TensorFlow CSGO实际对象检测

欢迎学习我们的TensorFlow对象检测API教程系列的第6部分。首先，您可以在我的GitHub页面上下载代码。在这一部分中，我们将导出推理图并检测我们自己的自定义对象。GitHub

导出推理图：

训练完成后，最后一步是生成冻结的推理图(我们的检测模型)。复制export_inference_raph.py文件并粘贴到/object_Detection文件夹，然后在命令提示符下发出以下命令，其中“model.ckpt-XXXX”中的“XXXX”应替换为Training文件夹中编号最高的.ckpt文件：

python export_inference_graph.py --input_type image_tensor --pipeline_config_path CSGO_training/faster_rcnn_inception_v2_coco.config --trained_checkpoint_prefix CSGO_training/model.ckpt-XXXX --output_directory CSGO_inference_graph

使用我们训练有素的自定义对象检测分类器：

上面的行会在/object_Detection/CSGO_INFERENCE_GRAPH文件夹中创建一个Freeze_Inference_raph.pb文件。.pb文件包含对象检测分类器。将其重命名为CSGO_FRESTED_INFORMATION_Graph.pb并将其移动到主工作文件夹中。此外，请使用与用于培训的标签地图文件相同的标签地图文件。在我的示例中，我将其重命名为csgo_labelmap.pbtxt。然后，我从我自己的第4个教程中提取了object_detection_tutorial_grabscreen_faster.py代码，并将其重命名为csgo_Object_Detection.py，并更改了几行代码，这样我们就可以使用它了：

我将第39行更改为冻结的推理图文件。PATH_TO_FRESTED_GRAPH=‘CSGO_FRESTED_INFORMATION_GRAPH_GRAP.pb’

我将第41行更改为我的labelmap文件。PATH_TO_Labels=‘CSGO_labelmap.pbtxt’

最后，在运行Python脚本之前，您需要修改脚本中的第42行NUM_CLASSES变量，使其与我们要检测的类数相等。我只使用了4个类，所以我将其更改为4：num_class=4

如果一切正常，对象检测器将初始化约10秒(对于GPU可能需要更长的时间)，然后显示自定义窗口大小，显示图像中检测到的对象。在我们的例子中，它是检测CSGO游戏中的玩家。

这就是本教程的全部内容。现在，我们介绍了如何实现您自己的自定义对象检测模型的所有步骤。在下一个教程中，我们将致力于射击我们的敌人！

最初发表于https://pylessons.com/Tensorflow-object-detection-csgo-actual-object-detectionhttps://pylessons.com/Tensorflow-object-detection-csgo-actual-object-detection