1、项目介绍
实现基于tensorflow的物体检测。项目框架主要分为三部分：数据采集层、深度模型层、用户层。其中，数据采集层用于对数据进行标记以及转换成TFRecords格式数据文件。深度模型层的功能是读取数据采集层输出的TFRecords数据进行数据的预处理以及对深度模型的训练，其中深度模型可以使用不同的框架（例如SSD、YOLO等），通过模型工厂进行选择，本项目中使用SSD物体检测框架。训练得到的模型通过tensorflow serving进行部署，提供给后台。用户层通过前端和后台业务交互得到想要的结果。模型如下：
1.数据集处理
1.1、将PASCAL VOC数据集使用tensorflow转换成TFRecords文件、
因为PASCAL VOC是将图像文件和标记文件是分开的（即：Annotations文件和JPEGImages文件），而TFRecords格式是一种将图像数据和标签放在一起的二进制文件。
其使用example将数据封装成protobuffer协议格式。其特点是：体积小、解析速度快。每一个example对应一张图片，其中包括图片的各种信息。