Tensorflow-gpu==1.10.0&Tensorflow-gpu==1.12.0
opencv-python==3.4.0
pillow
matplotlib
1、数据准备
imges 存放图片；
ammitations存放标签；
2、环境配置
label_map_person.txt中写入id，name（id=多少个类就写那个id，name=具体的类型名称）。
creat_name.py生成训练数据集；
进入slim执行以下命令编译安装环境
python setup.py build
python setup.py install
进入根目录下同样执行以上操作
python setup.py build
python setup.py install
3、进入object_detection目录
修改create_tf_record.py中146、149、162、167行生成如下文件
train.record
val.record
4、进入根目录下找到embedded_ssd_mobilenet_v1_coco.config中9、141、146、156行。
9行类别参数
141行batch_size参数
146行学习率
156行是否迁移学习（如果采用从头训练需要注释掉这段代码）
170行训练数据train.record路径
172行写入label_map_person.pbtxt
182行写入验证的val.record路径
184行写入验证的label_map_person.pbtxt
1、进入object_detection目录
修改训练train.sh路径内容
1、生成网络结构和参数固定化融合生成pb,进入object_detection目录
export_inference_graph.sh
2、进入object_detection目录修改27、28、37、63行为自己对应文件路径进行测试
《SSD》
《mobilenetv1》
《pruning》
《Weight Factorization》
《Weight Sharing》
《Quantization》
参数修剪和共享（parameter pruning and sharing）
低秩因子分解（low-rank factorization）
转移/紧凑卷积滤波器（transferred/compact convolutional filters）
知识蒸馏（knowledge distillation）
annotations 存放xml标签
images 存放训练图片
weights
input_w 存放生成的ckpt、enents、pipline
output_w 存放export输出的pb文件
test 存放验证数据集
result 存放输出结果图