TensorFlow Object Detection API 可实现基于给定模型检测图像中的特定目标，是典型的深度学习在计算机视觉中的应用。本文以此为例，开始应用TensorFlow解决实际问题。
首先，需要下载TensorFlow的model文件，可在GitHub的Tensorflow/models上找到，下载models文件。
可通过git clone下载，或者在页面上直接点击绿色的Clone or Download按钮，下载master分支。在此分支中，存在research文件夹。research文件夹下，可以找到object_detection文件夹，Object Detection API 就在其中。
在应用Object Detection API 之前，需要进行一下依赖环境的安装，可参考官方的安装说明。如果仅跑目标检测实例，也不用都安装，以后用到了随时安装即可。
首先要安装tensorflow，我安装的是gpu版本，可以参考我的博客tensorflow（2）：Ubuntu 16.04安装（GPU版本）。我的系统是Ubuntu 16.04，需要安装如下环境：
sudo apt-get install protobuf-compiler python-pil python-lxml python-tk
sudo pip install Cython
sudo pip install jupyter
sudo pip install matplotlib
然后是对Protobuf libraries进行编译，刚才安装了protobuf-compiler编译环境，命令如下。
protoc object_detection/protos/*.proto --python_out=.
这里注意object_detection的路径不要写错。编译之后，protos文件夹下的.proto文件会生成同名的.py文件，后期再应用程序中，需要调用这些python包。
本文通过PyCharm编写Object Detection API的应用程序，可参考Ubuntu16.04环境下PyCharm安装和配置进行基本配置。新建一个python project，将编译过Protobuf libraries的object_detection文件夹拷贝到project目录下，在工程根目录下，新建python file，“TestTFImg.py”，用于调用Object Detection API 。
然后，即可参考官方简明使用文档编写程序了。
这里说明几点需要个性化修改的地方：
model并不在下载的models文件夹中，需要单独从model zoo中下载，我下载的是ssd_mobilenet_v2_coco，下载之后解压文件，放到object_detection文件夹下，要将MODEL _ NAME写成下载的model的目录名。
还要修改CKPT和LABELS的路径，使其指向真正存在的路径，这里我设置了一个系统路径变量，通过os.getcwd()获得当前路径，然后拼接得到两个路径。
由于PyCharm不支持IPython的%matplotlib inline命令，因此在plt.imshow之后，要通过plt.show将图片显示出来。
这样程序就可以正常运行了，运行结果如下。
