Tensorflow Object Detection API

Tensorflow Object Detection API는 Tensorflow를 이용하여 이미지 속 객체를 인식할 수 있도록 하는, 각기 다른 정확도와 속도를 갖는 5개의 모델을 라이브러리 형태로 제공하는 오픈소스 프레임워크이다. 본 문서는 Tensorflow Object Detection API를 사용할 수 있는 환경을 구축하는 방법을 설명한다.

 

Captured from https://bdd-data.berkeley.edu/

본 과정을 진행한 환경은 다음과 같으며, 이와 같은 환경을 구축하는 과정은 아래 링크를 참고하기 바란다.

 

github.com/DHDaveB/tensorflow-gpu-install-on-ubuntu-16.04/blob/master/README.md

DHDaveB/tensorflow-gpu-install-on-ubuntu-16.04

 

• Operating System : Linux
• Architecture : x86_64
• Distribution : Ubuntu 16.04.5
• Virtual Environment : virtualenv
• Python Version : Python 3.5.2
• Tensorflow Version : Tensorflow 1.10.1

 

STEP 1: 설치

---

Tensorflow Object Detection API를 이용하기 위해 필요한 주요 설치 항목은 다음과 같다.

 

• protobuf 3.x
• python-tk
• pillow 1.0
• lxml
• jupyter notebook
• matplotlib
• cython
• contextlib2

Protocol Buffer 설치

# Make sure you grab the latest version
$ curl -OL https://github.com/google/protobuf/releases/download/v3.6.1/protoc-3.6.1-linux-x86_64.zip

# Unzip
$ unzip protoc-3.6.1-linux-x86_64.zip -d protoc3

# Copy protoc to /usr/local/bin/
$ sudo cp protoc3/bin/* /usr/local/bin/

# Copy protoc3/include to /usr/local/include/
$ sudo cp -r protoc3/include/* /usr/local/include/

Library 설치

$ sudo apt-get install python-pil python-lxml python-tk

(venv) $ pip install Cython
(venv) $ pip install contextlib2
(venv) $ pip install jupyter
(venv) $ pip install matplotlib
(venv) $ pip install pillow
(venv) $ pip install lxml

 

STEP 2: 테스트

---

Clone Tensorflow Models

Tensorflow Object Detection API가 포함된 오픈소스를 다운로드한다.

 

$ mkdir -p /workspace/tensorflow
$ cd /workspace/tensorflow
$ git clone https://github.com/tensorflow/models

Protobuf Compilation

Protocol Buffer를 사용하기 위해 .proto 파일을 컴파일한다.

 

$ cd /workspace/tensorflow/models/research
$ protoc object_detection/protos/*.proto --python_out=.

PYTHONPATH 설정

환경변수에 모델이 존재하는 경로를 추가해 주는 과정으로, shell이 실행될 때마다 해 주어야 한다.

 

# From tensorflow/models/research/
(venv) $ cd /workspace/tensorflow/models/research
(venv) $ export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim:`pwd`/object_detection

 

단, 아래와 같이 .bashrc에 관련 경로를 추가해 놓으면 편하다.

 

$ echo -e '\n## PYTHONPATH settings for tensorflow object detection' >> ~/.bashrc
$ echo 'export PYTHONPATH=$PYTHONPATH:/workspace/tensorflow/models/research:/workspace/tensorflow/models/research/slim:/workspace/tensorflow/models/research/object_detection' >> ~/.bashrc

 

Testing the installation

(venv) $ cd /workspace/tensorflow/models/research
(venv) $ python object_detection/builders/model_builder_test.py
.........
------------------------------------------------------------------
Ran 18 tests in 0.059s

OK

 

STEP 3: 사용하기

---

설치가 끝났으니 테스트용 노트북 파일을 통해 실제로 이미지 속 객체가 인식되는 것을 확인해 본다.

 

(venv) $ cd /workspace/tensorflow/models/research
(venv) $ jupyter notebook

 

웹브라우저에서 localhost:8888/tree가 열리면, object_detection 디렉토리 내에 object_detection_tutorial.ipynb를 열어 실행시켜 보면 다음과 같이 인식한 결과가 나올 것이다.

 

 

---

참고

 

Tensorflow Object Detection 원본 설치 문서

: github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1.md

tensorflow/models

 

Tensorflow detection model zoo

: github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md

tensorflow/models