# 如何使用 tf object detection
https://juejin.i m/entry/5a7976166fb9a06335319080
https://towardsdatascience.com/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9
https://towardsdatascience.com/building-a-toy-detector-with-tensorflow-object-detection-api-63c0fdf2ac95
https://www.oreilly.com/ideas/object-detection-with-tensorflow
https://lijiancheng0614.github.io/2017/08/22/2017_08_22_TensorFlow-Object-Detection-API/
# 安装和配置
其中需要设置 一个环境变量
https://jingyan.baidu.com/article/db55b609a3f6274ba30a2fb8.html
```shell
# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
```
如果需要加入环境变量是需要修改环境变量配置文件的
需要添加的路径是 research和slim所在的路径，可以在用户环境变量末尾添加
将``pwd``替换为`tensorflow/models/research/`就可以了
需要运行 obejct detection相关的代码需要在这个 obejct detection路径下运行，除非也将其加入环境变量
# 制作训练集
我们需要什么样的训练集呢？这个可以从网上抓取；
1. 可以根据搜索引擎搜集之后爬
2. 裁剪图片 凸显主题
3. 给图片打 Label
win 环境下可以使用 labelimg 给图片的局部加上分类标签来制作我们的数据集
看到 labelimg上面的解释可以看到它可以生成`PASCAL VOC format`的标签数据
Annotations are saved as XML files in `PASCAL VOC format`, the format used by ImageNet.
# 生成 tfrecord文件
根据标注数据集生成 tf record文件
http://blog.csdn.net/happyhorizion/article/details/77894055
tensorflow 有几种数据读取的方法，其中 比较推荐的是这种 tfrecord文件