前言

筆者曾介紹過物件偵測(Object Detection)，請參閱【這裡】，三年來，整個技術的演進又提升了不少，尤其是YOLO演算法已經進化到第5版了，而且還是不同的開發者。Tensorflow 也推出TensorFlow 2 物件偵測(Object Detection) API，包括Tensorflow 1.x 及Tensorflow 2.x的版本，後者的安裝簡化許多，本文就以Tensorflow 2.x版本為主。

物件偵測

物件偵測(Object Detection) 不只要辨識物件的類別，還包括以下要求：

1. 指出物件所在位置。
2. 一幀圖片可以同時辨識多個物件。

圖一. 物件偵測範例，圖片來源：YOLO: Real-Time Object Detection

圖二. ImageNet ILSVRC 挑戰賽項目

有了物件偵測功能，無人車、機器人、AGV就可以辨識前方的道路或障礙物，達到自動行進/停止/轉彎的特異功能。除了精準辨識外，還要辨識速度快，系統才能即時作出反應。

物件偵測演算法依處理方式概分為兩類：

1. 兩階段(Two Steps)演算法：含RCNN、Fast RCNN、Faster RCNN ...等，參見圖三，從演算法名稱就知道，要不斷改良，快還要更快。演算法分兩階段，第一步先用 Region Proposal Network(RPN)，找出2000個可能含有目標影像的框(Region)，第二步將 2000個框分別進行辨識，找出物件。

圖三. Object Detection RCNN 演進

2. 一階段(One Step)演算法：直接將圖片切成多個格子(Grid)，每個格子使用多個 Anchor Box，偵測是否含物件，一氣呵成，演算法包括SSD、YOLO等，其中 YOLO 不到一年就換新一個版本，腳步都跟不上了。
   
   圖四. YOLO 辨識示意圖

圖五. YOLO 與其他版本、其他演算法比較，縱軸為準確度，橫軸為速度(FPS)，圖片來源：YOLOv4: Optimal Speed and Accuracy of Object Detection

要研究這麼多演算法真的很累，幸好 Tensorflow 推出 API，它幾乎全包了。

圖六. TensorFlow 2 Object Detection API 支援的演算法

安裝 TensorFlow 2 Object Detection API

安裝環境需求請參考 【TensorFlow Object Detection API 教學官網】，目前如下表：

圖七. TensorFlow 2 Object Detection API 安裝環境需求

以下介紹 Windows 作業環境下的安裝：

1. 建議安裝 Anaconda 最新版。
2. 安裝 TensorFlow v2.2 以上。
3. GPU 不一定需要，如果要使用GPU，需安裝 CUDA 10.1/cuDNN v7.6.5，詳細說明請參考【TensorFlow Object Detection API 教學網站】。
4. 在任意目錄下建立 TensorFlow 次目錄。
5. 自【GitHub】下載整個專案(repository) 。並解壓縮至 TensorFlow 次目錄下，並將models-master目錄改為名 models。
6. 自【這裡】下載 protoc-3.13.0-win64.zip，解壓縮至特定目錄，例如 "C:\Program Files\Google Protobuf"，將"C:\Program Files\Google Protobuf\bin"加到環境變數Path中。
7. 安裝Protobuf，在第4步驟的 TensorFlow\models\research 目錄開啟 cmd，執行：

protoc object_detection/protos/*.proto --python_out=.

8. 安裝 COCO API，執行：

pip install cython
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

9. 安裝 Object Detection API，更改目前目錄至Tensorflow\models\research，再複製 object_detection/packages/tf2/setup.py，執行：

python -m pip install .

10. 安裝至此大功告成，執行測試：

python object_detection/builders/model_builder_tf2_test.py

出現以下畫面，就搞定了。

圖八. TensorFlow 2 Object Detection API 測試結果

結論

夜深了，明天再戰。