好的，假設在你的農地旁，
有人或動物不時就發出類似卡車或是車子的聲音，
讓你的手機半夜一直發出警報，
這個時候該怎麼辦呢?

也許我們可以搭配object detection來確認是不是真的有人在偷農作物。

我建議是使用Linux或是用colab的環境來安裝使用object detection，
我曾經成功使用windows系統訓練過一次自己的模型，
但卻不想再成功一次了。
如果想挑戰看看使用windows的環境或是自己訓練辨識特定物件的模型可以參考下面的文件。

object-detection-api 文件
https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/

可以應用像是工廠辨識特殊零件損壞，以及補救維修資訊的顯現。
或是植物特殊的病蟲害資訊顯現，以及應對方法。

但這篇介紹是從已經訓練好的模型來對圖片進行物件辨識。

教學網頁:
https://www.tensorflow.org/hub/tutorials/tf2_object_detection

colab:
https://colab.research.google.com/github/tensorflow/hub/blob/master/examples/colab/tf2_object_detection.ipynb#scrollTo=-y9R0Xllefec

安裝及引入:

建立將圖片轉成numpy array的function:

可供選擇已經訓練好的object detection模型，
如果有更喜歡的可以從tf hub查找，
主要是看有辨識到哪些物件，符不符合需求。

測試圖片 及
COCO17_HUMAN_POSE_KEYPOINTS:辨識姿勢所需要的list，如果辨識之後不需要看人體姿勢，不放這個list也可以

安裝Object Detection API

載入後續需要使用到的功能:

那我們將標籤對應輸出的index號碼使用一個字典來保存:

也可以從github查看這個模型所有的標籤及對應id:
https://github.com/tensorflow/models/blob/master/research/object_detection/data/mscoco_label_map.pbtxt

用tf_hub載入模型:

將測試圖片轉成numpy array，
如果有需要的話，下面也提供了將圖片翻轉及轉灰階的方法:

進行辨識:

將推論結果作圖:

假設不想看到人體姿勢的辨識，
可以將 keypoint, keypoint_scores, keypoint_edges這三個參數拔除。