GitHub 中的“ssd_inception_v1_coco_2017_11_17”示例 - Shell-Bash

简介

本示例为使用 TensorFlow 实现的基于 Inception V1 模型的 SSD（Single Shot Multibox Detector）物体检测模型，使用 Microsoft COCO 数据集进行训练，通过下载预训练好的模型文件可以实现对自己数据集的物体检测，支持 Linux 平台下的 GPU 加速。

使用方式

1. 克隆本仓库到本地：

git clone https://github.com/tensorflow/models.git

2. 进入 models 目录，并下载预训练好的模型：

cd models/research/object_detection
wget http://download.tensorflow.org/models/object_detection/ssd_inception_v1_coco_2017_11_17.tar.gz
tar -xvf ssd_inception_v1_coco_2017_11_17.tar.gz
rm ssd_inception_v1_coco_2017_11_17.tar.gz

3. 下载你需要检测的图片或视频文件，并放入 models/research/object_detection/test_images/ 目录下。
4. 运行以下命令完成检测：

python3 object_detection.py \
    --input_path=models/research/object_detection/test_images/test.jpg \
    --output_path=models/research/object_detection/test_images/result.jpg \
    --model_path=models/research/object_detection/ssd_inception_v1_coco_2017_11_17/frozen_inference_graph.pb

参数说明

• input_path：指定需要检测的图片或视频文件的路径。
• output_path：指定检测结果的输出路径。
• model_path：指定预训练模型文件的路径。

注意事项

• 要使用 GPU 进行加速，需要安装 GPU 版 TensorFlow 并进行相应配置。
• 如果输出结果图片为全黑，可能是因为输入图片格式不被支持。