a usage on tensorflow object detection API
本例程采用win10 + py3.6 + tensorflow1.4.0 + opencv3的组合
1.使用tensorflow提供的object_detection APi创建的应用
2.采用opencv3提供实时object tracking功能,考虑到实时性采用ssd_mobilenet_v1_coco_2017_11_17模型
完善中......
2017.12.27
加入多线程,读取视频流,多进程,加载物体识别模型,用来加快实时性能既fps
2017.12.28
1.将tensorflow更新为1.4.0的GPU版本,使用的显卡为Geforce 940M(笔记本),相关参数作调整以达到最佳fps 2.将显卡的显存使用修改为按需,这样可以在采用多进程加载tf.sessions的时候,自动控制显存使用
2017.12.29
增加视频流采样间隔配置参数,用来调整需要处理的帧,从而使不同设备达到最佳FPS
2018.1.4
加入自定义的object数据集,本例采用"吃鸡"的游戏数据集 使用方法,先用create_tf_record.py把数据转为tfrecord供训练,再使用:
python object_detection/train.py --logtostderr --train_dir=train --pipeline_config_path=faster_rcnn_resnet101.config进行训练