新手也會用AI | 物件識別 | TensorFlow

介紹

前言

AI (Artificial Intelligence)可謂是最近最熱門的科技技術之一，作為電腦新手，想要應用AI技術其實並不難。皆因現在很多開發公司已經提供了不同版本的API模型。我們只需配置適當開發環境，並安裝相應的模型便可一嘗AI入門技術。因此，就算你沒有相關知識，也可以實現不少AI功能。在是次應用中，我們將會實現物件檢測(object recognition)功能，用到的API是到Google釋出的Tensorflow Object Detection模型。模型效果圖如下，是不是很心動想創造屬於自己的物件檢測程式呢？我們一起動手試下吧！

配置環境

安裝Python

Windows 以及 MacOS 用戶可直接從Python官網下載安裝，建議安裝3.7版本
Linux用戶則可透過從終端機(Terminal)安裝，指令如下

1	sudo apt-get install python3.7

安裝Tensorflow

打開你的終端機(Terminal)，並且按照以下指令安裝配置環境。

1	pip3 install tensorflow

安裝相關庫

Windows 以及 MacOS 用戶透過從終端機(Terminal)安裝

pip3 install --user Cython
pip3 install --user contextlib2
pip3 install --user pillow
pip3 install --user lxml
pip3 install --user jupyter
pip3 install --user matplotlib

Ubuntu Linux用戶則可以使用apt安裝其餘的套件

sudo apt-get install protobuf-compiler python-pil python-lxml python-tk
pip3 install --user Cython
pip3 install --user contextlib2
pip3 install --user jupyter
pip3 install --user matplotlib

下載物件識別API

新建資料夾”Tensorflow”，到API的Github官網 https://github.com/tensorflow/models
Clone/下載 models-master資料夾(下載需時請耐心等待)，重命名為models，放進Tensorflow內，目錄示意圖如下

TensorFlow
└─ models
    ├── official
    ├── research
    ├── samples
    └── tutorials

編譯 Protobuf 函式庫

在使用Tensorflow Object Detection API前，需要先編譯 Protobuf 函式庫
打開終端機，依次進入Tensorflow、models，最終到達research目錄內，方法如下：

1	cd Tensorflow/models/research

輸入以下指令，編譯 Protobuf 函式庫

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

輸入以下指令將 models/research 與 models/research/slim 加入 PYTHONPATH 環境變數中
這個步驟在每次使用 Tensorflow Object Detection API 之前都要執行

1	export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

運行範例程式

開啟 Jupyter Notebook

Tensorflow Object Detection API 的原始碼中有附帶一個簡單的入門範例程式，位於 models/research/object_detection/object_detection_tutorial.ipynb，適合初學者來學習如何使用這套 API，這個範例程式是一個 .ipynb 的文件，需要在 IPython Notebook 環境中執行。因此，我們需要開啟並且運行Jupyter Notebook，並找到以下路徑。

運行範例程式

打開object_detection_tutorial.ipynb
點擊”Cell”，選擇”Run All” 運行程式的所有代碼

頁面拉到最底，查看輸出結果吧！

tf.gfile.GFile 不適用而報錯的解決方法

根據指示，找到 utils/label_map_util.py 檔案，在137行把 tf.gfile.GFile 修改為 tf.io.gfile.GFile ，操作如下：

ImportError: cannot import name ‘string_int_label_map_pb2’報錯解決方法

這個錯誤很大機會出現在MacOS或者Windows系統用戶，因為其系統無法從源文件匯入資料
解決方法如下，來到object_detection/utils資料夾，開啟label_map_util.py修改以下代碼

若問題依舊，需要在終端機位置（Tensorflow/models/research）運行以下兩句

1 2	protoc object_detection/protos/*.proto --python_out=. export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

自行加入圖片進行物件識別

最後，我們可以加入圖片測試識別的準確度，這裡我用了 image3.jpg 及image4.jpg
把圖片加入到 models/research/object_detection/test_images 資料夾內，命名圖片為”imageX.jpg”，X為數字。

然後後打開Jupyter Notebook，回到 object_detection_tutorial.ipynb 中，找到 “Detection”功能代碼所在 (122行)
根據圖片名稱，修改其中第六行的range()內的數值，用我上面的例子，我只想檢測圖片image3.jpg 和image4.jpg
因此，我要修改為 range(3, 5)，第一個數值是imageX中X的值 = 3，第二個數值則是第二張圖片imageX中的X+1 = 5

運行成功，看看識別結果！

即使不熟電腦/AI的你，也能嘗試使用AI技術