在我之前的博客中，我们已经看到了现成的对象检测是如何在企业上下文中应用的。现在我们将详细介绍如何使用tensorflow实现定制对象检测，为智能解决方案服务，特别是如何使用定制数据集培训定制对象检测器，并提供在SAP Cloud平台、Cloud Foundry、，您的智能解决方案可以通过松散耦合的HTTP（s）来使用它。
我的智能企业对象检测博客系列：
智能企业现成的对象检测基于Tensorflow的智能企业目标检测（本博客）面向智能企业的YOLO对象检测
Tensorflow对象检测API概述
Tensorflow对象检测API是一个构建在Tensorflow之上的开源框架，可以方便地构建、训练和部署对象检测模型。更多细节，请参考其官方文档
使用Tensorflow目标检测API训练自定义目标检测器
为了训练自己的目标检测器，需要准备训练数据集，包括目标物体的图像，并在图片中标记对象。这里还有我的read to use shoe数据集（包括图片和VOC Pascal格式注释文件），您可以跳过第1步和第2步。
在我的情况下，我们需要能够在SMB Market Place解决方案中检测鞋子，以便在寻找匹配的鞋子时获得智能在线购物体验通过Facebook Messenger发布照片。所以我需要一个鞋类图片的数据集，易淘客，我可以很容易地从谷歌搜索"鞋"的图片找到。
要批量下载图片，我使用了谷歌chrome扩展名为Fatkun Batch download Image。
从谷歌搜索结果中取消选择没有鞋的图片和纸箱图片（没有JPG格式）。单击"更多选项"按钮，将格式为"shoes{NO000}.JPEG"的图像重命名为附加屏幕，将图像保存为shoes{NO000}.JPEG~ shoe{999.JPEG一些提示：1） 。将图像保存为适当的格式。在我的例子中，注释工具（在我的例子中）随后需要JPEG格式。2） 。训练数据集中的图像（角度、背景等）越接近案例中输入的真实图像，检测结果就越准确。3） 。您可能需要从300~600图像每类相对非常好的检测结果预期。它可能需要从不同的角度和背景获得更多的图像才能有一个近乎完美的检测。我下载了600张图片（540张用于培训，大数据云计算，免费云服务器永久使用，60张用于测试）。点击"保存图像"按钮，您将下载图像
现在您需要对图像进行注释，以便使用注释工具为所有下载的鞋图像标记每个鞋的精确边界框。
在我的例子中，我使用LabelImg用VOC Pascal标记鞋图像，可对图像进行VOC-Pascal或YOLO格式的注释
从而创建VOC-Pascal格式的注释。下面是xml中VOC注释的示例。但是，tensorflow需要tfrecord格式来进行培训，而不是VOC Pascal格式。
您已在步骤4中下载并安装了该格式。
网上提供了大量教程。我按照这个教程来训练我的鞋模。唯一的区别是：
我使用ssdlite\u mobilenet\u v2_coco.config文件以ssdlite\u mobilenet\u v2\u coco预训练模型代替ssd\u mobilenet\u v1作为参考_宠物.config和ssd\u mobilenet\u v1\u coco。您可以自由选择自己的参考从官方模型动物园，以满足您自己的速度和准确性要求。
培训环境：
使用带有GPU（nvidia）的机器，请注意CUDA和tensorflow之间的匹配版本。使用googlecloud-ML引擎。请按照本官方教程使用上一步准备的数据集，而不是Oxford-iit-Pets数据集。使用基于AWS Deep Learning AMI的AWS EC2实例
在大约10000次迭代后，我以稳定的平均损失0.5停止训练。
我按照本教程测试自定义对象检测模型。
因此，我可以测试我的鞋检测器。Jupyter Notebook示例在这里提供。
在SAP Cloud平台上运行定制的object detector作为RESTful API，Cloud Foundry
我实现了一个通用的RESTful API包装器，用于将TensorFlow object Detection API转变为一个带有Flask的object Detection RESTful API，可以部署在SAP Cloud平台上，云铸造或内部环境。此外，还实现了一个通用的面向对象对象检测器，使用通用的tensorflow冻结推理图进行对象检测
但是冻结推理图只能在测试环境中使用，建议Tensorflow服务使用SavedModel格式来服务您的自定义模型，以实现灵活性和高可伸缩性，而不是使用冻结的推理图。请参考这篇关于将自定义对象检测模型导出为TensorFlow服务的SavedModel格式的博客。使用SavedModel中的自定义模型，现在您可以将自己的模型带到SAP Leonardo Machine Learning Foundation for serving，大数据问题，它嵌入Tensorflow serving，有关详细信息，请参阅下面的教程。
部署模型推理应用
下面的项目可以重用，以web服务的形式提供您自定义的冻结推理图对象检测模型，武汉大数据，配置简单，只在实验和测试环境中使用。源代码是用MIT许可证发布的。请按照其手册下载、配置和部署您的自定义对象检测器作为Web服务。
因此，您将自定义对象检测设置为RESTful API。
具有给定图像url和检测阈值的对象检测
