本篇介紹如何安裝與使用 TensorFlow Object Detection API,自動辨識照片或影片中的物件。
Tensorflow Object Detection API 是 Google 以 TensorFlow 為基礎所開發的物件偵測程式開發架構(framework),其以開放原始碼的方式釋出,所有想要開發以深度學習自動辨識物件程式的人,都可以很方便的利用這套架構發展自己的系統。
首先安裝 TensorFlow 的基本環境:
# CPU 版 pip install tensorflow # GPU 版 pip install tensorflow-gpu
若在 Ubuntu Linux 中,其餘的套件可以使用 apt 安裝:
sudo apt-get install protobuf-compiler python-pil python-lxml sudo pip install jupyter sudo pip install matplotlib
在其他的 Linux 系統中,則可統一用 pip
安裝:
sudo pip install pillow sudo pip install lxml sudo pip install jupyter sudo pip install matplotlib
從 GitHub 上面下載 Tensorflow Object Detection API 的原始碼:
git clone https://github.com/tensorflow/models.git
Tensorflow Object Detection API 在使用之前,要先編譯 Protobuf 函式庫:
# 編譯 Protobuf 函式庫 cd models/research protoc object_detection/protos/*.proto --python_out=.
接著將 models/research
與 models/research/slim
加入 PYTHONPATH
環境變數中,這個步驟在每次使用 Tensorflow Object Detection API 之前都要執行,建議可以加入 ~/.bashrc
中:
# 將 models/research 與 models/research/slim 加入 PYTHONPATH export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
若沒有出現錯誤訊息的話,接下來就可以開始使用 Tensorflow Object Detection API 偵測物件了。
如果 protoc
的版本太舊,編譯時可能會出現這樣的錯誤訊息:
object_detection/protos/anchor_generator.proto:11:3: Expected "required", "optional", or "repeated". object_detection/protos/anchor_generator.proto:11:32: Missing field number.
若遇到這樣的狀況,可以直接下載預先編譯好的 protoc
來使用:
# 建立放置 protoc 的目錄 mkdir protoc_3.3 # 下載與解壓縮 protoc 3.3 cd protoc_3.3 wget https://github.com/google/protobuf/releases/download/v3.3.0/protoc-3.3.0-linux-x86_64.zip chmod 775 protoc-3.3.0-linux-x86_64.zip unzip protoc-3.3.0-linux-x86_64.zip # 使用 protoc 3.3 編譯 /your/path/protoc_3.3/bin/protoc object_detection/protos/*.proto --python_out=.
Tensorflow Object Detection API 的原始碼中有附帶一個簡單的入門範例程式,位於 models/research/object_detection/object_detection_tutorial.ipynb
,適合初學者來學習如何使用這套 API,這個範例程式是一個 .ipynb 的文件,必須要在 IPython Notebook 的環境中執行。
進入 object_detection
目錄,開啟 Jupyter Notebook:
cd object_detection
jupyter notebook
開啟 Jupyter Notebook 之後,開啟 object_detection_tutorial.ipynb
這個範例程式碼:
這個範例程式碼是由 Google 官方所提供的,裡面還有一些簡略的說明,對於熟悉 Python 與 TensorFlow 架構的人來說,應該是很容易就可以看得懂。
這個範例程式本身就有附帶測試用的圖片資料,所以可以直接執行,正常來說執行後就會得到兩張偵測結果的圖片。
這樣就完成 Tensorflow Object Detection API 基本的環境安裝與測試了。
我直接拿幾張照片來測試,這個範例程式碼所使用的模型是 SSD + Mobilenet,辨識物件的速度非常快,但是精確度似乎不是非常好。
這份範例程式碼的的測試圖檔是由 TEST_IMAGE_PATHS
這個變數來設定的,我們可以修改它,加上自己的圖片來測試一下:
# 設定測試用的圖檔 PATH_TO_TEST_IMAGES_DIR = 'test_images' TEST_IMAGE_PATHS = [ os.path.join(PATH_TO_TEST_IMAGES_DIR, 'image{}.jpg'.format(i)) for i in range(1, 2) ]
以下是一些 Tensorflow Object Detection API 測試結果的圖片。
接下來我們將以這個範例程式碼為基礎,介紹如何修改裡面的設定,根據自己的需求製作出適合的自動物件辨識引擎。
Page: 1 2