计算机视觉在各方面都更进了一步，我们可以利用这API来训练自己的数据集实现特殊的目标检测。但对于深度学习的初学者，在学习理论知识知识已经够枯燥乏味了，更不用说动手去实现实际效果并解决其中配置的问题。本教程是在macOS系统下实现的，后期由于研究需要，会在Windows系统下配置，到时候会出Windows系统下的教程，请大家及时关注。

        小编目前是准研究生，研究方向是基于深度学习的计算机视觉，对于大家在配置的过程中出现的问题，请及时在评论区留言，我会及时与大家交流。小编本着谦虚学习和对学术上严谨的态度在这里和大家交流，若有不足之处，请大家及时指出。

■ 安装环境： 

一、安装Python 、TensorFlow和其他依赖项

pip install tensorflow

pip install pillow

pip install lxml

pip install jupyter

pip install matplotlib

二、安装 Protoc, 进入Protoc下载页，下载对应的编译好的zip包。

        下载后bin目录下会有一个protoc二进制文件，覆盖到对应目录：

cp Documents/深度学习/Tensorflow/protoc-3.5.1-osx-x86_64/bin/protoc/usr/local/bin/protoc

注意：cp的文件是自己存放下载Protoc目录下的bin/protoc，根据自己存放下载文件的目录修改即可，并且拷贝到/usr/local/bin（可以读写）

三、从github上下载目标检测API的源代码

选择目录下源代码（笔者选择的目录：Documents/深度学习/Tensorflow），下载文件较大（几百兆），请耐心等待

cd Documents/深度学习/Tensorflow

git clonehttps://github.com/tensorflow/models.git

四、编译Protobuf，进入目录models/research，运行命令进行编译：

cd models/research

protoc object_detection/protos/*.proto --python_out=.

五、在当前目录下，添加slim环境变量

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

六、测试目标检测API是否安装成功

python object_detection/builders/model_builder_test.py

在终端出现类似如下结果即安装成功 ：

七、测试模型

1.启动：

此处需要说明：如果你没有安装jupyter开发环境请按照如下步骤安装（1）（2），若已经安装直接跳到步骤（3）。

（1）Homebrew 安装，复制命令到终端，开始自动下载并安装，过程中需要输入密码，其他无需任何操作：

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

（2）在终端输入命令

brew install jupyter   

（3）进入目录models/research/objection_detection（具体路径和自己前面下载保存的路径一致）

cd /Users/nikolatesla/Documents/深度学习/Tensorflow/models/research/object_detection

jupyter notebook

（4）点击：object_detection_tutorial进入

（5）点击：Cell 下的 Run All, 耐心等待几分钟 

测试结果： 

八、修改文件路径，即可以测试自己的图片

训练的照片在models/research/object_detection/test_images下

（1）将需要训练的照片放在该目录下，并按照“imageN.jpg”命名，从1开始编号，直到第N张。

（2）在 jupyter 里面修改代码，只需将划线部分换成N+1 

九、修改输出图像的大小（以英寸为单位） 

有问题及时在评论区留言

也欢迎大家加我微信和微博相互交流和学习