Windows10下Object Detection API实战记录（4）——成功解决error：No modul named pycocotools及图片预测

1、解决error：No modul named pycocotools

意思是缺少pycocotools，需要安装，但是发现pip并不能成功安装，网上说的

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

也试了试也没有成功，最后用了手动下载的方法完美解决！
第一步：打开网站https://github.com/philferriere/cocoapi，然后点击clone or download下载源码的zip包到本地并展开到cocoapi-master，
第二步：打开终端，执行

cd cocoapi-master\PythonAPI\

进入到指定位置。
第三步： 下面两个命令酌情选择其中之一或者两个都执行也没什么，使用过conda的很好理解，这两个命令分别用于安装pycocotools Python API到当前本地环境env和安装到base(或叫root)环境：

       # install pycocotools locally
        python setup.py build_ext --inplace
       # install pycocotools to the Python site-packages
        python setup.py build_ext install

即可完成安装，没错，就是这么简单！

2、图片预测

object_detection_tutorial.ipynb文件是官方给出的检测代码，对它进行微调就可以使用自己的模型检测图片。
首先，将models/research/object_detection目录下的object_detection_tutorial.ipynb复制一份到model_1目录下，还要把object_detection目录下的untils复制到model_1中
然后打开终端，cd到model_1文件夹，然后输入jupyter notebook，在出现的网页界面中，点击object_detection_tutorial.ipynb。
下面对object_detection_tutorial.ipynb进行修改：一共要修改3处
（1）红框出修改为训练好的模型frozen_inference_graph.pb地址，以及标签文件training/label_map.pdtxt的地址。

（2）因本地有自己训练好的模型，所以注释掉Download Model

（3）输入你要预测的图片的位置，注意图像的命名和循环次数

因数据集很小且训练不充分，效果不是很好，但实现了整个模型训练到使用的流程。结果如下，

model_1文件结构

检测自己图片完成！！！

这是使用tensorflowbw本身完成检测，但不是很方便，下一步我们要实现利用OpenCV来调用Object Detection API生成的模型进行目标检测。