TensorFlow官方目标检测与分类API的使用教程

在做自己的项目时和做毕业设计的时候会用到一些网络的预训练模型和数据集。

那么去哪里获取这些数据集和预训练模型呢。今天这里提供了一系列TensorFlow官方提供的API接口。

1、图像分类模型

首先我们需要访问GitHub的TensorFlow的TensorFlow-Slim image classification model library，

​

进入页面之后找到预训练模型部分，如下图：

这里会有许多网络模型和它对应的TensorFlow训练代码、预训练模型和模型在ImageNet数据集上的精度。注意官方实现的代码基本还是使用TensorFlow1.X版本的，所以你要使用这些代码的话，可能你的TensorFlow版本需要改变一下了。

2、目标检测模型

​

可以发现有TensorFlow1.X和TensorFlow2.X两个版本，所有对于不同需求的用户来讲可以找到不同版本的模型。

这里有一系列目标检测的模型可供选择。是使用时，需要自己准备数据集，并对数据集中的每个目标进行标注。每一个目标都要使用鼠标进行框出来标注和标出类别名称，这个过程也就是被称为打标签的过程。这些模型中也存在一些实例分割的模型，要对这些目标进行分割时，我们需要将它们进行更复杂的处理，需要将目标抠出来。

推荐大家使用Linux操作系统比如CentOS、Ubuntu等，因为官方给的这些实例都是在Ubuntu上跑的，所以在Linux环境下跑会更好，在Windows环境下可能出现各种各样的Bug。一定要看官方的教程，不要去搜网上的中文版本，因为那些翻译的版本比较旧，会出现很多bug，所以看官方文档比较好。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删