a.计数：统计人，车，花甚至是微生物数量，在大部分基于图像的系统中都要使用，尤其广泛应用于监控视频设备系统
b.视觉搜索引擎：目标检测作为索引图像内容的处理流程之一。比如，你可以在不同的背景下找到某个特定的钱包
c.空中影像分析：应用无人机摄像对人难以到达的地方进行自动监测（例如BetterView）或者使用物体检测方法进行整体分析（例如TensorFlight）
2.深度学习模型进阶流程
a.overfit：
b.RCNN
c.fast-RCNN
d.YOLO
e.faster-RCNN
f.SSD
g.R-FCN
3.数据集
a.ImageNet
b.COCO
c.PascalVOC
d.Oxford-IIITPet
e.KITTIVision
二、模型版本
三、走通版本3（tensorflow官网）
3.1安装环境
a.下载代码
b.安装
sudoapt-getinstallprotobuf-compilerpython-pilpython-lxml
sudopipinstalljupyter
sudopipinstallmatplotlib
c.配置环境
#Fromtensorflow/models/research/
protocobject_detection/protos/*.proto--python_out=.
exportPYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
每次打开命令框需要重新输入exportPYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
#######################################################################################
配置路径，开机启动，自动遍历此文件的指令1>.home/coolpad/.bashr最下方增加：exportPYTHONPATH=$PYTHONPATH:/home/coolpad/models/research:/home/coolpad/models/research/slim2>.开机重启生效，不重启则需要在命令框运行source/home/coolpad/.bashrc
########################################################################################
d.查看是否配置成功
pythonobject_detection/builders/model_builder_test.py
成功则出现：Ran11testsin0.026sOK
3.2使用API训练模型
a.下载训练集
解压图片：tar-xvfimages.tar.gz
解压标注文件：tar-xvfannotations.tar.gz
b.转tfrecord
pythonobject_detection/create_pet_tf_record.py\
--label_map_path=object_detection/data/pet_label_map.pbtxt\
--data_dir=`pwd`\
--output_dir=`pwd`
c.下载预训练的权重
tar-xvffaster_rcnn_resnet101_coco_11_06_2017.tar.gz
e.建立训练文件夹
在任何路径mkdirmy_train
将转换的pet_train.record、pet_val.record复制到此文件夹
将object_detection/data/pet_label_map.pbtxt复制到此文件夹
将object_detection/samples/configs/faster_rcnn_resnet101_pets.config复制到此文件夹
f.修改faster_rcnn_resnet101_pets.config代码路径
将所有的PATH_TO_BE_CONFIGURED替换为my_train的路径
将fine_tune_checkpoint:"×××××××"的×××××替换成下载的预训练权重的路径
g.运行训练
cd/root/myfloder/models/researchpython3object_detection/train.py\
--logtostderr\--pipeline_config_path='./my_train/faster_rcnn_resnet152_pets.config'\
--train_dir='./my_train'
#####################################################################